AI時代，找准算力發力點

隨著AI產業化的深入，算力作為其基礎支撐被推向發展前沿，提升算力水平、做強算力產業，已經成為全球40多個國家的共識戰略。

在我國，算力發展格局日趨明朗，各部委從政策、規劃、佈局等維度全面推動算力基礎設施的建設，例如國家新一代人工智慧創新發展試驗區建設工作、國家人工智慧創新應用先導區建設工作以及近日釋出的“東數西算”工程。在此背景下，以超級計算中心、人工智慧計算中心等為代表的算力基礎設施建設如火如荼。與此同時，AI的場景需求、計算能力、資源分配等問題日益突出，如何選擇合適的算力驅動AI產業高質量發展，亟待探討。

認清多樣算力，分清應用場景

所謂算力，代表了對數字化資訊處理能力的強弱。加快算力基礎設施建設的背後，存在著對計算能力認知性知識缺乏、應用場景需求模糊等問題，導致供需錯位時有發生。

拿常見的智慧計算和超級計算來說，二者在計量單位、計算精度及應用場景上就有很大差異。

中國計算機學會高效能運算專業委員會秘書長張雲泉指出，目前的超級計算中心和智慧計算中心，雖然都以“P”來作為算力單位，但超算的單位是“FLOPS”（每秒浮點運算能力），而一些智慧計算機的單位應該是“OPS”（即每秒操作次數）。這兩個壓根就是不同的單位，不能直接橫向比較，有些媒體關於智慧計算1000P算力超過目前世界最強超算算力的報導，只能成為專家笑談。

同時，超算與智算的算力精度存在著巨大差異。超算為雙精度浮點運算，智慧計算的算力精度多為對精度要求較低的單精度和半精度。通常情況下兩個相鄰精度的同等數值算力差距大約為2.3倍。當然兩者的計算能力不是簡單的量數差距，受到精度影響，多數智慧計算機並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。而超算作為一種通用算力，高精度計算能力更強，應用範圍更廣。

定位自身需求，精準選擇適配算力

數字經濟發展推動下，我國算力產業建設處於快速起步階段。但與世界上計算產業成熟、算力水平領先的國家相比，現階段我國算力產業缺乏整體佈局，算力與數字產業的供需結構仍面臨模式粗放的問題。

要合理利用算力為AI產業騰飛插上翅膀，要在正確認識算力的基礎上，結合自身發展需求，對算力的應用場景有著明確清晰的認識。

對於不同的區域而言，如果目標是希望建設成為科學創新高地，支撐多產業發展，那麼超算算力是首選。超算既可以廣泛應用於科學計算、能源、氣象、工程模擬等傳統領域，也可以用於生物基因、智慧城市、人工智慧等新興領域，可全力支撐基礎科學領域及新興產業發展。例如在醫療領域，科學家使用分子對接技術，針對與埃博拉病毒蛋白V35的對接、一天完成4000萬分子化合物的抗埃博拉病毒 藥物篩選，這其中就有超算算力的功勞。

在AI快速發展的大環境下，如果只是希望用於支援專一的人工智慧應用場景，選擇相對造價低、專用性強的人工智慧算力設施無可厚非。當然，這裡也需要注意，即使是人工智慧領域，也分為影像分類、自然語言處理及強化學習等八大應用場景，不同的應用場景對算力的要求也不同，一般推理需要半精度或整型計算能力即可，而涉及到人工智慧更關鍵的訓練場景同樣需要單精度及以上的算力。

高精度與低精度，通用與專用，區域算力中心的規劃應主觀上深入考量當地產業發展需求，匹配契合度更高的算力供給模式，方可打造高質量、可持續發展的算力產業體系。