今天這篇文章，我們來聊聊算力。
這兩年，算力可以說是 ICT 行業(yè)的一個熱門概念。在新聞報道和大咖演講中，總會出現(xiàn)它的身影。
那么，究竟到底什么是算力？算力包括哪些類別，分別有什么用途？目前，全球算力正處于怎樣的發(fā)展狀態(tài)？
接下來，小棗君就給大家詳細科普一下。
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(shù)據(jù)進行處理，實現(xiàn)目標結(jié)果輸出的計算能力。
我們?nèi)祟悾鋵嵕途邆溥@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。
大部分時間里，我們會通過口算、心算進行無工具計算。但是，這樣的算力有點低。所以，在遇到復(fù)雜情況時，我們會利用算力工具進行深度計算。
遠古時期，我們的原始工具是草繩、石頭。后來，隨著文明的進步，我們有了算籌（一種用于計算的小棍子）、算盤等更為實用的算力工具，算力水平不斷提升。
到了 20 世紀 40 年代，我們迎來了算力革命。
1946 年 2 月，世界上第一臺數(shù)字式電子計算機 ENIAC 誕生，標志著人類算力正式進入了數(shù)字電子時代。
▲ ENIAC，1946 年
再后來，隨著半導體技術(shù)的出現(xiàn)和發(fā)展，我們又進入了芯片時代。芯片成為了算力的主要載體。
▲ 世界上第一個集成電路（芯片），1958 年
時間繼續(xù)推移。
到了 20 世紀 70-80 年代，芯片技術(shù)在摩爾定律的支配下，已經(jīng)取得了長足進步。芯片的性能不斷提升，體積不斷減小。終于，計算機實現(xiàn)了小型化，PC（個人電腦）誕生了。
▲ 世界上第一臺 PC（IBM5150），1981 年
PC 的誕生，意義極為深遠。它標志著 IT 算力不再僅為少數(shù)大型企業(yè)服務(wù)（大型機），而是昂首走向了普通家庭和中小企業(yè)。它成功打開了全民信息時代的大門，推動了整個社會的信息化普及。
在 PC 的幫助下，人們充分感受到 IT 算力帶來的生活品質(zhì)改善，以及生產(chǎn)效率提升。PC 的出現(xiàn)，也為后來互聯(lián)網(wǎng)的蓬勃發(fā)展奠定了基礎(chǔ)。
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(shù)的出現(xiàn)。
▲ 云計算，Cloud Computing
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(wù)）的算力不足，已經(jīng)嘗試過網(wǎng)格計算（把一個巨大的計算任務(wù)，分解為很多的小型計算任務(wù)，交給不同的計算機完成）等分布式計算架構(gòu)。
云計算，是分布式計算的新嘗試。它的本質(zhì)，是將大量的零散算力資源進行打包、匯聚，實現(xiàn)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(nèi)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(tài)地進行算力資源的分配，用戶按需付費。
相比于用戶自購設(shè)備、自建機房、自己運維，云計算有明顯的性價比優(yōu)勢。
▲ 云計算數(shù)據(jù)中心
算力云化之后，數(shù)據(jù)中心成為了算力的主要載體。人類的算力規(guī)模，開始新的飛躍。
算力的分類
云計算和數(shù)據(jù)中心之所以會出現(xiàn)，是因為信息化和數(shù)字化的不斷深入，引發(fā)了整個社會強烈的算力需求。
這些需求，既有來自消費領(lǐng)域的（移動互聯(lián)網(wǎng)、追劇、網(wǎng)購、打車、O2O 等），也有來自行業(yè)領(lǐng)域的（工業(yè)制造、交通物流、金融證券、教育醫(yī)療等），還有來自城市治理領(lǐng)域的（智慧城市、一證通、城市大腦等）。
不同的算力應(yīng)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(yīng)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。
像 x86 這樣的 CPU 處理器芯片，就是通用芯片。它們能完成的算力任務(wù)是多樣化的，靈活的，但是功耗更高。
而專用芯片，主要是指 FPGA 和 ASIC。
FPGA，是可編程集成電路。它可以通過硬件編程來改變內(nèi)部芯片的邏輯結(jié)構(gòu)，但軟件是深度定制的，執(zhí)行專門任務(wù)。
ASIC，是專用集成電路。顧名思義，它是為專業(yè)用途而定制的芯片，其絕大部分軟件算法都固化于硅片。
ASIC 能完成特定的運算功能，作用比較單一，不過能耗很低。FPGA，介于通用芯片和 ASIC 之間。
我們以比特幣挖礦為例。
以前，人們都是用 PC（x86 通用芯片）挖礦，后來越挖難度越大，算力不夠。于是，開始使用顯卡（GPU）去挖礦。再后來，顯卡的能耗太高，挖出來的幣值還抵不上電費，就開始采用 FPGA 和 ASIC 集群陣列挖礦。
在數(shù)據(jù)中心里，也對算力任務(wù)進行了對應(yīng)劃分，分為基礎(chǔ)通用計算，以及 HPC 高性能計算（High-performance computing）。
HPC 計算，又繼續(xù)細分為三類：
科學計算類：物理化學、氣象環(huán)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(shè)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(shù)據(jù)分析等。
科學計算和工程計算大家應(yīng)該都聽說過，這些專業(yè)科研領(lǐng)域的數(shù)據(jù)產(chǎn)生量很大，對算力的要求極高。
以油氣勘探為例。油氣勘探，簡單來說，就是給地表做 CT。一個項目下來，原始數(shù)據(jù)往往超過 100TB，甚至可能超過 1 個 PB。如此巨大的數(shù)據(jù)量，需要海量的算力進行支撐。
智能計算這個，我們需要重點說一下。
