在万物互联的时代下，数据作为新的生产资料参与价值创造和分配，而转换数据价值的算力则成为驱动经济社会发展和产业变革的基础动力。随着全球竞争格局重构，算力竞争也进入白热化阶段。我国作为全球算力竞争的重要参与方，近年来不断加码推动算力相关技术研发、基础设施建设以及产业生态发展。近日四部委联合发布的“东数西算”战略规划，也是算力发展驰骋的广茂地图。
有数据表明，算力指数平均每提高1点，数字经济和GDP将分别增长3.3‰和1.8‰。因此，算力正成为我国在新发展格局下衡量经济状况的“晴雨表”，以技术逻辑、应用逻辑、市场逻辑等共同构成的算力经济也同步被推向风口，成为关乎国计民生的重要概念。正确认知算力经济，算好用好这本账，变得尤为重要。
认知技术逻辑 警惕数字误区
2020年，国家发改委明确新型基础设施范围，提出建设以数据中心、超级计算中心、智能计算中心为代表的算力基础设施。在此背景下，各区域积极响应政策，争先加大对算力基础设施的建设布局，以期带动区域经济及产业结构的快速迭代发展。而总体算力的数值，则成为大多数区域在算力基础设施建设选择时考量的重要技术指标。但在忽视概念和实际算力的前提下，单一执着于总体算力的数值高低，就会落入数字陷阱。
理性认知技术逻辑，首先要厘清算力的类别、单位等相关概念。尤其要注意，不同类别的算力其度量标准也不统一，如超算和人工智能的算力值都是以P（P为算力计量单位，代表百亿亿次）来表达，但此P非彼P差距甚远。超算的算力单位是“FLOPS”——每秒浮点运算能力，而一些智能计算的单位是“OPS”——每秒操作次数，两者完全是不同的单位度量。此外，算力精度标准的不同，也会导致算力数值出现迷惑性。举个例子，在整数类型（INT8）算力标准下的智能计算100P算力，大约等同于双精度（FP64）标准下的超级计算6.4P算力。而在某些特定条件下，超级计算的几十P算力甚至要比智能计算的上千P算力更强劲。如不统一度量标准及单位，直接横向比较不同维度的算力，就会缺失技术逻辑，陷入数字陷阱。
认知应用逻辑 警惕偏科误区
支撑应用场景，满足计算需求，是算力基础设施建设的主要目标。能够支撑的应用越多，则发挥的作用就越大。所以，算力基础设施的建设应讲究全面均衡，做到多元并包，既能支持市面主流应用，又能为更多场景服务。
就当下处在风口的人工智能而言，目前主流的八个应用场景分别为图像分类、轻量对象检测、重量对象检测、循环翻译、非循环翻译、NLP（自然语言处理）、推荐机制、强化学习。这些场景对于算力的要求也有区分，如强化学习场景需要较高的算力支撑，而图像分类场景则对算力没有过高的要求。如果构建的人工智能计算中心过于“专”，仅能支持其中一个应用场景，是没有办法提供普适性的AI服务。即便其在某一细分应用场景独树一帜，也不能遮掩其他场景无法支持的缺陷。
所以，真正的算力经济需要开放架构全面支持主流框架，充分提供多样化的算力。同时对主流生态全面兼容，拉低开发门槛，有利于吸纳更多应用开发者接入，实现多方共建，提升整个算力产业链效率和效益，让算力经济真正发挥效力。
认知市场逻辑 警惕价格误区
算力基础设施的建设往往是大型项目，投入动辄过亿元。因此，算力效益就需纳入考量范围，不能只依据纸面数据盲目投建，忽略市场逻辑。以粤港澳大湾区的两家算力约等的计算中心项目为例，项目A的整体算力为1170Pops，造价约为5亿元；而使用同等精度芯片的项目B整体算力为2000Pops，性能略超前者，造价却达到了惊人的近30亿元。换算下来，两者每亿元算力分别为234Pops、66.7Pops，相差350%，非常惊人。以此为基准，推算每1000Pops的价格，项目A的购买费用约为4亿元，项目B则约为15亿元，而15亿元的造价远超过了业界领头企业英伟达提供同等项目服务的价格。所以在建设前期，应该着重考察算力单价，避免“高价高数值，低能低性价比”的情况出现。另一方面，制定业界权威的算力定价标准也是避免同等算力产品差价过于悬殊的有效途径。
此外，数据中心因其惊人的能耗费用，被称为既是“比特”产业又是“瓦特”产业。在碳达峰、碳中和的背景下，采用绿色数据中心实属当务之急。除聚焦于PUE值的降低，也更关注数据中心的算力算效以及可再生能源的替代。
当前，我国数字经济发展正处在全面提速阶段，我们也正在迈入一个以算力为底座的智能时代。合力规划算力经济，明晰其技术逻辑、应用逻辑、市场逻辑等，会为数字经济发展注入新的活力。
来源：网络
