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。
算力概念的起源可以追溯到计算机发明之初，最初的计算机是由机械装置完成计算任务，而算力指的是机械装置的计算能力。
20世纪40年代，在技术的不断积累下，电子计算机诞生，信息技术革命正式开启。
1958年，集成电路问世，正式开创了芯片时代。在芯片能力的加持下，计算机变得越来越强大，体型也越来越小，最终催生了PC，以及繁荣的IT软硬件生态。计算机开始走入家庭和行业，并最终成为人类最重要的算力工具。
如今，芯片已经成为了算力的代名词。我们讨论算力，其实就是在说芯片的计算能力。
通常来说，行业里倾向于将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、应用程序等在内的软件技术，称为算法。
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。换言之，和信息技术有关的一切，都可以笼统称为算力领域。
我们还需要注意，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。拥有大量服务器的数据中心，还有计算集群，我们也可以称为算力平台。它们就是算力的主要存在形式。
算力的衡量标准
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，一个计算机系统的FLOPS为1 TFLOPS（1万亿次浮点运算每秒），意味着它每秒可以完成1万亿次浮点运算。
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
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，截至2021年，智能算力占比已经超过50%，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。
按照应用领域可以分成两大类：通用算力、HPC算力。
通用算力：指计算量小，消耗少量算力即可满足常规应用需求。
HPC（高性能计算，High-performance computing）算力：计算量大，通常采用计算机集群系统的形式，通过各种网络互联技术将多个计算机系统连接在一起，利用集群的综合计算能力来处理大型计算问题，所以被称为高性能计算集群。
HPC算力按照应用领域又可以细分为三类：
由于人类将步入智能世界，人工智能算力需求大量增加，并且人工智能也会参与到科学计算和工程计算中。所以，通常我们只是简单地将算力分为：通用算力和人工智能算力两类。
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
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
前文介绍算力分类的时候，提到算力分为通用算力、智算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）》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%。智算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，显著推动了智算算力的需求。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
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
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
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。
随着算力基础设施建设的推进，算力应用的新模式、新业态正加速涌现。未来，算力将像水、电一样，成为人们日常生产生活必不可少的组成部分。
本文转自：并济科技，转载此文目的在于传递更多信息，版权归原作者所有。如不支持转载，请联系小编demi@eetrend.com删除。
