2024年新春伊始，OpenAI新发布的Sora模型，在AI生成视频赛道扔下一枚深水炸弹，将曾经大火AI视频创业公司的模型直接碾压。

SORA生成的视频截图

与以往视频生成模型不同，Sora可基于文字描述生成高质量逼真视频，展现了强大的学习能力，能深度理解真实物理世界的规律和逻辑。Sora的惊艳表现，可以说一出手就是王炸，也必将会掀起新一轮跟风浪潮，那么我们准备好了吗？又会有哪些限制因素？

人工智能未来竞争的底层瓶颈—算力

2023年是AI元年，ChatGPT的惊艳登场，掀起AI大语言模型狂潮，国内AI企业奋力追赶，存、算、传基础设施也突飞猛进发展，但却依然存在专项算力资源紧缺的问题。面对如今的Sora，我们在芯片、算力等领域的紧缺将进一步加剧，这已成为我国AI发展的当务之急。

众所周知，美国商务部公布了一系列先进芯片、半导体制造设备的出口管制规则，限制向中国出口更先进的人工智能芯片，并扩大管制对象，覆盖经由第三国的情况。在严苛外部环境以及迫切需求驱动下，本土半导体公司快速成长，但仍与国外企业有明显差距。半导体行业的发展是需要时间积累的，不可一蹴而就。

芯片之战快不得，但AI之战却慢不得

每个时代都有每个时代的战略资源，失去就会导致差距越来越大，需要花更多的时间和金钱来追赶。

那么，在如此严峻的形势下，中国的AI企业在算力资源层面如何破局？

解决方案之一，是充分利用全球算力资源和云计算资源进行分布式并行计算策略训练，把对算力要求高的任务部署到境外算力资源充足国家，与国内超算中心和全球云计算资源并行计算。

其中，数据并行和模型并行是分布式深度学习中两种常见的并行计算策略。

数据并行 数据并行是指将训练数据划分成多个批次，在多个设备或节点上同时处理这些批次。每个设备都有完整的模型，通过并行处理不同的数据批次来计算梯度和更新模型参数。

模型并行 是指将模型的不同部分分配到不同的设备或节点上进行计算。每个设备负责处理整个模型的一部分，以解决模型过大的问题。

AI分布式大模型训练，以传输换算力

在分布式训练中，稳定的数据传输变得尤为重要。数据传输包括大规模权重更新或梯度信息，需要高带宽、稳定的网络连接来确保快速而有效的传输。

高带宽网络：支持大带宽专网传输，保障大模型数据传输所需的高带宽、低延迟及高安全网络；

弹性扩容：可基于业务变化，灵活调整网络带宽。同时，具备超强售后运维能力，为企业网络运维提供专业支持；

高可靠网络：犀思云骨干环网，可充分保障网络的冗余高可用性，为大模型数据传输提供稳定网络保障。

AI时代已来，虽然我们目前并未取得领先优势，但我们正在不懈追赶。回顾过往，中华民族凭借着坚韧的生命力和卓越的灵活性，成功跨越了无数艰难险阻，取得了举世瞩目的进步。如今，在这个工业革命和大国博弈的交叉点上，我们注定会再次绽放属于自己的光彩。