人們總是用 " 計(jì)量單位 " 來(lái)形容對(duì)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(jìn)化到毫米級(jí);而汽車(chē)芯片的算力也由個(gè)位數(shù)放大到十位、百位甚至上千 TOPS。

今年 9 月份，英偉達(dá)、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(dá) 2000TOPS，后者通過(guò)加速器的擴(kuò)展形式也能提供平級(jí)算力水平。

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

對(duì)比當(dāng)前 SoC 的算力水平，英偉達(dá) 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(jí)，似乎成了發(fā)展自動(dòng)駕駛乃至無(wú)人汽車(chē)的必然趨勢(shì)。

21世紀(jì)，算力正在像水、電一樣成為基礎(chǔ)設(shè)施，是數(shù)字經(jīng)濟(jì)發(fā)展中的核心動(dòng)能。在這場(chǎng)技術(shù)創(chuàng)新的角逐賽中，中國(guó)已經(jīng)拿出了數(shù)一數(shù)二的成績(jī)：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(shì)突出。

圍繞這個(gè)新世紀(jì)的技術(shù)革命，一場(chǎng)大幕早已拉開(kāi)。

這幾年，全民網(wǎng)購(gòu)鮮少宕機(jī)，大型游戲不再卡頓，自動(dòng)駕駛和機(jī)器人甚至得以逐步落地，背后都離不開(kāi)一項(xiàng)能力的進(jìn)步——算力。

算力，可以簡(jiǎn)單地理解為計(jì)算能力(Computer Power)。

原始時(shí)代，人們使用口算、心算等無(wú)工具輔助的計(jì)算方式，大腦就相當(dāng)于一個(gè)算力引擎。后來(lái)，結(jié)繩計(jì)算、算盤(pán)等輔助計(jì)算工具的應(yīng)用，讓人們的計(jì)算能力進(jìn)一步向前。

1946年，世界上第一臺(tái)數(shù)字式電子計(jì)算機(jī)ENIAC誕生，標(biāo)志著算力計(jì)算第一次步入電子時(shí)代。不過(guò)，由于當(dāng)時(shí)的技術(shù)還不夠發(fā)達(dá)，它由18000多個(gè)電子管組成，占地面積有幾間教室那么大，每秒鐘只可進(jìn)行5000次計(jì)算。

直到半導(dǎo)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(duì)半導(dǎo)體創(chuàng)新提出過(guò)一個(gè)理論，即芯片中集成的晶體管數(shù)量大約每24個(gè)月翻一番，同時(shí)價(jià)格下降為之前的一半。后來(lái)，這個(gè)周期被縮短至18個(gè)月。

這一定律被用來(lái)揭示信息技術(shù)進(jìn)步的速度。很長(zhǎng)一段時(shí)間內(nèi)，依托于摩爾定律，計(jì)算機(jī)的計(jì)算能力以可預(yù)見(jiàn)的速度進(jìn)步著。

就如人們所看到的，芯片制程工藝的進(jìn)步，讓計(jì)算機(jī)越造越小、越來(lái)越輕薄，算力也越來(lái)越強(qiáng)。如今，一臺(tái)頂配的筆記本電腦，每秒運(yùn)算次數(shù)已達(dá)到兩億五千萬(wàn)次到三億五千萬(wàn)次。

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

整個(gè)社會(huì)都在迎接強(qiáng)烈的算力需要。網(wǎng)購(gòu)、追劇、打游戲，甚至是打車(chē)、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(kāi)始急速攀升。

當(dāng)然，不同的需求背后，所需要的算力類(lèi)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(jiǎn)單來(lái)說(shuō)，滿(mǎn)足網(wǎng)購(gòu)、打游戲這類(lèi)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(xùn)練和推理計(jì)算，常見(jiàn)如語(yǔ)音、圖像和視頻的處理;超算算力，通俗理解即超級(jí)計(jì)算機(jī)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(jìn)行計(jì)算，也就是GPU。隨著人工智能、自動(dòng)駕駛等超級(jí)應(yīng)用的持續(xù)發(fā)展，我國(guó)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(zhǎng)規(guī)模遠(yuǎn)超通用算力。據(jù)中國(guó)信通院預(yù)測(cè)，到2023年，智能算力在總算力中的比重將超過(guò)70%，發(fā)揮核心拉動(dòng)作用。

管理咨詢(xún)公司羅蘭貝格也提到，從2018年到2030年，自動(dòng)駕駛對(duì)算力的需求將增加390倍，智慧工廠需求將增長(zhǎng)110倍，主要國(guó)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(diǎn)運(yùn)算數(shù))，增加20倍，到2035年將達(dá)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(yù)為數(shù)字經(jīng)濟(jì)時(shí)代發(fā)展的三駕馬車(chē)。這其中，數(shù)據(jù)是生產(chǎn)資料，海量?jī)?yōu)質(zhì)數(shù)據(jù)是驅(qū)動(dòng)算法持續(xù)演進(jìn)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(yàn)為數(shù)據(jù)處理與算法訓(xùn)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(dòng)算力需求飛速增長(zhǎng)，算力已成為人工智能產(chǎn)業(yè)化進(jìn)一步發(fā)展的關(guān)鍵。

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

不同于傳統(tǒng)算力，AI 算力為了支撐 AI 模型的開(kāi)發(fā)、訓(xùn)練和推理，對(duì)并行處理能力的要求特別高，也因此需要專(zhuān)門(mén)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(jì)量的速度爆發(fā)，據(jù) IDC 公布的《數(shù)據(jù)時(shí)代 2025》顯示，從 2016 年到 2025 年全球總數(shù)據(jù)量將會(huì)增長(zhǎng) 10 倍，達(dá)到 163ZB。面對(duì)如此龐大的數(shù)據(jù)量，模型計(jì)算將變得更加復(fù)雜，對(duì)算力的需求也在不斷提高。

這一現(xiàn)狀，不斷驅(qū)動(dòng)著人工智能算力的增加。

據(jù) Open AI 的一份報(bào)告顯示，從 2012 到 2019 年，人工智能訓(xùn)練集增長(zhǎng)將近 30 萬(wàn)倍，每 3.43 個(gè)月翻一番，比摩爾定律快 25000 倍。但是，如果沒(méi)有足夠的算力支撐，就會(huì)有大把的數(shù)據(jù)被浪費(fèi)掉，算法也不能進(jìn)入到 AI 產(chǎn)業(yè)的生產(chǎn)力階段。另?yè)?jù)華為《智能世界 2030》報(bào)告顯示，預(yù)計(jì) 2030 年全球通用算力將增長(zhǎng) 10 倍到 3.3ZFLOPS，人工智能算力將增長(zhǎng) 500 倍超過(guò) 100ZFLOPS。

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

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