关于“算力”，这篇文章值得一看

今天，在这篇文章中，我们来谈谈计算能力。

近两年，计算能力可以说是ICT行业的一个热门概念总是出现在新闻报道和大咖演讲中

那么，到底什么是计算能力呢包括哪几种力，它们的用途是什么目前全球计算能力发展如何

接下来小枣君给大家详细科普一下。

什么是计算能力。

计算的字面意思，我们都知道，就是计算的能力。

更具体地说，计算能力是通过处理信息数据实现目标结果输出的计算能力。

我们人类其实就有这种能力在我们的一生中，我们无时无刻不在计算我们的大脑是一个强大的计算引擎

很多时候，我们会通过口算和心算来做无工具计算不过这种算力有点低所以在遇到复杂情况时，我们会使用力计算工具进行深度计算

在古代，我们原始的工具是草绳和石头后来伴随着文明的进步，我们有了更实用的计算工具，如计算芯片，算盘等，计算能力水平不断提高

在20世纪40年代，我们迎来了计算能力的革命。

1946年2月，世界上第一台数字电子计算机ENIAC诞生，标志着人类计算能力正式进入数字电子时代。

ENIAC，1946年

后来伴随着半导体技术的出现和发展，我们进入了芯片时代芯片已经成为计算能力的主要载体

世界上第一个集成电路，1958年

时间在流逝。

到了70—80年代，芯片技术在摩尔定律下取得了长足的进步芯片的性能在不断提高，体积在不断减小最后计算机小型化，PC诞生了

世界上第一台个人电脑，1981年

PC的诞生意义深远它标志着IT计算能力不再只为少数大型企业服务，而是面向普通家庭和中小企业它成功地打开了全民信息时代的大门，促进了全社会信息的普及

借助PC，人们充分感受到IT计算能力带来的生活质量和生产力的提升PC的出现也为互联网的蓬勃发展奠定了基础

进入21世纪后，计算能力再次迎来巨变这一巨变的标志就是云计算技术的出现

云计算，云计算

在云计算之前，人类苦于单点计算的计算能力不足，已经尝试了网格计算等分布式计算架构。

云计算是分布式计算的新尝试其本质是将大量分散的计算资源进行封装和聚集，以实现更高的可靠性，更高的性能和更低成本的计算能力

具体来说，在云计算中，中央处理器，内存，硬盘，显卡等计算资源通过软件的方式聚集在一起，形成一个虚拟的无限扩展的计算资源池。

如果用户有计算能力需求，计算能力资源池会动态分配计算能力资源，用户按需付费。

相比用户自行购买设备，自建机房，自行运营，云计算具有明显的性价比优势。

云计算

继云计算之后，数据中心已经成为计算能力的主要载体人类计算能力的规模开始了新的飞跃

计算力的分类

云计算和数据中心的出现是因为信息化和数字化的不断深入，引发了全社会对计算能力的强烈需求。

这些需求既来自消费领域，也来自工业领域)，以及来自城市治理领域(智慧城市，一卡通，城市大脑等

不同的计算应用和要求有不同的算法不同的算法对计算能力的特性有不同的要求通常我们把计算能力分为两类，即通用计算能力和专用计算能力

大家应该都听说过，负责输出计算能力的芯片分为通用芯片和专用芯片。

像x86这样的CPU处理器芯片是通用芯片它们能完成的计算任务多样灵活，但功耗较高

专用芯片主要指FPGA和ASIC。

FPGA是一种可编程集成电路它可以通过硬件编程改变内部芯片的逻辑结构，但软件是深度定制的，以执行特殊任务

ASIC是一种专用集成电路顾名思义，就是专业使用的定制芯片，其软件算法大部分固化在硅片中

ASIC可以完成特定的计算功能，功能比较单一，但是能耗很低FPGA，介于通用芯片和ASIC之间

以比特币挖矿为例。

以前人们用PC来挖矿后来越是难挖，计算能力越少于是，我开始用显卡挖矿后来显卡能耗太高，挖出来的钱值不了电费，就用FPGA和ASIC集群阵列挖矿

在数据中心，计算任务也分为基本通用计算和HPC高性能计算。

HPC继续细分为三个类别:

科学计算:物理化学，气象环保，生命科学，石油勘探，天文勘探等。

工科: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: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产生大量数据，对计算能力要求极高

