隨著數字經濟進入新發展階段，算力已成為核心資源之一。據有關資料統計，我國各類算力中心總量超過46萬個，總面積逾1000萬平米，且未來將保持一定概率的增長。

然而，盡管算力這個詞在近年來很“火”，但其背后的含義，卻很少有人真正了解。“算力”受到關注，但背后的技術領域依然小眾、認知門檻高，“如果連算力概念都不了解，那么企業、政府在規劃算力中心時難免吃大虧，云主機，甚至出大事。”

基于這個問題，AI科技評論與某超算中心主任進行了訪談，在本文中討論了算力中心建設的要點，并分析該如何正確理解算力，以及厘清該領域經常被誤會的地方。

1、對立統一

算力中心有多種，大致可分為數據中心、超算中心、智算中心等，而它們都可以用云的形式來提供服務。

其中數據中心在互聯網企業中常用到，用于處理數據密集、通訊密集的事務性任務，比如手機app應用的后臺數據數理。超算中心更偏重于科學計算等計算密集型的任務。最后，智算中心則應用于特定的大規模AI任務。

超算和智算之間更容易被混淆，但要區分它們其實也很簡單，“我們可以把超算看成綜合醫院，把智算看成專科醫院。”綜合醫院、專科醫院都有其存在的價值，并在動態意義上可以互相轉化，由此也暗示超算和智算的對立統一關系。

對立

“很多媒體對算力中心存在許多誤解，甚至都算不上是誤解，很多時候連基本概念都沒有搞清楚。”

近期，某人工智能計算中心宣布建成投運，不少媒體報道指出該智算中心的算力規模達到1000P，“AI算力峰值性能相當于5萬臺高性能計算機。”

專家表示，媒體這種說法并不專業，就像說飛機飛的比100座山還高。“一座山的高度可能是100米，可能是8848米。一臺高性能計算機，可能有10個節點，也可能有10000個節點。”

另外，人們可能會認為，該智能計算中心的算力已經超越了曾獲得超算TOP500榜單第一的富岳（537PFLOPS）。

但實際上，超算采用“FLOPS”即每秒浮點運算數為算力單位，而智能計算的算力單位一般會采用“OPS”即每秒操作次數為算力單位，兩者是完全不同的度量單位。

此外，智能計算的性能結果（單位OPS）通常是基于半精度及整型運算測試（AI基準）得到的，超算的性能結果（單位FLOPS）則是基于雙精度、單精度浮點運算測試（Linpack）得到的。

對于超算和智算之間性能的比較，專家持比較嚴苛的觀點，其表示1000POPS性能可能相當于0 PFLOPS，“這里面涉及到能與不能的問題。具體還要看運算精度，而運算精度最終是影響到可執行的任務類型的。就好比，我們不能說十個牙科診所相當于一個綜合醫院。”

計算機的精度類型包括雙精度、單精度、半精度以及整數類型等，隨著精度減小，其表示的數值范圍依次大幅度降低，同時對應硬件能勝任的任務也越來越聚焦到特定領域。

注釋：【100P雙精度性能超算】和【1000P半精度浮點性能智算】執行任務對比

注釋：不同精度可執行任務對比

“在AI推理、AI訓練、模擬這個維度上，芯片的應用上限由其底層構造所決定，即使采用軟件優化也無法再往上提升。”

此外，有些廠商還會模糊智能計算機的推理性能和訓練性能，或者在同為FLOPS單位的情況下，掩蓋運算精度細節。“比如近期被媒體廣泛宣傳的聲稱達到超算TOP500第五的國外超級計算機，其實更接近于智能計算機，它的性能數值其實也是基于低精度運算得到的。”

統一

由于精度上的限制，使得智能計算機受限為專用算力，一般僅支持單個場景，而無法提供平臺性的服務。比如安防領域擁有海量視頻，智算中心可以只做一個任務即視頻處理，并且做10年乃至20年，它都能表現的很好。“但是，讓智算中心去跑需要運行數萬不同類型軟件的任務，那就是勉為其難了。”

因此，智算中心并不適用于公共服務型的算力中心，而更適用于企業。

超級計算機則是一種通用算力，更加擅長高精度計算，可勝任行星模擬、新材料開發、分子藥物設計、基因分析等科學計算任務，以及能源、氣象、工程仿真、生物基因、智慧城市等。