从大内存到通算一体，三篇文章带你读懂AGI底层力量
数字化是金融行业服务和发展模式变革的重要驱动力，今夏华泰证券举办“AGI重构之路”创新科技论坛，探讨AGI（通用人工智能）如何重构人工智能技术及金融行业。
作为国内领先的科技驱动型综合证券集团，华泰证券邀请多家细分赛道内的领跑科技创新企业、海内外技术专家与华泰证券的科技专家从各自的实践出发，分享对AGI科技浪潮的洞察。本文汇总三篇深度好文（原发微信公众号：华泰证券频道 ），带你一起读懂AGI技术发展的底层技术。
突破互联极限
CXL叩开大内存时代
人工智能在金融场景的深入应用，对海量数据计算提出了更高要求，内存及其新计算架构正变得愈发重要。
在传统服务器或计算网络中，内存（Memory）仅作为暂存数据、交换数据的“桥梁”角色，与计算紧紧耦合。这一情况或将伴随着CXL（Compute eXpress Link）的诞生而发生改变。未来，内存或将不仅作为硬件器件而存在，还可以成为独立的系统，成为以软件驱动的新行业。CXL的出现，将带来对内存的根本性变革，包括拓展内存带宽和容量、实现内存与计算的解耦。
通过在CXL架构下的池化和实时下载内存，可以极大限度地解决内存溢出问题。可以建立统一内存池并实时监测各服务器的内存占用，为计算压力较高的服务器提前下载内存。什么是池化？内存溢出又是什么？在未来，我们可以像下载软件一样下载内存吗？▶
从局部创新到大模型崛起的开源故事
云原生为大语言模型的开发与创新提供了基础设施，包括大模型在内的许多新技术的最终源头都在开源世界里。在云原生的开源生态里有一种庞大的生产力。
AGI的创新方向和数字原生的终极愿景高度一致，ChatGPT在聊天中努力伪装成人类，就是硅基智能在学习进入碳基智能世界的方式。任何企业在将大模型技术应用到自身发展、迈向未来人工智能时，都要搭建新的生产关系，在技术路径的选择中会遇到很多问题。比如，如何满足超大模型对硬件和资源的需求、如何解决异构算力兼容的问题、如何高效合理分配资源和调度任务，还有隐私保护、数据风险和监管合规等诸多安全问题。
在大模型还没有成功时，很多创新的技术可能只是一些零碎的局部创新，使用场景并不明确；但当大模型成功时，大家才会发现这些技术正是大模型爆发成功的一环，这些技术的创新演进与大模型的发展是相辅相成的。
面对上述问题，产业界如何破局呢？▶
大模型推动网络技术革新
迈向统一开放、应用友好
AGI对集群算力空前庞大的需求为网络通信技术带来了诸多机会与挑战。所谓“要致富先修路”，网络就像交通运输，对AI集群计算效率至关重要。
在大模型运算过程中，每张卡训练完成后需要数据传输，而过程中计算卡的算力是闲置的，这会影响整个大模型整体的运算效率，需要网络有一种新的调度方法去应对。
放眼未来，标准化与开放可编程或许是网络发展的重点。标准化方面，随着软硬一体化的发展，软件的功能可以部分由硬件实现，虽然提升了处理性能，也造成了供应商单一、缺少统一标准化协议的问题；开放可编程方面，网卡虽然很小，但同样具有计算和存储的能力，而这些能力在网卡带宽没有用满时会被“闲置”。
如何解决这两个问题？▶
关于AGI与超级自动化的结合、与金融场景的结合等更多技术和应用细分领域话题在论坛上被探讨。华泰证券将继续推动与更多元生态伙伴以及生态伙伴之间的更多碰撞，推动AGI科技浪潮下的合作共赢。
特别提示：文中观点不构成对读者的投资建议。市场有风险，投资需谨慎。
文/安娜