以油气勘探为例油气勘探，简单来说就是在地表做CT一个项目之后，原始数据往往超过100TB，甚至可能超过1 PB如此庞大的数据量，需要海量的计算能力来支撑

为了智能地计算这个，我们需要关注它。

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

人工智能的三大核心要素是计算能力，算法和数据。

众所周知，AI人工智能是一个大计算力，尤其是吃计算力在人工智能计算中，矩阵或向量的乘法和加法比较多，特异性高，不适合CPU计算

在实际应用中，人们主要使用GPU和前面提到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，但其GPU核数远超CPU，适合将同一指令流并行发送到多个核，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运算。

因此，GPU更适合处理计算密集型和高度并行的计算任务。

最近几年来，因为对人工智能计算的强烈需求，国家还专门建设了许多智能计算中心，即专门用于智能计算的数据中心。

除了智能计算中心，还有很多超级计算中心在超算中心内部，有类似天河一号的超级计算机，专门用于各种大型科学计算和工程计算任务

我们平时看到的数据中心基本都属于云计算数据中心。

任务复杂，既有基本的通用计算和高性能计算，也有大量的异构计算因为对高性能计算的需求越来越大，专用计算芯片的比例也在逐渐增加

几年前逐渐流行起来的TPU，NPU，DPU，其实都是专用芯片。

现在我们经常听到的计算能力卸载，其实并不是删除计算能力，而是把很多计算任务从CPU转移到NPU，DPU等芯片上，减轻CPU的计算能力负担。

最近几年来，科学界除了基本的通用计算力，智能计算力和超级计算力之外，还出现了以量子计算和光子计算为主的前沿计算力的概念，值得关注。

力的测量

既然武力是一种能力，当然会有衡量其强弱的指标和基准单位熟悉的单位应该是FLOPS，TFLOPS等

其实衡量计算能力的指标有很多，比如MIPS，DMIPS，OPS等。

MFLOPS，GFLOPS，TFLOPS，PFLOPS等都是不同数量级的失败

浮点数FP16，FP32，FP64有不同的规格。

不同计算力载体之间的计算力差异是巨大的。为了让大家更容易更好的理解这种区别，小枣君又做了一个计算实力的表格:

我们前面提到了通用计算，智能计算和超级计算从趋势上看，智能计算和超级计算能力的增长速度远远超过一般计算能力

根据GIV的统计，到2030年，通用计算能力将增加10倍，达到3.3万亿次AI智能计算能力(FP16)将增加500倍，达到105次浮点运算

力计算的现状与未来

现在，他的想法变成了现实在数字化浪潮下，计算能力已经像水，电一样成为公共基础资源，而数据中心和通信网络也成为重要的公共基础设施

这是IT行业和通信行业半个多世纪努力的结果。

对于整个人类社会来说，计算能力已经不是一个技术维度的概念它已经上升到经济学和哲学的维度，成为数字经济时代的核心生产力，也是整个社会数字化智造转型的基石

每个人的生活，还有工厂企业的运转，政府部门的运转，都离不开计算能力国家安全，国防建设，基础学科研究等关键领域也需要大量的计算能力

计算决定了数字经济的发展速度和社会智能化的发展高度。

根据IDC，浪潮信息和清华大学全球产业研究院联合发布的数据，计算力指数每提高1点，数字经济和GDP将分别增长3.5‰和1.8‰。

各国计算能力的规模与经济发展水平之间存在显著的正相关关系一个国家的计算能力越大，经济发展水平就越高

世界计算能力和GDP排名

在计算能力领域，国与国之间的竞争日趋激烈。

2020年，我国计算能力总规模达到135 EFLOPS，同比增长55%，高于全球增速约16个百分点目前，我们的绝对计算能力排名世界第二

但从人均来看，我们并不占优，只是处于中等计算能力国家的水平。

世界各国人均计算能力比较

特别是在芯片等算力核心技术上，我们和发达国家还有很大差距很多瓶颈技术没有解决，严重影响了我们的计算安全，从而影响到国家安全

所以还有很长的路要走，还需要继续努力。

未来，信息化，数字化，智能化将进一步加快伴随着万物互联时代的到来，大量智能物联网终端的引入和AI智能场景的落地，将会产生难以想象的海量数据

这些数据将进一步刺激对计算能力的需求。

根据罗兰·贝格的预测，从2018年到2030年，自动驾驶的计算能力需求将增长390倍，智能工厂的需求将增长110倍，主要国家的人均计算能力需求将从今天的不足500 GFLOPS增长20倍，达到2035年的10000 GFLOPS。

据浪潮人工智能研究院预测，到2025年，全球计算能力将达到6.8万亿次，比2020年增长30倍。

计算能力的新一轮革命正在加速。