今天，數字技術開始深入生產生活的每一環節。

然而要推動數字產業的高水平發展，首先要確保擁有處理巨量數據的能力。隨著數據被列入生產要素，算力已成為重要的生產力。根據IDC發布的《2020全球計算力指數評估報告》，一國的算力指數每提高1個百分點，數字經濟和GDP將分別增長3.3‰和1.8‰。

數字經濟對算力的需求日益增大，加之新基建的東風，作為算力基礎設施的數據中心、超算中心、智能計算中心也邁入加速發展階段。工信部數據顯示，截至2020年底，我國在用的數據中心機架超過400萬架，年均增速超30%。

算力"突飛猛進"的同時，市場認知卻嚴重滯后。大多數人仍然對算力相關的概念比較陌生——算力如何衡量？不同算力等級間有何區別？算力與應用場景如何匹配？

1.看算力水平，精度比數字重要

超級計算機被譽為"國之重器"，代表國家算力的最高水準，也是一國科技實力的重要體現。理解超級計算機的峰值算力，首先需要知道算力的計量單位FLOPS（Floating-point operations per second）。

FLOPS表示每秒浮點的運算次數。具體使用時，FLOPS前面還會有一個字母常量，例如TFLOPS、PFLOPS。這個字母T、P代表次數，T代表每秒一萬億次，P代表每秒一千萬億次。

除了運算次數，衡量算力水平時還要看算力精度。例如，1000FLOPS的AI計算中心所提供的的算力，與1000FLOPS超級計算機提供的算力，雖然數值相同，但由于精度不同，實際算力水平也是天壤之別。

根據參與運算數據精度的不同，可把算力分為雙精度算力（64位，FP64）、單精度算力（32位，FP32）、半精度算力（16位，FP16）及整型算力（INT8、INT4）。數字位數越高，意味著精度越高，能夠支持的運算復雜程度就越高，適配的應用場景也就越廣。

超級計算機常被用于需要大量運算的工作，譬如天氣預報、運算化學、分子模型、天體物理模擬等，是為高精尖科學領域提供極致算力的服務。由于這類科學領域的計算對數據精度要求高，因此通常的超算系統以雙精度數值計算為主。

近年來，AI在國內獲得快速發展，為匹配AI訓練與推理的特殊需求，AI超算系統應運而生。不同于傳統超算，AI超算系統大多用于語音、圖片或視頻的處理，浮點計算下的低精度計算甚至整型計算即可滿足相應需求。

要確定不同精度算力的性能，需通過各自領域內的專用測試程序來測試。例如，用于測試超級計算機性能的Linpack測試專注于雙精度算力；用于智能計算機性能的Resnet-50則專注于半精度算力。

如果將參與運算的數據比作貨物，美國服務器，那么雙精度算力就可以看作重型卡車，低精度算力可以看作是小型貨車。重型卡車也可以承擔小型貨車的任務，但功耗過高，會造成浪費。而小型貨車由于自身性能限制，無法承擔重型卡車的任務。

同樣，超級計算機的雙精度算力即可以看作是重型卡車，是一種"通用算力"，美國服務器，可以承擔各種計算任務；而單精度、低精度算力作為小型貨車，則是一種"專用算力"，是專門為AI的訓練和推理設計，無法承擔超級計算機的計算任務。

"超級計算機設計的目標是為做更復雜的計算，所以即使只是做簡單的計算，它的功耗還是很高。"中國科學院計算技術研究所研究員張云泉此前曾對媒體表示，AI計算擅長于推理或訓練，但多數不具備高精度數值計算能力，這也限制其在 AI 計算之外的應用場景使用。

2.尋找"有效算力"

隨著數字化與千行百業的深度結合，每個行業、每個企業都面臨著選擇算力的問題。需要注意的是，僅關注理論層面的最高算力并無太大意義，落到實際應用場景里，還需要綜合考慮用戶應用、成本、算力兼容性等多方面因素，尋找效率更高且經濟適用的有效算力。

在選擇芯片與算力時，首先需明確應用場景和優先任務。在早期規劃階段，地方政府即需要重視區域內的優勢產業、明確數據中心的應用目標。智算中心融合了AI技術與專用算力，在圖像分類、自然語言處理、循環翻譯等場景下較有優勢；超算中心則作為尖端科技領域的強大戰力，服務于行星模擬、分子藥物設計、基因分析等需要高精度數據處理的領域，應用領域更為廣闊。

在追求最佳算力時，成本也是關注重點。一方面，算力基礎設施的建設成本極高，在前期規劃時，需要關注市場邏輯，重視經濟可行性。粵港澳大灣區曾出現過同一地區的兩個智能計算中心，同精度算力單價相差近4倍的情況。為避免出現"高價高數值，低能低性價比"的情況，引入算力中心時應重考察算力單價，關注算力的實際效益。