随着大语言模型引发新一轮科技革命，算力已成为全球竞争的关键战略资源。“当前，我国算力规模位居全球第二，但算力资源依然存在结构性矛盾。”全国政协委员、中国科学院计算技术研究所研究员张云泉在接受《人民邮电》报记者专访时表示，目前我国低精度算力较多，而高端算力，尤其是可以用在大模型训练上的算力偏少，我们要调整算力结构，促进高端算力发展。

“能够支撑大模型训练的高端算力中心极为稀少且训练效率不超过30%。”张云泉表示，目前国内主要智算中心单体规模仅在100-1000PFlops之间，高端智算中心要求具备万卡级分布式训练能力，基础设施的代际差异严重制约了大模型迭代创新速度。

人工智能的发展给算力提出了新的要求，在张云泉看来，要重视国产芯片全精度的性能提升，降低大模型部署当中的推理成本，进而提升竞争优势。要鼓励国产芯片研发，特别是能够实现全精度、高速互联，支持大模型训练的高端芯片。同时，建议科技部门加大经费投入，持续研发关键技术，优化工具链。

在张云泉看来，DeepSeek的成功得益于工具链的优化，通过算法的优化，让训练成本大幅降低。他表示，要重视大模型训练、推理、高性能算法库以及软件工具链的研制。“大模型的训练和推理规模大了之后，原来超级计算机的很多技术也可以拿来用，如大规模并行、集合通信优化、负载均衡、功耗优化等。”

对于算力中心的建设，张云泉建议设立评估标准和准入机制，防止蜂拥而上。目前，一些算力中心建设过于盲目，建好以后应用效率较低，所以建议国家出台相关管理规范和办法，从供给侧引导高端算力发展。同时，要建立智算中心分级准入标准，支持市场主体建设高端智算中心，突破万卡级分布式训练，鼓励建设高密度数据中心。

张云泉建议，要引导高端算力发展走上“超智融合”技术路线，建设大算力、全精度、高互联的高端智算中心，同时要重点支持头部基础大模型企业，打造世界领先开源开放主权级基础通用大模型，鼓励开放更多应用场景。此外，当前全社会对人工智能的需求大幅提升，要加强人工智能人才的培育，在大学里开设相关的课程，并开展科普教育。