人們總是用 " 計量單位 " 來形容對一件事物的苛刻追求。比如，芯片制造工藝從微米(μ m)縮小到納米(nm);高精地圖的精度從分米進化到毫米級;而汽車芯片的算力也由個位數(shù)放大到十位、百位甚至上千 TOPS。

今年 9 月份，英偉達、高通先后披露了旗下高階智駕 SoC 芯片 Thor 和 Snapdragon Ride Flex。前者單顆算力可達 2000TOPS，后者通過加速器的擴展形式也能提供平級算力水平。

再上個月，地平線也公布了旗下產(chǎn)品路線圖，超過 1000TOPS 的征程 6 預(yù)計明年推出。三款 SoC 有著一個明顯共同點，都支持智駕和座艙的跨區(qū)域融合。

對比當前 SoC 的算力水平，英偉達 Orin X 單顆算力 254TOPS，地平線征程 5 的算力是 128TOPS，Mobileye EyeQ5 則是 24TOPS。

芯片算力向 " 千 " 越級，似乎成了發(fā)展自動駕駛乃至無人汽車的必然趨勢。

21世紀，算力正在像水、電一樣成為基礎(chǔ)設(shè)施，是數(shù)字經(jīng)濟發(fā)展中的核心動能。在這場技術(shù)創(chuàng)新的角逐賽中，中國已經(jīng)拿出了數(shù)一數(shù)二的成績：基礎(chǔ)算力規(guī)模排名全球第二，智能算力方面全球優(yōu)勢突出。

圍繞這個新世紀的技術(shù)革命，一場大幕早已拉開。

這幾年，全民網(wǎng)購鮮少宕機，大型游戲不再卡頓，自動駕駛和機器人甚至得以逐步落地，背后都離不開一項能力的進步——算力。

算力，可以簡單地理解為計算能力(Computer Power)。

原始時代，人們使用口算、心算等無工具輔助的計算方式，大腦就相當于一個算力引擎。后來，結(jié)繩計算、算盤等輔助計算工具的應(yīng)用，讓人們的計算能力進一步向前。

1946年，世界上第一臺數(shù)字式電子計算機ENIAC誕生，標志著算力計算第一次步入電子時代。不過，由于當時的技術(shù)還不夠發(fā)達，它由18000多個電子管組成，占地面積有幾間教室那么大，每秒鐘只可進行5000次計算。

直到半導體芯片技術(shù)的出現(xiàn)，算力有了新的承載物。英特爾創(chuàng)始人之一戈登·摩爾曾經(jīng)針對半導體創(chuàng)新提出過一個理論，即芯片中集成的晶體管數(shù)量大約每24個月翻一番，同時價格下降為之前的一半。后來，這個周期被縮短至18個月。

這一定律被用來揭示信息技術(shù)進步的速度。很長一段時間內(nèi)，依托于摩爾定律，計算機的計算能力以可預(yù)見的速度進步著。

就如人們所看到的，芯片制程工藝的進步，讓計算機越造越小、越來越輕薄，算力也越來越強。如今，一臺頂配的筆記本電腦，每秒運算次數(shù)已達到兩億五千萬次到三億五千萬次。

邁入電子信息化時代后，數(shù)據(jù)呈指數(shù)級爆發(fā)，智能化與數(shù)字化的需求如大浪般襲來。

整個社會都在迎接強烈的算力需要。網(wǎng)購、追劇、打游戲，甚至是打車、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(yè)制造、智慧金融、智慧醫(yī)療、智慧城市等領(lǐng)域，隨著行業(yè)的數(shù)字化程度逐步提高，算力需求開始急速攀升。

當然，不同的需求背后，所需要的算力類型也有所不同。

按照規(guī)模，算力可分為基礎(chǔ)算力(基于CPU芯片)、智能算力(基于GPU和NPU芯片)和超算算力。簡單來說，滿足網(wǎng)購、打游戲這類基礎(chǔ)需求，基礎(chǔ)算力就能夠完成;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，通俗理解即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(lǐng)域。

