AI大模型的“心臟”算力王者歸來
在數字浪潮中，AI大模型如日中天，成為科技領域的焦點。然而，在這一切背后，算力作為支撐AI大模型的基石，更是功不可沒。今天，就讓我們一同探討算力的重要性，見證其王者歸來的時刻。
什么是算力
算力的字面意思，大家都懂，就是計算能力（Computing Power）。
更具體來說，算力是通過對信息數據進行處理，實現目標結果輸出的計算能力。
我們人類，其實就具備這樣的能力。在我們的生命過程中，每時每刻都在進行著計算。我們的大腦，就是一個強大的算力引擎。
在PC的幫助下，人們充分感受到IT算力帶來的生活品質改善，以及生產效率提升。PC的出現，也為后來互聯網的蓬勃發展奠定了基礎。
進入21世紀后，算力再次迎來了巨變。這次巨變的標志，是云計算技術的出現。
在云計算之前，人類苦于單點式計算（一臺大型機或一臺PC，獨立完成全部的計算任務）的算力不足，已經嘗試過網格計算（把一個巨大的計算任務，分解為很多的小型計算任務，交給不同的計算機完成）等分布式計算架構。
云計算，是分布式計算的新嘗試。它的本質，是將大量的零散算力資源進行打包、匯聚，實現更高可靠性、更高性能、更低成本的算力。
具體來說，在云計算中，中央處理器（CPU）、內存、硬盤、顯卡（GPU）等計算資源被集合起來，通過軟件的方式，組成一個虛擬的可無限擴展的“算力資源池”。
用戶如果有算力需求，“算力資源池”就會動態地進行算力資源的分配，用戶按需付費。相比于用戶自購設備、自建機房、自己運維，云計算有明顯的性價比優勢。
算力云化之后，數據中心成為了算力的主要載體。人類的算力規模，開始新的飛躍。
不同的算力應用和需求，有著不同的算法。不同的算法，對算力的特性也有不同要求。
通常，我們將算力分為兩大類，分別是通用算力和專用算力。
大家應該都聽說過，負責輸出算力的芯片，就有分為通用芯片和專用芯片。
在數據中心里，也對算力任務進行了對應劃分，分為基礎通用計算，以及HPC高性能計算（High-performance computing）。
HPC計算，又繼續細分為三類：
科學計算類：物理化學、氣象環保、生命科學、石油勘探、天文探測等。
工程計算類：計算機輔助工程、計算機輔助制造、電子設計自動化、電磁仿真等。
智能計算類：即人工智能（AI，Artificial Intelligence）計算，包括：機器學習、深度學習、數據分析等。
AI人工智能是目前全社會重點關注的發展方向。不管是哪個領域，都在研究人工智能的應用和落地。人工智能三大核心要素，就是算力、算法和數據。
大家都知道，AI人工智能是一個算力大戶，特別“吃”算力。在人工智能計算中，涉及較多的矩陣或向量的乘法和加法，專用性較高，所以不適合利用CPU進行計算。
在現實應用中，人們主要用GPU和前面說的專用芯片進行計算。尤其是GPU，是目前AI算力的主力。
GPU雖然是圖形處理器，但它的GPU核（邏輯運算單元）數量遠超CPU， 適合把同樣的指令流并行發送到眾核上，采用不同的輸入數據執行，從而完成圖形處理或大數據處理中的海量簡單操作。
因此，GPU更合適處理計算密集型、高度并行化的計算任務（例如AI計算）。
這幾年，因為人工智能計算的需求旺盛，國家還專門建設了很多智算中心，也就是專門進行智能計算的數據中心。我們平時看到的數據中心，基本上都屬于云計算數據中心。
任務比較雜，基礎通用計算和高性能計算都有，也有大量的異構計算（同時使用不同類型指令集的計算方式）。因為高性能計算的需求越來越多，所以專用計算芯片的比例正在逐步增加。
前幾年逐漸開始流行起來的TPU、NPU和DPU等，其實都是專用芯片。
