算力的字面意思,大家都懂,就是计算能力(Computing Power)。
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。
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,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。
█ 算力的价值
算力的作用,是完成计算任务。
大家都知道,计算机硬件系统的运转,以及程序软件的执行,是由无数个计算任务支撑起来的。因此,芯片所提供的算力,就是整个系统正常工作的动力来源。
信息技术经过多年的普及,已经遍布我们工作和生活的各个角落。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。
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‰。
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、O2O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。
通用算力以CPU(Central Processing Unit,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(Graphics Processing Unit,图形处理器)、FPGA(Field ProgrammableGate Array,现场可编程逻辑门阵列)、AI(Artificial lntelligence,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)。
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PB。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。
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元。
█ 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:
-
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110倍,主要国家人均算力需求将从今天的不足500 GFLOPS,增加20倍,变成2035年的10000 GFLOPS。
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6.8 ZFLOPS,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。
-
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年代手机和互联网的流行,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。
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。
目前,在算力的各个环节进行节能减排研究,已经取得了初步成果。算力的绿色化发展,整体前景比较非常乐观。
根据《绿色发展2030》报告的预测,到2030年,全球数字基础设施能效将提升100倍,可再生能源发电量占比超50%,行业数字化渗透率达到50%。
-
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。
好啦,以上就是今天文章的全部内容。感谢大家的耐心阅读!您的关注、点赞、收藏是我创作的动力。
万水千山总是情,点个 👍 行不行。