随着人工智能迈入大模型时代，技术正从单模态向多模态演进，并逐步与各行业深度融合。12月11日上午，数据工程与知识工程教育部重点实验室邀请中国工程院院士、清华大学计算机系教授郑纬民作主题为“支持大模型训练/推理的计算机系统的研究与思考”的讲座。本次讲座是德科讲坛系列第三期，郑纬民教授分享了他对大模型生命周期、行业格局以及国产计算系统发展的独到见解，并提出一系列创新解决方案，为推动大模型技术的发展提供了清晰路径。

数据工程与知识工程教育部重点实验室主任杜小勇主持讲座

郑纬民教授首先梳理了大模型生命周期的五个关键环节：数据获取、数据预处理、模型训练、模型微调和模型推理，并逐一剖析其中的技术挑战与应对策略。在数据获取阶段，他指出传统文件系统难以高效管理海量多模态小文件，提出了解耦合目录树存储方案，为提升元数据管理能力提供了新思路。在数据预处理阶段，通过自研的“诸葛弩”大数据处理引擎，大幅优化了数据清洗与格式转换过程，实现了动态负载均衡和高效数据读入。在模型训练阶段，针对GPU存储不足和硬件高负载问题，团队开发了分布式检查点存储系统，提高了训练效率和稳定性。在模型微调阶段聚焦于将大模型与行业需求无缝对接，而模型推理阶段则通过创新的流水线计算方案，利用CPU和主存高效解决了KV-Cache存储瓶颈。

在行业生态分析中，郑纬民教授将当前从事大模型的企业归为三类：专注研发大模型的企业，推动技术边界的拓展；探索“大模型+行业”融合的企业，为具体应用场景赋能；以及为大模型提供计算机系统支持的企业，构筑底层技术基础。这种分类清晰展现了大模型生态系统的协同发展格局。

对于国产计算系统的未来发展，郑纬民教授提出了核心基础软件建设的重要性。他以团队研发的“八卦炉”为例，展示了国产智算系统的潜力。“八卦炉”在神威平台、沐曦芯片等多场景应用中表现优异，其性能已与国际顶尖技术对齐甚至有所超越，为国产芯片和算力生态的完善提供了强有力支持。此外，其团队还通过加速国产芯片集群和优化推理卡等多种方案，为实现国产AI生态系统的全面提升奠定了基础。

展望未来，郑纬民教授提出了两点战略思考：一是构建国产万卡系统的重要性，这将成为大模型技术发展的关键支柱；二是当前异构卡和异地卡联合训练仍存在局限性，需要通过技术优化和协同设计进一步提升效率。这些洞察高瞻远瞩，为我国在全球人工智能技术竞争中赢得更大优势提供了明确的方向。

讲座期间，参会师生全神贯注地聆听，并在结束后踊跃提问。郑纬民教授耐心细致地解答了每一个问题，现场互动气氛热烈。

随着讲座的圆满落幕，与会者纷纷表示受益匪浅。郑纬民教授的研究不仅为大模型技术的深层探索指明了道路，也为国产计算系统的崛起注入了强劲动力。随着这些技术与产业理念的不断落地，中国人工智能技术将迈向更广阔的未来。