什么是“算力”？

什么是“算力”？

算力的定义

算力即计算能力（Computing Power）。

《中国算力白皮书（2022年）》将其定义为：算力是数据中心的服务器通过对数据进行处理后实现结果输出的一种能力。2023年10月工业和信息化部等六部门联合印发的《算力基础设施高质量发展行动计划》中指出：算力是集信息计算力、网络运载力、数据存储力于一体的新型生产力。

在我们的生命过程中，每时每刻都在进行着计算。我们的大脑，就是一个强大的算力引擎。大部分时间里，我们会通过口算、心算进行无工具计算。但是，这样的算力有点低。所以，在遇到复杂情况时，我们会利用算力工具进行深度计算。

远古时期，我们的原始工具是草绳、石头。后来，随着文明的进步，我们有了算筹（一种用于计算的小棍子）、算盘等更为实用的算力工具，算力水平不断提升。

到了20世纪40年代，我们迎来了算力革命。

1946年2月，世界上第一台数字式电子计算机ENIAC诞生，标志着人类算力正式进入了数字电子时代。

再后来，随着半导体技术的出现和发展，我们又进入了芯片时代。芯片成为了算力的主要载体。

时间继续推移。

到了20世纪70-80年代，芯片技术在摩尔定律的支配下，已经取得了长足进步。芯片的性能不断提升，体积不断减小。终于，计算机实现了小型化，PC（个人电脑）诞生了。

PC的诞生，意义极为深远。它标志着IT算力不再仅为少数大型企业服务（大型机），而是昂首走向了普通家庭和中小企业。它成功打开了全民信息时代的大门，推动了整个社会的信息化普及。

在PC的帮助下，人们充分感受到IT算力带来的生活品质改善，以及生产效率提升。PC的出现，也为后来互联网的蓬勃发展奠定了基础。

进入21世纪后，算力再次迎来了巨变。

这次巨变的标志，是云计算技术的出现。

在云计算之前，人类苦于单点式计算（一台大型机或一台PC，独立完成全部的计算任务）的算力不足，已经尝试过网格计算（把一个巨大的计算任务，分解为很多的小型计算任务，交给不同的计算机完成）等分布式计算架构。

云计算，是分布式计算的新尝试。它的本质，是将大量的零散算力资源进行打包、汇聚，实现更高可靠性、更高性能、更低成本的算力。

具体来说，在云计算中，中央处理器（CPU）、内存、硬盘、显卡（GPU）等计算资源被集合起来，通过软件的方式，组成一个虚拟的可无限扩展的“算力资源池”。

用户如果有算力需求，“算力资源池”就会动态地进行算力资源的分配，用户按需付费。

相比于用户自购设备、自建机房、自己运维，云计算有明显的性价比优势。

算力云化之后，数据中心成为了算力的主要载体。人类的算力规模，开始新的飞跃。

因此，狭义言之，算力是通常指计算机实现特定计算功能，并满足特定计算性能的能力。由此拓展，广义言之，算力作为数字经济时代新型生产力，是计算设备集群或者中心处理各种信息的能力，涉及数据存储、网络传输、信息计算等内容。

算力的衡量标准

SICHUANMERGE

算力可以用各种方式来衡量，例如计算速度、计算能耗、计算精度、并行度等。在计算机领域，常用的算力衡量指标包括FLOPS（每秒浮点运算次数）、IPS（每秒指令数）、TPS（每秒事务数）等。

01 FLOPS（每秒浮点运算次数）是指计算机处理浮点运算（带有小数点的数字进行数学运算，需要考虑精度问题和舍入误差等问题）的能力，它衡量的是计算机每秒能够完成多少次浮点运算。

FLOPS是衡量计算机高性能计算能力的指标，通常用于衡量超级计算机、高性能计算服务器和图形处理器（GPU）等的计算能力。例如，在人工智能领域常用的算力单位是P（PetaFLOPS，Peta即十五个零），每秒可以完成1000万亿次浮点运算。

02 IPS（每秒指令数）是指计算机处理指令的速度，它衡量的是计算机每秒能够执行多少条指令。

IPS是衡量计算机单指令性能的指标，通常用于衡量中央处理器（CPU）等的性能。例如，一个CPU的IPS为3 GHz（每秒可以执行3亿次指令），意味着它每秒可以执行3亿次指令。

