本文來源：并濟科技

算力的定義

算力即計算能力（Computing Power）。

《中國算力白皮書（2022年）》將其定義為：算力是數據中心的服務器通過對數據進行處理后實現結果輸出的一種能力。算力概念的起源可以追溯到計算機發明之初，最初的計算機是由機械裝置完成計算任務，而算力指的是機械裝置的計算能力。20世紀40年代，在技術的不斷積累下，電子計算機誕生，信息技術革命正式開啟。1958年，集成電路問世，正式開創了芯片時代。在芯片能力的加持下，計算機變得越來越強大，體型也越來越小，最終催生了PC，以及繁榮的IT軟硬件生態。計算機開始走入家庭和行業，并最終成為人類最重要的算力工具。如今，芯片已經成為了算力的代名詞。我們討論算力，其實就是在說芯片的計算能力。通常來說，行業里傾向于將CPU、GPU等芯片技術及能力，稱為狹義的算力。內存、硬盤相關的存儲技術，稱為存力。操作系統、數據庫、中間件、應用程序等在內的軟件技術，稱為算法。廣義的算力，既包括了狹義的算力，也包括了存力和算法。

云計算、大數據、人工智能、區塊鏈等前沿概念，都屬于算力的應用。換言之，和信息技術有關的一切，都可以籠統稱為算力領域。

我們還需要注意，芯片是算力的核心，而安裝了芯片的手機、手表、PC等終端，以及服務器等設備，是算力的載體。擁有大量服務器的數據中心，還有計算集群，我們也可以稱為算力平臺。它們就是算力的主要存在形式。

算力的衡量標準

算力可以用各種方式來衡量，例如計算速度、計算能耗、計算精度、并行度等。在計算機領域，常用的算力衡量指標包括FLOPS（每秒浮點運算次數）、IPS（每秒指令數）、TPS（每秒事務數）等。

01

FLOPS（每秒浮點運算次數）是指計算機處理浮點運算（帶有小數點的數字進行數學運算，需要考慮精度問題和舍入誤差等問題）的能力，它衡量的是計算機每秒能夠完成多少次浮點運算。

FLOPS是衡量計算機高性能計算能力的指標，通常用于衡量超級計算機、高性能計算服務器和圖形處理器（GPU）等的計算能力。例如，一個計算機系統的FLOPS為1 TFLOPS（1萬億次浮點運算每秒），意味著它每秒可以完成1萬億次浮點運算。

02

IPS（每秒指令數）是指計算機處理指令的速度，它衡量的是計算機每秒能夠執行多少條指令。

IPS是衡量計算機單指令性能的指標，通常用于衡量中央處理器（CPU）等的性能。例如，一個CPU的IPS為3 GHz（每秒可以執行3億次指令），意味著它每秒可以執行3億次指令。

03

TPS（每秒事務數）是指計算機處理事務的能力，它衡量的是計算機每秒可以完成多少個事務。

通常用于衡量數據庫服務器的性能。例如，一個數據庫服務器的TPS為1000，意味著它每秒可以處理1000個數據庫事務。

此外，還有一些針對特定應用場景的算力指標，例如推理速度、圖像處理速度、語音識別準確率等。

算力的分類

根據使用設備和提供算力強度的不同，算力可分為三類：基礎算力、智能算力和超算算力。

基礎算力：由基于 CPU 芯片的服務器所提供的算力，主要用于基礎通用計算，如; 移動計算和物聯網等。日常提到的云計算、邊緣計算等均屬于基礎算力。

智能算力：基于 GPU（Graphics Processing Unit，圖形處理器）、FPGA（Field ProgrammableGate Array，現場可編程邏輯門陣列）、ASIC（Application Specific Integrated Circuit，專用集成電路） 等 AI 芯片的加速計算平臺提供的算力，主要用于人工智能的訓練和推理計算，比如語音、圖像和視頻的處理。

超算算力：由超級計算機等高性能計算集群所提供的算力，主要用于尖端科學領域的計算，比如行星模擬、藥物分子設計、基因分析等。近年來，我國智能算力規模占比不斷擴大，截至2021年，智能算力占比已經超過50%，成為我國算力快速增長的主要驅動力，而人工智能的訓練和推理正是需要大量的智能算力。按照應用領域可以分成兩大類：通用算力、HPC算力。

通用算力：指計算量小，消耗少量算力即可滿足常規應用需求。

HPC（高性能計算，High-performance computing）算力：計算量大，通常采用計算機集群系統的形式，通過各種網絡互聯技術將多個計算機系統連接在一起，利用集群的綜合計算能力來處理大型計算問題，所以被稱為高性能計算集群。HPC算力按照應用領域又可以細分為三類：