AI 人工智能是目前全社會重點關(guān)注的發(fā)展方向。不管是哪個領(lǐng)域，都在研究人工智能的應(yīng)用和落地。
人工智能的三大核心要素，就是算力、算法和數(shù)據(jù)。
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(xiàn)實應(yīng)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(shù)量遠超 CPU，適合把同樣的指令流并行發(fā)送到眾核上，采用不同的輸入數(shù)據(jù)執(zhí)行，從而完成圖形處理或大數(shù)據(jù)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(wù)（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(shè)了很多智算中心，也就是專門進行智能計算的數(shù)據(jù)中心。
除了智算中心之外，現(xiàn)在還有很多超算中心。超算中心里面，放的都是“天河一號”這樣的超級計算機，專門承擔各種大規(guī)?？茖W計算和工程計算任務(wù)。
我們平時看到的數(shù)據(jù)中心，基本上都屬于云計算數(shù)據(jù)中心。
任務(wù)比較雜，基礎(chǔ)通用計算和高性能計算都有，也有大量的異構(gòu)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(xiàn)在經(jīng)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(wù)（例如虛擬化、數(shù)據(jù)轉(zhuǎn)發(fā)、壓縮存儲、加密解密等），從 CPU 轉(zhuǎn)移到 NPU、DPU 等芯片上，減輕 CPU 的算力負擔。
近年來，除了基礎(chǔ)通用算力、智能算力、超算算力之外，科學界還出現(xiàn)了前沿算力的概念，主要包括量子計算、光子計算等，值得關(guān)注。
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(yīng)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(guān)系如下：
▲ 浮點數(shù)有 FP16、FP32、FP64 不同的規(guī)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。
根據(jù) GIV 的數(shù)據(jù)統(tǒng)計，到 2030 年，通用計算算力（FP32）將增長 10 倍，達到 3.3 ZFLOPS。而 AI 智算算力（FP16），將增長 500 倍，達到 105 ZFLOPS。
算力的現(xiàn)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(yè)，就像電話系統(tǒng)是一個公共事業(yè)一樣”。
如今，他的設(shè)想已經(jīng)成為現(xiàn)實。在數(shù)字浪潮下，算力已經(jīng)成為像水、電一樣的公共基礎(chǔ)資源，而數(shù)據(jù)中心和通信網(wǎng)絡(luò)，也變成了重要的公共基礎(chǔ)設(shè)施。
這是 IT 行業(yè)和通信行業(yè)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(shù)維度的概念。它已經(jīng)上升到經(jīng)濟學和哲學維度，成為了數(shù)字經(jīng)濟時代的核心生產(chǎn)力，以及全社會數(shù)智化轉(zhuǎn)型的基石。
我們每個人的生活，還有工廠企業(yè)的運轉(zhuǎn)，政府部門的運作，都離不開算力。在國家安全、國防建設(shè)、基礎(chǔ)學科研究等關(guān)鍵領(lǐng)域，我們也需要海量的算力。
算力決定了數(shù)字經(jīng)濟發(fā)展速度，以及社會智能發(fā)展高度。
根據(jù) IDC、浪潮信息、清華大學全球產(chǎn)業(yè)研究院聯(lián)合發(fā)布的數(shù)據(jù)顯示，計算力指數(shù)平均每提高 1 點，數(shù)字經(jīng)濟和 GDP 將分別增長 3.5‰和 1.8‰。
全球各國的算力規(guī)模與經(jīng)濟發(fā)展水平，已經(jīng)呈現(xiàn)出顯著的正相關(guān)關(guān)系。一個國家的算力規(guī)模越大，經(jīng)濟發(fā)展水平就越高。
▲ 世界各國算力和 GDP 排名（來源：遲九虹，華為算力時代峰會演講）
在算力領(lǐng)域，國家之間的競爭博弈日益激烈。
2020 年，我國算力總規(guī)模達到 135 EFLOPS，同比增長 55%，超過全球增速約 16 個百分點。目前，我們的絕對算力，排名世界第二。
但是，從人均角度來看，我們并不占優(yōu)勢，僅處于中等算力國家水平。
▲ 世界各國人均算力對比（來源：唐雄燕，華為算力時代峰會演講）
尤其是在芯片等算力核心技術(shù)上，我們與發(fā)達國家還有很大的差距。很多掐脖子技術(shù)未能解決，嚴重影響了我們的算力安全，進而影響了國家安全。
所以，腳下的路還有很長，我們還需要繼續(xù)努力。
未來社會，信息化、數(shù)字化和智能化將會進一步加快。萬物智聯(lián)時代的到來，大量智能物聯(lián)網(wǎng)終端的引入，AI 智能場景的落地，將產(chǎn)生難以想象的海量數(shù)據(jù)。
這些數(shù)據(jù)，將進一步刺激對算力的需求。
根據(jù)羅蘭貝格的預(yù)測，從 2018 年到 2030 年，自動駕駛對算力的需求將增加 390 倍，智慧工廠需求將增長 110 倍，主要國家人均算力需求將從今天的不足 500 GFLOPS，增加 20 倍，變成 2035 年的 10000 GFLOPS。
根據(jù)浪潮人工智能研究院的預(yù)測，到 2025 年，全球算力規(guī)模將達 6.8 ZFLOPS，與 2020 年相比提升 30 倍。
新一輪的算力革命，正在加速啟動。
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。