隨著我們加速邁進數字時代，算力正變得如同電氣時代的電力一樣重要。以超級計算中心、人工智能計算中心等為代表的算力基礎設施建設如火如荼。

但是，在算力“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，存在知識偏差，建立算力中心要避開哪些誤區?近日，在以“數智創新，算力賦能”為主題的2021算力中心健康發展研討會上，不少專家提出了自己的觀點。

第一，不能忽略算力精度而談算力大小

超級計算機與智能計算機概念的混淆，使得很多用戶并不能將二者分得很清楚。

根據運算精度的不同，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訓練與推理的需求，一批智能計算中心應運而生。不同于傳統超算，AI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。例如，1000P OPS的AI計算中心所提供的算力，與1000P FLOPS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。

“混淆傳統超級計算與智能計算可能會導致用戶或者地方政府的錯誤決策。”中國科學院計算技術研究所研究員張云泉表示，算力概念的混淆，導致部分區域的建設方向和建設需求錯位，而算力精度的混淆也將引起行業混亂。

第二，不能忽視應用偏向而追求算力規模

支撐應用場景，滿足算力需求，是算力中心建設的主要目標。

中國工程院院士鄭緯民指出，要促進算力健康發展，首先要明確應用場景是什么。不管超算中心還是人工智能中心，一定要有重大的產業應用。

超級計算機的雙精度算力可以看作是重型卡車，是一種“通用算力”，是邏輯思維方面的精確計算，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”，是形象思維方面的模糊計算，專門為AI的訓練和推理設計。

“如果構建的人工智能計算中心過于‘專’，僅能支持其中一個應用場景，則沒有辦法提供普適性的AI服務。”張云泉表示，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。

與會專家表示，算力中心的建設應注重場景應用，同時對主流生態全面兼容，降低開發門檻，有利于吸納更多應用開發者，實現多方共建，提升整個算力產業鏈的效率和效益，讓算力經濟真正發揮效力。

第三，避免盲目投建而忽略經濟效益

“智算中心除了概念的混淆，更直接的體現是不同的智算中心之間的價格相差巨大。”以粵港澳大灣區的兩家算力約等的智算中心為例，項目A的購買費用約為4億元，項目B則約為15億元。與會專家指出，部分智能計算中心存在價格的混亂與虛高，區域在選擇的時候，應對智算中心建設費用進行多方對比，同等價格比算力、同等算力比價格，避免花冤枉錢。

第四，AI計算行業需要新標尺

隨著算力概念混淆、智算中心價格混亂、應用需求不明等現象的出現，諸多信號已經表明，當下我國智算中心的建設需要加強統籌引導，根據區域產業需要，定向建立智算中心，以保證人工智能算力資源得以健康、可持續發展。

與會專家表示，超算中心的算力衡量標準已經相對明確，智能計算中心需要一個新的標尺來引導以走上健康發展的道路。采用標準程序計算，選擇對應的智算中心是捷徑。只有形成業界普遍認可的統一標準，做好頂層設計，才能促進算力產業轉型升級、良性發展。

關鍵詞： AI計算 數字經濟 算力對比 經濟效益