人工智能的核心要素主要是算力、算法和數(shù)據(jù)。故而在具體應(yīng)用中，普遍使用AI芯片進行計算，也就是GPU。隨著人工智能、自動駕駛等超級應(yīng)用的持續(xù)發(fā)展，我國的算力結(jié)構(gòu)也發(fā)生了一定變化。其中，智能算力的增長規(guī)模遠超通用算力。據(jù)中國信通院預(yù)測，到2023年，智能算力在總算力中的比重將超過70%，發(fā)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(Giga Floating-point Operations Per Second，即每秒10億次的浮點運算數(shù))，增加20倍，到2035年將達到10000 GFLOPS。

數(shù)據(jù)、算力、算法是人工智能發(fā)展的三要素，也被譽為數(shù)字經(jīng)濟時代發(fā)展的三駕馬車。這其中，數(shù)據(jù)是生產(chǎn)資料，海量優(yōu)質(zhì)數(shù)據(jù)是驅(qū)動算法持續(xù)演進的基礎(chǔ)養(yǎng)料;算法是生產(chǎn)關(guān)系，是處理數(shù)據(jù)信息的規(guī)則與方式;算力是生產(chǎn)力，體驗為數(shù)據(jù)處理與算法訓練的速度與規(guī)模。非結(jié)構(gòu)化數(shù)據(jù)激增及算法模型的日益龐大與復(fù)雜帶動算力需求飛速增長，算力已成為人工智能產(chǎn)業(yè)化進一步發(fā)展的關(guān)鍵。

AI 算力，顧名思義，就是支撐 AI 的計算能力。此處的計算不是簡單的加減乘除，而是對世界萬物的計算，是萬物互聯(lián)、人工智能之下的高度復(fù)雜、無所不在的計算。

不同于傳統(tǒng)算力，AI 算力為了支撐 AI 模型的開發(fā)、訓練和推理，對并行處理能力的要求特別高，也因此需要專門的 AI 芯片和框架。

大數(shù)據(jù) " 引爆 " 算力需求

隨著 5G、物聯(lián)網(wǎng)等新興技術(shù)的發(fā)展，數(shù)據(jù)量正在以更加難以計量的速度爆發(fā)，據(jù) IDC 公布的《數(shù)據(jù)時代 2025》顯示，從 2016 年到 2025 年全球總數(shù)據(jù)量將會增長 10 倍，達到 163ZB。面對如此龐大的數(shù)據(jù)量，模型計算將變得更加復(fù)雜，對算力的需求也在不斷提高。

這一現(xiàn)狀，不斷驅(qū)動著人工智能算力的增加。

據(jù) Open AI 的一份報告顯示，從 2012 到 2019 年，人工智能訓練集增長將近 30 萬倍，每 3.43 個月翻一番，比摩爾定律快 25000 倍。但是，如果沒有足夠的算力支撐，就會有大把的數(shù)據(jù)被浪費掉，算法也不能進入到 AI 產(chǎn)業(yè)的生產(chǎn)力階段。另據(jù)華為《智能世界 2030》報告顯示，預(yù)計 2030 年全球通用算力將增長 10 倍到 3.3ZFLOPS，人工智能算力將增長 500 倍超過 100ZFLOPS。

我們看到，一方面，計算技術(shù)與產(chǎn)業(yè)正在催生 AI 計算迅猛發(fā)展;但另一方面，人工智能在訓練、驗證、部署等階段往往面臨應(yīng)用場景多元化、數(shù)據(jù)巨量化帶來的諸多挑戰(zhàn)。這要求算力在支持大規(guī)模部署的同時，要滿足高并發(fā)、高彈性、高精度等不同計算需求，持續(xù)為不同的人工智能負載，高效地提供計算力。

因此，為了進行大數(shù)據(jù)挖掘和人工智能分析，滿足應(yīng)用化需求，算力的提升成為必然。