03 TPS（每秒事务数）是指计算机处理事务的能力，它衡量的是计算机每秒可以完成多少个事务。

通常用于衡量数据库服务器的性能。例如，一个数据库服务器的TPS为1000，意味着它每秒可以处理1000个数据库事务。

此外，还有一些针对特定应用场景的算力指标，例如推理速度、图像处理速度、语音识别准确率等。

算力的分类

SICHUANMERGE

根据使用设备和提供算力强度的不同，算力可分为三类：基础算力、智能算力和超算算力。

基础算力：由基于CPU芯片的服务器所提供的算力，主要用于基础通用计算，如移动计算和物联网等。日常提到的云计算、边缘计算等均属于基础算力。

智能算力：基于 GPU（Graphics Processing Unit，图形处理器）、FPGA（Field ProgrammableGate Array，现场可编程逻辑门阵列）、ASIC（Application Specific Integrated Circuit，专用集成电路）等AI芯片的加速计算平台提供的算力，主要用于人工智能的训练和推理计算，比如语音、图像和视频的处理。

超算算力：由超级计算机等高性能计算集群所提供的算力，主要用于尖端科学领域的计算，比如行星模拟、药物分子设计、基因分析等。

近年来，我国智能算力规模占比不断扩大，成为我国算力快速增长的主要驱动力，而人工智能的训练和推理正是需要大量的智能算力。

算力的趋势

SICHUANMERGE

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的需求。

在需求的推动下，算力的发展也出现了以下几个趋势：

01 算力需求持续增长Demand Growth

万物智联时代的到来，大量智能物联网终端的引入，行业数字化转型的推进，加上AI智能场景的落地，将产生难以想象的海量数据。这些数据，将进一步刺激对算力的需求。

想要满足庞大的算力需求，需要向以下几个方面努力。

首先，不断提升芯片本身的制程，集成更多的晶体管，提升芯片单点算力。经过几十年的发展，摩尔定律目前已经逐渐走向物理瓶颈，芯片工艺制程逼近1nm，后续可以提升的空间十分有限，付出的代价也会更大。

其次，建设大量的算力基础设施，例如数据中心等。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算力服务模式，加强算力的有效利用率，以此适当缓解算力需求增长的压力。

02 算力类型加速转变Type Transformation

前文介绍算力分类的时候，提到算力分为通用算力、智能算力和超算算力三种类型。

事实上，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占主导地位。但是，随着AIGC大模型等人工智能技术的飞速发展，智能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）》显示，在目前算力规模中，通用算力规模占比达74%；智能算力规模占比达25%。智能算力虽然占比仍少于通用算力，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。

换言之，AIGC大模型的发展，显著推动了智能算力的需求。算力领域的整体架构正在发生变化，智能算力需求正呈现爆发式增长态势。

这意味着，在后续的算力基础设施建设中，智算中心的建设比例将显著增加。智算产业的发展也将进入一个黄金发展期。

03 算力服务泛在流动Ubiquitous Computing Power

在移动芯片的不断迭代升级下，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。终端的类型开始变得越来越多，并且也都具备或大或小的算力，具备端计算的能力。

云计算崛起之后，算力开始云化，分布化。边缘计算出现，算力还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。

04 算力设施绿色低碳Green and Low-carbon

算力支撑了整个社会的发展，但是，它所带来的能耗问题，也日益显现。

根据数据显示，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，对我们实现“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。于是，想方设法降低算力的能耗，成为整个行业的重点研究方向。

算力的绿色低碳，有很多种实现途径。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，是从源头上进行节能减排的最有效手段。

除此之外，提高可再生能源的占比，减少化石能源的使用，也是算力绿色发展的关键。

05 新型算力的探索加速Accelerate Exploration

算力需求的不断增长，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，例如量子计算、光计算、类脑计算等。

量子计算通过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（也称为光学计算）是一种利用光波进行数据处理、数据存储或数据通信的计算方式。而类脑计算通过模拟大脑的神经网络和突触连接，实现了智能的学习和决策能力。

这些新型的算力领域目前都处于研究阶段，取得了一些成果，但也面临着不少困难。

一旦在这些领域有了真正的突破，传统的算力框架将被彻底颠覆，人类社会又将进入一个全新的发展阶段。