“算力经济”时代扑面而来，智算中心成未来数据中心进化方向

伴随万物感知、万物互联以及万物智能时代的开启，全球算力面临巨大缺口，其规模将以前所未有之势迅速增长。

据业界统计，2020年全球算力总规模达到429 EFLOPS（每秒浮点运算次数），增速达到39%。

预计未来五年，全球算力规模将以超过50%的速度增长。工信部数据显示，截至2022年6月底，我国算力总规模超过150 EFLOPS，位居全球第二。

算力具有极强的扩散性和渗透性，有着高度的产业前后向关联度，少量投入即有望直接带动区域经济发展质量的全面提升。

算力的快速发展，将加速数字产业化和产业数字化进程，算力经济已成为关乎国计民生的重要概念。

不断进击的算力基础设施

据中国信通院数据统计，2016-2021年，我国数字经济规模从22.6万亿元增至45.5万亿元，增长1.01倍，总量稳居世界第二，占GDP的比重39.8%。

2021年全年，我国数据产量达到6.6ZB，占全球数据总产量（67ZB）的9.9%，仅次于美国而位列全球第二；且近三年来，数据产量保持每年30%左右的增速。

与数据同步快速增长的还有算力基础设施数量。工信部数据显示，截至2021年底，我国在用数据中心机架总规模达520万标准机架，在用数据中心服务器规模1900万台，算力总规模超过140 EFLOPS。全国在用超大型和大型数据中心超过450个，智算中心超过20个。

迈入数字化时代后，数据呈指数级爆发，整个社会都在迎接强烈的算力需要。网购、追剧、游戏，甚至出行、吃饭，生活中的方方面面都需要算力的支撑。不仅如此，在工业制造、智慧金融、智慧医疗、智慧城市等领域，随着行业的数字化程度逐步提高，算力需求开始急速攀升。

在不同的需求背后，所需要的算力类型也有所不同。

按照规模，算力可分为基础算力（基于CPU芯片）、智能算力（基于GPU和NPU芯片）和超算算力。

基础算力用于满足日常的网购、游戏等基础需求；智能算力主要用于人工智能的训练和推理计算，常见如语音、图像和视频的处理；超算算力是超级计算机所提供的算力，一般用于行星模拟、基因分析等高科技研究领域。

随着人工智能、自动驾驶等智能化应用的持续发展，我国的算力结构也发生了一定变化。其中，智能算力的增长规模远超通用算力。

据中国信通院预测，到2023年，智能算力在总算力中的比重将超过70%，发挥核心拉动作用。

管理咨询公司罗兰贝格也提到，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（每秒10亿次的浮点运算数），增加20倍，到2035年将达到10000 GFLOPS。

从“计算”到“智算”

19世纪末，西方国家每个工厂、每条电车道都有自己的发电设备，有的城市电力有10种不同的频率、32种不同的电压、70种不同的电价。

经过多年努力，才形成了同一频率、同一电压的电力公共基础设施。

目前，人们所希望的算力网络像供水和供电一样“一点接入，即取即用”，还只是一种愿景。

算力网络的实现比交通和能源网络复杂得多云计算时代到来，至少需要关注三个问题。

一是接口，用户如何和资源进行对接？

二是服务设备，用户通过什么设备将资源转换成服务？

三是产品的异质性，计算是一种复杂的服务，不同的编程语言和硬件如何兼容？

现在，科研工作者正在研究包括任务交换技术、智能流抽象、资源赋名、控域、网程、标签化体系结构、内构安全、在网计算等技术，算力网络的关键技术正在逐步突破。

与此同时，随着越来越多智能化场景的出现，以数据为核心的AI场景智能化应用的使用趋势正在增加，算力也因需而变，正在从计算走向智算。

智能计算和通用计算的区别，在于通用计算主要面向传统的计算处理任务，或者离线大数据的计算，而智能计算可以满足许多领域对人工智能、机器学习、深度学习的新需求，比如科研、 自动驾驶、生物制药、智能制造、数字孪生、空间治理等一系列的场景。

简单来说，智算中心就是专门服务于人工智能的数据计算中心，能够为人工智能计算提供所需的专用算力。

随着智能推荐、自动驾驶、智能制造等领域发展迅速，超大规模AI模型对算力的需求不断提高，智算中心的建设也纷纷被提上日程。

（编辑：晋中站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!