自第三次工業革命以來，算力與人們生活越來越密不可分。

       如今，算力正在成為像水、電一樣必不可少的基礎設施，尤其是近三年疫情倒逼產業數字化的發展，進一步提升了算力對于社會運轉的重要程度。

       作為一種新型生產力，算力是支撐數字經濟蓬勃發展的重要“底座”，是激活數據要素潛能、驅動經濟社會數字化轉型、推動數字政府建設的新引擎。

       但如何更好地調用算力資源、分配算力，已成為當下行業關注的重點。

       全球加速邁向算力經濟時代

       算力對數字經濟乃至經濟社會數字化轉型發展具有明顯帶動作用，是新發展格局下衡量經濟狀況的“晴雨表”和“助推器”。統計分析顯示，計算力指數的水平，與國家GDP的發展水平，與數字經濟的發展水平呈現出明顯的正相關的關系。

       根據分析結果，在15個國家里，算力指數每提高1%，數字經濟和GDP將分別增長3.5‰和1.8‰。


       伴隨萬物感知、萬物互聯以及萬物智能時代的開啟，全球算力面臨巨大缺口，其規模將以前所未有之勢迅速增長。

       據業界統計，2020年全球算力總規模達到429 EFLOPS（每秒浮點運算次數），增速達到39%。

       預計未來五年，全球算力規模將以超過50%的速度增長。工信部數據顯示，截至2022年6月底，我國算力總規模超過150 EFLOPS，位居全球第二。

       算力具有極強的擴散性和滲透性，有著高度的產業前后向關聯度，少量投入即有望直接帶動區域經濟發展質量的全面提升。

       算力的快速發展，將加速數字產業化和產業數字化進程，算力經濟已成為關乎國計民生的重要概念。

       不斷進擊的算力基礎設施

       據中國信通院數據統計，2016-2021年，我國數字經濟規模從22.6萬億元增至45.5萬億元，增長1.01倍，總量穩居世界第二，占GDP的比重39.8%。

       2021年全年，我國數據產量達到6.6ZB，占全球數據總產量（67ZB）的9.9%，僅次于美國而位列全球第二；且近三年來，數據產量保持每年30%左右的增速。

       與數據同步快速增長的還有算力基礎設施數量。工信部數據顯示，截至2021年底，我國在用數據中心機架總規模達520萬標準機架，在用數據中心服務器規模1900萬臺，算力總規模超過140 EFLOPS。全國在用超大型和大型數據中心超過450個，智算中心超過20個。

       邁入數字化時代后，數據呈指數級爆發，整個社會都在迎接強烈的算力需要。網購、追劇、游戲，甚至出行、吃飯，生活中的方方面面都需要算力的支撐。不僅如此，在工業制造、智慧金融、智慧醫療、智慧城市等領域，隨著行業的數字化程度逐步提高，算力需求開始急速攀升。

       在不同的需求背后，所需要的算力類型也有所不同。

       按照規模，算力可分為基礎算力（基于CPU芯片）、智能算力（基于GPU和NPU芯片）和超算算力。

       基礎算力用于滿足日常的網購、游戲等基礎需求；智能算力主要用于人工智能的訓練和推理計算，常見如語音、圖像和視頻的處理；超算算力是超級計算機所提供的算力，一般用于行星模擬、基因分析等高科技研究領域。

       隨著人工智能、自動駕駛等智能化應用的持續發展，我國的算力結構也發生了一定變化。其中，智能算力的增長規模遠超通用算力。

       據中國信通院預測，到2023年，智能算力在總算力中的比重將超過70%，發揮核心拉動作用。

       管理咨詢公司羅蘭貝格也提到，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（每秒10億次的浮點運算數），增加20倍，到2035年將達到10000 GFLOPS。

       從“計算”到“智算”

       19世紀末，西方國家每個工廠、每條電車道都有自己的發電設備，有的城市電力有10種不同的頻率、32種不同的電壓、70種不同的電價。

       經過多年努力，才形成了同一頻率、同一電壓的電力公共基礎設施。

       目前，人們所希望的算力網絡像供水和供電一樣“一點接入，即取即用”，還只是一種愿景。

       算力網絡的實現比交通和能源網絡復雜得多，至少需要關注三個問題。

       一是接口，用戶如何和資源進行對接？

       二是服務設備，用戶通過什么設備將資源轉換成服務？

       三是產品的異質性，計算是一種復雜的服務，不同的編程語言和硬件如何兼容？

       現在，科研工作者正在研究包括任務交換技術、智能流抽象、資源賦名、控域、網程、標簽化體系結構、內構安全、在網計算等技術，算力網絡的關鍵技術正在逐步突破。

       與此同時，隨著越來越多智能化場景的出現，以數據為核心的AI場景智能化應用的使用趨勢正在增加，算力也因需而變，正在從計算走向智算。

       智能計算和通用計算的區別，在于通用計算主要面向傳統的計算處理任務，或者離線大數據的計算，而智能計算可以滿足許多領域對人工智能、機器學習、深度學習的新需求，比如科研、 自動駕駛、生物制藥、智能制造、數字孿生、空間治理等一系列的場景。

       簡單來說，智算中心就是專門服務于人工智能的數據計算中心，能夠為人工智能計算提供所需的專用算力。

       隨著智能推薦、自動駕駛、智能制造等領域發展迅速，超大規模AI模型對算力的需求不斷提高，智算中心的建設也紛紛被提上日程。

       相比傳統數據中心，智算中心能滿足更具針對性的需求，以及更大的計算體量和更快的計算速度。

       從硬件上來看，傳統數據中心多采用通用計算的CPU，而智算中心中更多的是GPU等進行AI訓練的芯片；軟件上，智算中心會部署不同的人工智能框架，用于分配計算任務提高效率，并且提供了人工智能應用開發工具。

       而智算中心不僅包含算力基礎設施，還有算法基礎設施。算力基建化只是第一步，接下來，還需要加強算法基礎設施建設。

       只有實現算法基建化，才能讓更多的企業享受普適普惠的智算服務。

       當前，全球計算產業正步入黃金時代。據IDC預測，全球計算產業投資空間預計到2023年實現1.14萬億美元。

       中國作為全球計算產業的主要推動力，市場份額約占全球的10%，近1043億美元。

       我國明確提出，在全國布局算力網絡國家樞紐節點，同時積極推進智能計算中心建設，發力構建普適普惠、安全可靠的現代化基礎設施體系和生態，打造更多強大的算力“底座”。

       未來，智算中心將圍繞開放標準、集約高效、普適普惠三個原則開展建設，并呈現出三個主要趨勢：更加開放多元的架構與標準體系；通過算力、算法的基建化和一體化，讓服務更高效；建立智算生態，讓智算中心更好用。

       在數字化時代，當算力成為核心競爭力，這張十年織就的網絡，即將迎來更大的爆發時刻。