算力的分类及价值分析

算力的分类及价值分析

算力的字面意思，大家都懂，就是计算能力(Computing

Power)o

所谓〃计算〃，我们可以有多种定义。

狭义的定义，是对数学问题进行运算的过程，例如完成

〃1+1=？〃的过程，或者对〃哥德巴赫猜想〃进行推理的

过程。

广义的定义，则更为宏观，凡是对信息进行处理并得到结果

的过程，都可以称为〃计算〃。

很显然，狭义和广义定义的区别，主要是计算的内容不同。

而完成计算过程的能力，都可以称之为“算力”。

事实上，人类的思考，就是一个最常见的计算过程。

我们除了睡觉和发呆的时间之外，每时每刻都在进行着思考。

我们通过五官对外界信息进行观察、感知和收集。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，并采取行动。

在这个过程中，大脑就是我们的算力工具。而大脑的思考能

力，就是算力。大脑的思考速度越快，意味着算力越强。

经验♦技术

输入信息E3计管工具E3输出信息

t

算力，

计算是人类解决问题的一种方式。

在漫长的历史长河中，人类遇到过很多问题，都需要通过计

算来解决。这些计算任务，仅凭大脑这个〃原生〃算力工具,

是无法完成的。于是，人类发明了很多算力工具和方法，满

足计算需求。例如算盘、算筹、计算尺等。

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。

早期的计算机，其实就是一个大型计算器，主要用于军事领

域的复杂计算任务（例如弹道计算）。它的性能并不算强,

而且体积和功耗巨大。后来，晶体管被发明出来，取代了真

空管，才逐渐解决了体积和功耗的问题。

1958年，集成电路问世，正式开创了芯片时代。芯片里面

拥有大量的电子元件（例如晶体管、电阻、电容等），可以

执行运算指令。近几十年以来，在摩尔定律的支配下，芯片

上的晶体管数量不断增加，性能也不断提升。

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。

我们将计算机应用于各个领域，用它来运行程序、解决问题、

提升效率。芯片的制程越先进，晶体管数量越多，算力就越

强劲，问题就能解决得更快更好。

5G手机SoC芯

片

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,

角落。各种各样的IT系统，支撑着整个社会的发展。算力支

撑了所有的IT系统，而IT系统支撑了整个社会。从这个角

度来说，将算力誉为社会发展的基石，也不为过。

在生活方面，我们的衣食住行、娱乐休闲，离不开手机，也

离不开移动互联网。我们的手机是里面的芯片在提供算力，

这样才有丰富的功能，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,都是

基于互联网服务提供商的服务。这些服务都构建在数据中心

和服务器上，也是芯片在提供算力。算力越强，服务体验就

越好，我们的生活才会更方便，也更快乐。

在工作方面，现在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。

数字化是信息化的进一步延伸。以往的信息化，只是在一些

特定的业务上引入IT技术。而数字化，是面向整个企业的改

造。包括组织架构、业务流程、商业模式和工作场景，都是

数字化转型改造的对象。

数字化的目的，是提升生产效率，降低成本，增强企业的综

合竞争力。

无论是信息化，还是数字化，背后都是算力在进行驱动。算

力越强，系统的能力就越强，带来的改进就越大，收益越多。

部分企业，已经在信息化和数字化的基础上，向智能化的方

向发展。这样带来的效率提升就会更大，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。

现在行业里比较流行一种说法，将所有的商业模式，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。而算力则被视为是

挖这座矿的工具。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。

》数据产生〉数据传输〉数据存储》数据计算

传感器技术通信技术云计算技术云计算技术

摄像头技术存储技术边缘计算

图像识别技术大数据技术人工智能技术

挖掘数据价值的过程，被细分为产生数据、传输数据、存储

数据和计算数据等四个环节。算力（信息技术）和联接力（通

信技术），相互协作，可以完成这一过程：

首先，我们通过传感器、摄像头等设备，采集物理世界的信

息，将其转换成数字比特。然后，再通过5G、Wi-Fi、光纤

等通信技术，对其进行传输搬运。这些数字比特被保存在硬

盘等存储介质中，然后交给芯片进行计算。计算得出的结果,

又被应用于决策和控制。

在人工智能技术的加持下，做出决策和进行控制的主角，甚

至可能不再是我们人类，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

据显示，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%Oo

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一个重要组成部

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。

这些算力需求，既有来自消费领域的（追剧、网购、打车、

020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，有着不同的算法。不同的算法，对

算力的特性也有不同要求。

如今，我们将算力分为三大类，分别是通用算力、智能算力

以及超算算力。

通用算力

算力智算算力

超算算力

通用算力以CPU（CentralProcessingUnit,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,确保了CPU的可靠运行。

按指令集架构的不同,CPU可以分为x86架构与非x86架

构。X86架构大家都比较熟悉，是英特尔（Intel）公司首先

开发并长期主导的，具有比较好的生态，市场占有率也比较

高。非x86架构的类型比较多，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（GraphicsProcessingUnit，图形处理器入

FPGA（FieldProgrammableGateArray，现场可编程逻辑

门阵列）、AI（ArtificialIntelligence,人工智能）芯片等

输出的计算能力为主。尤其是GPU，目前可以说是炙手可热,

一卡难求。

超算算力，则是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，并通过专用

的操作系统来处理极端复杂的或数据密集型的问题，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，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)o

HPC计算，又继续细分为三类,分别是：

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，对算力的要求极高。

以油气勘探为例。油气勘探，简单来说，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1

个PB0如此巨大的数据量，需要海量的算力进行支撑。

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，

对智能产生了极大需求。

我们平常提到的数据中心，根据算力类型的不同，通常分

为通用数据中心、智能中心和超算中心。

通用数据中心

数据中心智算中心

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

中心是专门进行智能计算的数据中心。超算中心专门承担各

种大规模科学计算和工程计算任务，放的都是〃天河一号〃

这样的超级计算机。

在算力单元上，现在根据任务分工的不同，也有了更细的划

分。除了刚才提到的CPU、GPU之外，这几年陆续出现了

TPU、NPU和DPU等，也是有特定计算任务的专用计算单

)Lo

■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、数字伤口智能化的不断深入，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：

•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。

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，智慧工厂需求将增长no倍，

主要国家人均算力需求将从今天的不足500GFLOPS,增加

20倍，变成2035年的10000GFLOPSo

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6.8ZFLOPS,与2020年相比提升30倍。

想要满足这样庞大的算力需求，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lnm，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。

•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，现在随着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。

这也意味着，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。

•算力服务泛在流动

早期的大型机时代，算力以集中化的方式提供服务。PC出

现后，算力开始进入用户侧。上世纪90年代手楣口互联网

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。

dldldl云计算

□目期爵国端计算

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