算力的字面意思，大家都懂，就是计算能力（Computing Power）。 所谓“计算”，其实可以有不同的理解方式。狭义上，就是完成数学问题的运算过程，比如算个“1+1=？”或者对“哥德巴赫猜想”推理验证。广义上则更宽泛——凡是对信息进行处理并得到结果的过程，都能叫“计算”。这两种定义的区别，核心在于计算的内容不同。而**完成计算过程的能力，都可以称之为“算力”**。 有意思的是，人类的思考本身就是一个最常见的计算过程。除了睡觉和发呆，我们几乎每时每刻都在思考：通过五官观察、感知、收集外界信息，然后借助大脑对这些信息进行处理（也就是思考），最后得出结论、做出判断、采取行动。在这个过程中，大脑就是我们的算力工具，大脑的思考速度越快，意味着算力越强。 计算是人类解决问题的一种方式。在漫长的历史中，人类遇到过很多必须通过计算才能解决的问题，仅凭大脑这个“原生”算力工具根本不够用。于是，人们发明了算盘、算筹、计算尺等工具。到了20世纪40年代，随着技术积累，电子计算机诞生，信息技术革命正式开启。 早期的计算机其实就是大型计算器，主要用于军事领域的复杂计算（比如弹道计算），性能不算强，体积和功耗却大得惊人。后来晶体管取代真空管，才逐渐解决了体积和功耗问题。1958年集成电路问世，开创了芯片时代。芯片里集成了大量电子元件（晶体管、电阻、电容等），可以执行运算指令。近几十年来，在摩尔定律的驱动下，芯片上的晶体管数量不断增加，性能持续提升。 在芯片能力的加持下，计算机越来越强大，体型越来越小，最终催生了PC和繁荣的IT软硬件生态。计算机开始走进家庭和各行各业，成为人类最重要的算力工具。我们把计算机用到各个领域，运行程序、解决问题、提升效率。芯片制程越先进、晶体管数量越多，算力就越强劲，问题解决得也就越快越好。 5G手机SoC芯片 如今，芯片已经成了算力的代名词。讨论算力，其实就是在说芯片的计算能力。行业里通常把CPU、GPU等芯片技术及能力称为狭义的算力；内存、硬盘相关的存储技术称为存力；操作系统、数据库、中间件、应用程序等软件技术称为算法。而广义的算力，既包括了狭义的算力，也包括了存力和算法。 云计算、大数据、人工智能、区块链等前沿概念，都属于算力的应用。换句话说，和信息技术有关的一切，都可以笼统归为算力领域。这里需要特别留意：芯片是算力的核心，而安装了芯片的手机、手表、PC等终端，以及服务器等设备，是算力的载体。那些拥有大量服务器的数据中心和计算集群，我们也可以称之为算力平台——它们就是算力的主要存在形式。

---

算力的价值

算力的作用，就是完成计算任务。计算机硬件系统的运转、程序软件的执行，都是由无数个计算任务支撑起来的。芯片提供的算力，是整个系统正常工作的动力来源。 信息技术经过多年普及，已经遍布工作和生活的每一个角落。各种各样的IT系统支撑着整个社会的发展。算力支撑了所有IT系统，而IT系统又支撑了整个社会。从这个角度看，把算力称为社会发展的基石一点都不为过。 生活方面，衣食住行、娱乐休闲，都离不开手机和移动互联网。手机里的芯片提供算力，才有了丰富的功能和流畅的速度。我们访问的数字电商、玩的网络游戏、看的电影视频，都基于互联网服务提供商的服务，这些服务构建在数据中心和服务器上，同样是芯片在提供算力。算力越强，服务体验越好，生活就越方便、越快乐。 工作方面，各行各业都在推动数字化转型，将先进的IT技术和通信技术与传统行业相结合。数字化是信息化的延伸——以往的信息化只是针对特定业务引入IT技术，而数字化则面向整个企业进行改造，包括组织架构、业务流程、商业模式和工作场景。目的就是提升生产效率、降低成本、增强综合竞争力。无论是信息化还是数字化，背后都是算力在驱动。算力越强，系统能力越强，带来的改进越大、收益越多。 部分企业已经在信息化和数字化的基础上向智能化方向发展，效率提升更大，形成“代差”级的技术优势。在未来日益激烈的市场竞争中，这种优势可以决定企业的生死。 现在行业里流行一种说法：把所有的商业模式都向“挖掘数据价值”的方向靠拢。数据被视为最宝贵的资源，是一座富矿；而算力则是挖矿的工具。通过算力对数据进行处理，就能挖掘巨大的数据价值，创造财富。 挖掘数据价值的过程，可以细分为四个环节：产生数据、传输数据、存储数据和计算数据。算力（信息技术）和联接力（通信技术）相互协作完成这一过程：首先，通过传感器、摄像头等设备采集物理世界的信息，转换成数字比特；然后，通过5G、Wi-Fi、光纤等通信技术进行传输搬运；这些数字比特被保存在硬盘等存储介质中，再交给芯片进行计算；计算结果则用于决策和控制。在人工智能技术的加持下，做出决策和控制的主角甚至可能不再是人类，而是AI智能体。 看明白了吧，算力的作用在数据价值挖掘的过程中显露无疑——没有强大的算力，你就完成不了这项工作。 算力的重要价值也体现在国家竞争力层面。算力决定了数字经济发展速度以及社会智能发展高度。根据IDC、浪潮信息、清华大学全球产业研究院联合发布的数据，计算力指数平均每提高1点，数字经济和GDP将分别增长3.5‰和1.8‰。全球各国的算力规模与经济发展水平已经呈现出显著的正相关关系——一个国家的算力规模越大，经济发展水平就越高。毫不夸张地说，算力已经成为国家竞争力的重要组成部分。

