AI大模型的“心脏”算力王者归来

在数字浪潮中，AI大模型如日中天，成为科技领域的焦点。然而，在这一切背后，算力作为支撑AI大模型的基石，更是功不可没。今天，就让我们一同探讨算力的重要性，见证其王者归来的时刻。

什么是算力

算力的字面意思，大家都懂，就是计算能力（Computing Power）。

更具体来说，算力是通过对信息数据进行处理，实现目标结果输出的计算能力。

我们人类，其实就具备这样的能力。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。

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。

不同的算力应用和需求，有着不同的算法。不同的算法，对算力的特性也有不同要求。

通常，我们将算力分为两大类，分别是通用算力和专用算力。

大家应该都听说过，负责输出算力的芯片，就有分为通用芯片和专用芯片。

在数据中心里，也对算力任务进行了对应划分，分为基础通用计算，以及HPC高性能计算（High-performance computing）。

HPC计算，又继续细分为三类：

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（AI，Artificial Intelligence）计算，包括：机器学习、深度学习、数据分析等。

AI人工智能是目前全社会重点关注的发展方向。不管是哪个领域，都在研究人工智能的应用和落地。人工智能三大核心要素，就是算力、算法和数据。

大家都知道，AI人工智能是一个算力大户，特别“吃”算力。在人工智能计算中，涉及较多的矩阵或向量的乘法和加法，专用性较高，所以不适合利用CPU进行计算。

在现实应用中，人们主要用GPU和前面说的专用芯片进行计算。尤其是GPU，是目前AI算力的主力。

GPU虽然是图形处理器，但它的GPU核（逻辑运算单元）数量远超CPU， 适合把同样的指令流并行发送到众核上，采用不同的输入数据执行，从而完成图形处理或大数据处理中的海量简单操作。

因此，GPU更合适处理计算密集型、高度并行化的计算任务（例如AI计算）。

这几年，因为人工智能计算的需求旺盛，国家还专门建设了很多智算中心，也就是专门进行智能计算的数据中心。我们平时看到的数据中心，基本上都属于云计算数据中心。

任务比较杂，基础通用计算和高性能计算都有，也有大量的异构计算（同时使用不同类型指令集的计算方式）。因为高性能计算的需求越来越多，所以专用计算芯片的比例正在逐步增加。

前几年逐渐开始流行起来的TPU、NPU和DPU等，其实都是专用芯片。

大家现在经常听说的“算力卸载”，其实不是删除算力，而是把很多计算任务（例如虚拟化、数据转发、压缩存储、加密解密等），从CPU转移到NPU、DPU等芯片上，减轻CPU的算力负担。

算力的衡量

算力既然是一个“能力”，当然就会有对它进行强弱衡量的指标和基准单位。大家比较熟悉的单位，应该是FLOPS、TFLOPS等。

其实，衡量算力大小的指标还有很多，例如MIPS、DMIPS、OPS等。

MFLOPS、GFLOPS、TFLOPS、PFLOPS等，都是FLOPS的不同量级。具体关系如下：

浮点数有FP16、FP32、FP64不同的规格

不同的算力载体之间，算力差异是非常巨大的。为了便于大家更好地理解这个差异，小枣君又做了一张算力对比表格：

前面我们提到了通用计算、智算和超算。从趋势上来看，智算和超算的算力增长速度远远超过了通用算力。

算力的现状与未来

早在1961年，“人工智能之父”约翰·麦卡锡就提出Utility Computing（效用计算）的目标。他认为：“有一天，计算可能会被组织成一个公共事业，就像电话系统是一个公共事业一样”。

如今，他的设想已经成为现实。在数字浪潮下，算力已经成为像水、电一样的公共基础资源，而数据中心和通信网络，也变成了重要的公共基础设施。

这是IT行业和通信行业辛苦奋斗大半个世纪的成果。    

对于整个人类社会来说，算力早已不是一个技术维度的概念。它已经上升到经济学和哲学维度，成为了数字经济时代的核心生产力，以及全社会数智化转型的基石。

我们每个人的生活，还有工厂企业的运转，政府部门的运作，都离不开算力。在国家安全、国防建设、基础学科研究等关键领域，我们也需要海量的算力。算力决定了数字经济发展速度，以及社会智能发展高度。

算力：AI大模型的“心脏”

AI大模型如同一个巨大的机器人，需要源源不断的动力来驱动。而算力，就是这台机器人的“心脏”。没有强大的算力，AI大模型就无法高效运转，更无法实现精准预测、智能决策等功能。因此，算力是AI大模型发展的关键因素之一。

算力不仅关乎AI大模型的运行效率，更决定了AI的边界。在算力受限的情况下，AI大模型的处理能力会受到严重制约，无法应对复杂多变的场景。算力的发展不仅促进了AI大模型的进步，更推动了整个科技领域的进步。在算力的推动下，人类实现了从手工计算到自动化计算的飞跃，从数据处理到智能决策的蜕变。算力的发展将不断拓宽科技领域的发展道路，为人类带来更多惊喜。

随着信息通信技术从云网融合向算网一体迈进，算力和网络产业的边界日益模糊，形成以“算+网+协同”为主线的算力网络产业格局，上游为底层硬件基础设施，中游为算力网络相关平台、服务及关键技术，下游为赋能的应用场景及最终用户，产业链关键环节如下图所示。

运营商涉及算力网络产业链上、中、下游多个环节，已在网络领域拥有不可复制的业务优势，因此站在运营商视角，算力网络建设的核心在于“泛在高品质的算力”和“灵活强协同的调度”。海量数据集中化处理、分布化计算需求爆发式增长，数据中心和边缘计算行业是实现泛在高品质算力的关键；算网业务的实现需要算力和网络以一体化形态对外提供服务，具备智能化编排管理能力的算网大脑是支撑灵活强协同调度的核心。

从产业格局来看，目前全球科技巨头均在加速算力侧的布局，软件厂商开始自研芯片，而硬件厂商则在搭建算力平台。一方面，包括微软、亚马逊、谷歌和Facebook等软件及互联网巨头均在加大自研AI芯片的投入，同样国内头部互联网厂商阿里、腾讯、百度等也均披露了AI芯片的自研计划，而另一方面，以英特尔为代表的芯片厂商则开始搭建算力平台，发力软件和云服务。

算力，作为AI大模型的“心脏”，其重要性不言而喻。在科技飞速发展的今天，随着算力的发展，AI大模型领域也讲创造更多的奇迹，为人类带来更多便捷与智慧。

本文转载自公众号数字化助推器  作者：天涯咫尺TGH

原文链接：​​https://mp.weixin.qq.com/s/vKquNaRPCjvT3mFIDsq77Q​​