由于人類將步入智能世界，人工智能算力需求大量增加，并且人工智能也會參與到科學計算和工程計算中。所以，通常我們只是簡單地將算力分為：通用算力和人工智能算力兩類。

算力的趨勢

算力和聯接力是數字生產力的重要組成部分。這些年來，隨著信息化、數字化和智能化的不斷深入，整個社會對算力產生了強烈的需求。

在需求的推動下，算力的發展也出現了以下幾個趨勢：

01

算力需求持續增長萬物智聯時代的到來，大量智能物聯網終端的引入，行業數字化轉型的推進，加上AI智能場景的落地，將產生難以想象的海量數據。這些數據，將進一步刺激對算力的需求。想要滿足龐大的算力需求，需要向以下幾個方面努力。

• 首先，不斷提升芯片本身的制程，集成更多的晶體管，提升芯片單點算力。經過幾十年的發展，摩爾定律目前已經逐漸走向物理瓶頸，芯片工藝制程逼近1nm，后續可以提升的空間十分有限，付出的代價也會更大。

其次，建設大量的算力基礎設施，例如數據中心等。通過規模化，滿足全社會的算力需求。

最后，通過東數西算和算力網絡等新的算力服務模式，加強算力的有效利用率，以此適當緩解算力需求增長的壓力。

02

算力類型加速轉變

前文介紹算力分類的時候，提到算力分為通用算力、智算算力和超算算力三種類型。事實上，這種分類是最近幾年才開始逐漸形成的。通用算力在算力需求中占主導地位。但是，隨著AIGC大模型等人工智能技術的飛速發展，智算算力的占比開始迅速攀升。根據中國信通院發布的《中國綜合算力指數（2023年）》顯示，在目前算力規模中，通用算力規模占比達74%；智能算力規模占比達25%。智算算力雖然占比仍少于通用算力，但增速極快，同比上年增加了45%。這一增速也比總體算力增速更高。換言之，AIGC大模型的發展，顯著推動了智算算力的需求。算力領域的整體架構正在發生變化，智能算力需求正呈現爆發式增長態勢。

這意味著，在后續的算力基礎設施建設中，智算中心的建設比例將顯著增加。智算產業的發展也將進入一個黃金發展期。

03

算力服務泛在流動
在移動芯片的不斷迭代升級下，用戶手機終端的算力不斷增長，幾乎可以和PC芯片相提并論。另一方面，基于5G、Wi-Fi等移動通信技術的發展，萬物開始互聯。終端的類型開始變得越來越多，并且也都具備或大或小的算力，具備端計算的能力。

云計算崛起之后，算力開始云化，分布化。邊緣計算出現，算力還從云端下沉到通信網絡的各個層級。

這一切，都標志著算力開始流動，遍布于云管端的各個角落。這就是算力泛在化。

04

算力設施綠色低碳

算力支撐了整個社會的發展，但是，它所帶來的能耗問題，也日益顯現。

根據數據顯示，2021年全國數據中心總用電量為2166億千瓦時，占全國總用電量的2.6%，相當于2個三峽水電站的年發電量，1.8個北京地區的總用電量。

如此恐怖的耗電量，對我們實現“雙碳”目標造成了很大壓力，也嚴重影響了世界經濟的可持續發展。于是，想方設法降低算力的能耗，成為整個行業的重點研究方向。

算力的綠色低碳，有很多種實現途徑。通過基礎理論研究、材料工藝升級、研發技術創新，對算力基礎設施進行功耗控制和改良，是從源頭上進行節能減排的最有效手段。

除此之外，提高可再生能源的占比，減少化石能源的使用，也是算力綠色發展的關鍵。

05

新型算力的探索加速算力需求的不斷增長，對傳統半導體芯片技術形成了巨大壓力。半導體制程進入瓶頸后，越來越多的專家開始研究新的算力技術理論，例如量子計算、光計算、類腦計算等。量子計算通過利用量子疊加態和量子糾纏態，具有超越經典計算機的計算能力。光子計算（也稱為光學計算）是一種利用光波進行數據處理、數據存儲或數據通信的計算方式。而類腦計算通過模擬大腦的神經網絡和突觸連接，實現了智能的學習和決策能力。這些新型的算力領域目前都處于研究階段，取得了一些成果，但也面臨著不少困難。一旦在這些領域有了真正的突破，傳統的算力框架將被徹底顛覆，人類社會又將進入一個全新的發展階段。隨著算力基礎設施建設的推進，算力應用的新模式、新業態正加速涌現。未來，算力將像水、電一樣，成為人們日常生產生活必不可少的組成部分。