大家現在經常聽說的“算力卸載”，其實不是刪除算力，而是把很多計算任務（例如虛擬化、數據轉發、壓縮存儲、加密解密等），從CPU轉移到NPU、DPU等芯片上，減輕CPU的算力負擔。
算力的衡量
算力既然是一個“能力”，當然就會有對它進行強弱衡量的指標和基準單位。大家比較熟悉的單位，應該是FLOPS、TFLOPS等。
其實，衡量算力大小的指標還有很多，例如MIPS、DMIPS、OPS等。
MFLOPS、GFLOPS、TFLOPS、PFLOPS等，都是FLOPS的不同量級。具體關系如下：
浮點數有FP16、FP32、FP64不同的規格
不同的算力載體之間，算力差異是非常巨大的。為了便于大家更好地理解這個差異，小棗君又做了一張算力對比表格：
前面我們提到了通用計算、智算和超算。從趨勢上來看，智算和超算的算力增長速度遠遠超過了通用算力。
算力的現狀與未來
早在1961年，“人工智能之父”約翰·麥卡錫就提出Utility Computing（效用計算）的目標。他認為：“有一天，計算可能會被組織成一個公共事業，就像電話系統是一個公共事業一樣”。
如今，他的設想已經成為現實。在數字浪潮下，算力已經成為像水、電一樣的公共基礎資源，而數據中心和通信網絡，也變成了重要的公共基礎設施。
這是IT行業和通信行業辛苦奮斗大半個世紀的成果。
對于整個人類社會來說，算力早已不是一個技術維度的概念。它已經上升到經濟學和哲學維度，成為了數字經濟時代的核心生產力，以及全社會數智化轉型的基石。
我們每個人的生活，還有工廠企業的運轉，政府部門的運作，都離不開算力。在國家安全、國防建設、基礎學科研究等關鍵領域，我們也需要海量的算力。算力決定了數字經濟發展速度，以及社會智能發展高度。
算力：AI大模型的“心臟”
AI大模型如同一個巨大的機器人，需要源源不斷的動力來驅動。而算力，就是這臺機器人的“心臟”。沒有強大的算力，AI大模型就無法高效運轉，更無法實現精準預測、智能決策等功能。因此，算力是AI大模型發展的關鍵因素之一。
算力不僅關乎AI大模型的運行效率，更決定了AI的邊界。在算力受限的情況下，AI大模型的處理能力會受到嚴重制約，無法應對復雜多變的場景。算力的發展不僅促進了AI大模型的進步，更推動了整個科技領域的進步。在算力的推動下，人類實現了從手工計算到自動化計算的飛躍，從數據處理到智能決策的蛻變。算力的發展將不斷拓寬科技領域的發展道路，為人類帶來更多驚喜。
隨著信息通信技術從云網融合向算網一體邁進，算力和網絡產業的邊界日益模糊，形成以“算+網+協同”為主線的算力網絡產業格局，上游為底層硬件基礎設施，中游為算力網絡相關平臺、服務及關鍵技術，下游為賦能的應用場景及最終用戶，產業鏈關鍵環節如下圖所示。
運營商涉及算力網絡產業鏈上、中、下游多個環節，已在網絡領域擁有不可復制的業務優勢，因此站在運營商視角，算力網絡建設的核心在于“泛在高品質的算力”和“靈活強協同的調度”。海量數據集中化處理、分布化計算需求爆發式增長，數據中心和邊緣計算行業是實現泛在高品質算力的關鍵；算網業務的實現需要算力和網絡以一體化形態對外提供服務，具備智能化編排管理能力的算網大腦是支撐靈活強協同調度的核心。
從產業格局來看，目前全球科技巨頭均在加速算力側的布局，軟件廠商開始自研芯片，而硬件廠商則在搭建算力平臺。一方面，包括微軟、亞馬遜、谷歌和Facebook等軟件及互聯網巨頭均在加大自研AI芯片的投入，同樣國內頭部互聯網廠商阿里、騰訊、百度等也均披露了AI芯片的自研計劃，而另一方面，以英特爾為代表的芯片廠商則開始搭建算力平臺，發力軟件和云服務。
算力，作為AI大模型的“心臟”，其重要性不言而喻。在科技飛速發展的今天，隨著算力的發展，AI大模型領域也講創造更多的奇跡，為人類帶來更多便捷與智慧。
本文轉載自公眾號數字化助推器 作者：天涯咫尺TGH