---

算力的分类

算力服务于整个社会，而社会对算力的需求是存在差异的。这些需求既有来自消费领域的（追剧、网购、打车、O2O等），也有来自行业领域的（工业制造、交通物流、金融证券、教育医疗等），还有来自城市治理领域的（智慧城市、一证通、城市大脑等）。不同的算力应用和需求，对应不同的算法，而不同的算法对算力特性也有不同要求。 如今，算力被分为三大类：通用算力、智能算力以及超算算力。 通用算力以CPU（中央处理器）输出的计算能力为主。CPU内部有指令集，对运算进行指导和优化，确保可靠运行。按指令集架构不同，CPU可分为x86架构与非x86架构。x86架构由英特尔开发并长期主导，生态好、市场占有率高；非x86架构类型较多，这些年崛起速度很快，主要有ARM、MIPS、Power、RISC-V、Alpha等。 智能算力以GPU（图形处理器）、FPGA（现场可编程逻辑门阵列）、AI芯片等输出的计算能力为主。尤其是GPU，目前炙手可热，一卡难求。 超算算力则以超级计算机输出的计算能力为主。它利用并行工作的多台计算机系统的集中式计算资源，通过专用操作系统处理极端复杂或数据密集型问题，主要应用于尖端科研、国防军工等领域，价格极为昂贵，但性能也极为强劲。 在数据中心里，算力任务也做了对应划分：基础通用计算和HPC高性能计算。HPC又细分为三类： - 科学计算类：物理化学、气象环保、生命科学、石油勘探、天文探测等。 - 工程计算类：计算机辅助工程、计算机辅助制造、电子设计自动化、电磁仿真等。 - 智能计算类：即人工智能计算，包括机器学习、深度学习、数据分析等。 科学计算和工程计算大家应该都听说过，这些专业科研领域的数据产生量很大，对算力要求极高。以油气勘探为例，简单说就是给地表做CT，一个项目下来原始数据往往超过100TB，甚至可能超过1PB，需要海量算力支撑。 智能计算这几年非常火，是全社会重点关注的发展方向。在AIGC大模型的带动下，各个行业都在大力发展智能计算，产生了极大需求。 我们平常提到的数据中心，根据算力类型不同，通常分为通用数据中心、智能中心和超算中心。 大家平时主要使用的互联网服务来自通用数据中心；智算中心专门进行智能计算；超算中心则承担各种大规模科学计算和工程计算任务，里面放的都是“天河一号”这样的超级计算机。 在算力单元上，现在根据任务分工也出现了更细的划分。除了CPU、GPU之外，这几年陆续出现了TPU、NPU和DPU等，都是针对特定计算任务的专用计算单元。

