(资料图片仅供参考)
我们已经迈入了一个高度智能化的时代。近年来，ChatGPT等人工智能（Artificial Intelligence，AI）应用不断带来惊喜。面对各种问题和需求，人工智能之所以能够表现出“智能”，一个很重要的原因是其背后有着强大的计算资源作为础支持。基于这些计算资源，可以训练出高质量的人工智能模型，帮助人们解决问题。因此，如何充分运用好超大规模的计算资源，就成了人工智能时代亟需解决的重要基础问题。
近年来，来自北京大学计算机学院、人工智能研究院的青年学者，关注面向人工智能的基础系统软件这一领域，组成研究团队，开展联合研究，连续发表高质量学术论文并多次获奖，取得了重要的学术研究进展，而且成果在工业界开展了大规模实践，产生了积极的产业影响。
01 实现系统软件“根”的突破
当前以深度学习为代表的人工智能，本质上是一种数据驱动的智能，首先要从大量的数据中“学习”出一些规则生成一个模型（称之为模型训练），然后要运用这些规则来解决问题（称之为模型推理）。如果做个比喻，可以粗略地把模型训练过程当作“看例题”，把推理过程当作“写作业”。人工智能可以做到在边看例题的同时边写作业。不过，用多少精力看例题，用多少精力写作业，以及这些精力如何分配得合理、高效和经济，就不再是人工智能自身能够解决的问题，而必须要依赖底层的系统软件来调度算力资源为其赋能和提供支撑。
