随着ChatGPT爆火，国内地方政府、科研机构、科技企业纷纷表示，已经着手类ChatGPT大模型技术的研究和推进，这是一件具有长远战略意义的事。然而，从算力、芯片生态到产业链协同，中国版ChatGPT的发展仍面临诸多挑战。本文将系统梳理这些挑战，并探讨业界提出的解决方案，帮助您全面了解中国AI算力生态建设的现状与路径。
一、发展中国版ChatGPT面临的核心挑战
目前中国市面上A100全部加在一起，可能够支撑100个类ChatGPT大模型网络。听上去很多，然而一些大公司可能需要把几千张卡连在一起做更前瞻的内部测试，比如三千张卡做一个集群，要两三个这样的集群。整体来看，算力的体量是远远不够的。
除此之外，国内生态还面临以下两个主要问题：
- 硬件与软件的适配难题：现在国内有非常多的AI芯片，也有非常多的深度学习框架，形成了“多对多”的网状关系。而英伟达对PyTorch则是形成了强强联手的生态。这种“群狼乱战”的状态导致适配工作量大、成本高，包括算子的适配成本、框架的适配成本等。
- 产业链条长，应用端脱节：芯片处在人工智能产业链上游，到应用端中间还包括板卡、服务器、操作系统、框架、数据、AI计算平台、软件开发、行业系统集成等多家厂商。人工智能整体还是一个不成熟的行业，算法几乎每天更新，软件每月更新，各层很难形成稳固的连接关系来服务好下游厂商。