---

算力的趋势

算力和联接力是数字生产力的重要组成部分。这些年来，随着信息化、数字化和智能化的不断深入，整个社会对算力产生了强烈需求。在需求推动下，算力发展呈现出以下几个趋势： - **算力需求持续增长** 万物智联时代到来，大量智能物联网终端引入，行业数字化转型推进，加上AI智能场景落地，将产生难以想象的海量数据，进一步刺激对算力的需求。根据罗兰贝格的预测，从2018年到2030年，自动驾驶对算力的需求将增加390倍，智慧工厂需求增长110倍，主要国家人均算力需求将从今天不足500 GFLOPS增加20倍，变成2035年的10000 GFLOPS。根据浪潮人工智能研究院的预测，到2025年全球算力规模将达6.8 ZFLOPS，与2020年相比提升30倍。 想要满足这样庞大的算力需求，需要在几个方面努力。首先，不断提升芯片本身的制程，集成更多晶体管，提升单点算力。不过经过几十年发展，摩尔定律已逐渐走向物理瓶颈，芯片工艺制程逼近1nm，后续提升空间十分有限，代价也会更大。其次，建设大量算力基础设施，比如数据中心，通过规模化满足全社会的算力需求。最后，通过东数西算和算力网络等新的服务模式，加强算力有效利用率，适当缓解需求增长压力。 - **算力类型加速转变** 前文提到算力分为通用算力、智算算力和超算算力三种类型。实际上，这种分类是最近几年才开始逐渐形成的。通用算力在算力需求中一直占主导地位，但如今随着AIGC大模型等人工智能技术的飞速发展，智算算力的占比开始迅速攀升。根据中国信通院发布的《中国综合算力指数（2023年）》，目前算力规模中通用算力占比达74%，智能算力占比达25%。智算算力虽然仍少于通用算力，但增速极快，同比上年增加了45%，这一增速也比总体算力增速更高。换句话说，AIGC大模型的发展显著推动了智算算力需求，算力领域的整体架构正在发生变化，智能算力需求呈现爆发式增长态势。这也意味着，后续算力基础设施建设中，智算中心的建设比例将显著增加，智算产业将进入一个黄金发展期。 - **算力服务泛在流动** 早期的大型机时代，算力以集中化方式提供服务。PC出现后，算力开始进入用户侧。上世纪90年代手机和互联网的流行，打破了算力的空间固定，开始“移动”起来。在移动芯片不断迭代升级下，用户手机终端的算力不断增长，几乎可以和PC芯片相提并论。另一方面，基于5G、Wi-Fi等移动通信技术的发展，万物开始互联，终端类型越来越多，并且都具备或大或小的算力，拥有端计算的能力。云计算崛起之后，算力开始云化、分布化；边缘计算出现，算力从云端下沉到通信网络的各个层级。 这一切都标志着算力开始流动，遍布于云管端的各个角落，这就是算力泛在化。刚才提到的算力网络，其实也是算力泛在化的一种体现。 - **算力设施绿色低碳** 算力支撑了整个社会的发展，但带来的能耗问题也日益显现。数据显示，2021年全国数据中心总用电量为2166亿千瓦时，占全国总用电量的2.6%，相当于2个三峡水电站的年发电量、1.8个北京地区的总用电量。如此恐怖的耗电量，对实现“双碳”目标造成了很大压力，也严重影响了世界经济的可持续发展。因此，想方设法降低算力能耗，成为整个行业的重点研究方向。 算力绿色低碳有多种实现途径。通过基础理论研究、材料工艺升级、研发技术创新，对算力基础设施进行功耗控制和改良，是从源头上节能减排的最有效手段。除此之外，提高可再生能源占比、减少化石能源使用，也是算力绿色发展的关键。目前，算力各环节的节能减排研究已取得初步成果，整体前景比较乐观。根据《绿色发展2030》报告的预测，到2030年，全球数字基础设施能效将提升100倍，可再生能源发电量占比超50%，行业数字化渗透率达到50%。 - **新型算力的探索加速** 算力需求不断增长，对传统半导体芯片技术形成了巨大压力。半导体制程进入瓶颈后，越来越多的专家开始研究新的算力技术理论，比如量子计算、光计算、类脑计算等。量子计算利用量子叠加态和量子纠缠态，具有超越经典计算机的计算能力；光子计算（光学计算）利用光波进行数据处理、存储或通信；类脑计算则通过模拟大脑的神经网络和突触连接，实现智能的学习和决策能力。这些新型算力领域目前都处于研究阶段，取得了一些成果，但也面临不少困难。一旦在这些领域有了真正突破，传统的算力框架将被彻底碘伏，人类社会将进入一个全新的发展阶段。 以上就是今天文章的全部内容。感谢大家的耐心阅读！