隨著數(shù)字經(jīng)濟(jì)浪潮席卷全球，數(shù)字化、網(wǎng)絡(luò)化、智能化技術(shù)發(fā)展已經(jīng)上升到國家戰(zhàn)略層面。其中，人工智能作為新的生產(chǎn)力，賦予了數(shù)字經(jīng)濟(jì)發(fā)展新的使命。隨著AI產(chǎn)業(yè)化的深入，算力作為其基礎(chǔ)支撐被推向發(fā)展前沿，提升算力水平、做強(qiáng)算力產(chǎn)業(yè)，已經(jīng)成為全球40多個國家的共識戰(zhàn)略。

在我國，算力發(fā)展格局日趨明朗，各部委從政策、規(guī)劃、布局等維度全面推動算力基礎(chǔ)設(shè)施的建設(shè)，例如國家新一代人工智能創(chuàng)新發(fā)展試驗(yàn)區(qū)建設(shè)工作、國家人工智能創(chuàng)新應(yīng)用先導(dǎo)區(qū)建設(shè)工作以及近日發(fā)布的“東數(shù)西算”工程。在此背景下，以超級計(jì)算中心、人工智能計(jì)算中心等為代表的算力基礎(chǔ)設(shè)施建設(shè)如火如荼。與此同時，AI的場景需求、計(jì)算能力、資源分配等問題日益突出，如何選擇合適的算力驅(qū)動AI產(chǎn)業(yè)高質(zhì)量發(fā)展，亟待探討。

?認(rèn)清多樣算力，分清應(yīng)用場景?

所謂算力，代表了對數(shù)字化信息處理能力的強(qiáng)弱。加快算力基礎(chǔ)設(shè)施建設(shè)的背后，存在著對計(jì)算能力認(rèn)知性知識缺乏、應(yīng)用場景需求模糊等問題，導(dǎo)致供需錯位時有發(fā)生。

拿常見的智能計(jì)算和超級計(jì)算來說，二者在計(jì)量單位、計(jì)算精度及應(yīng)用場景上就有很大差異。

中國計(jì)算機(jī)學(xué)會高性能計(jì)算專業(yè)委員會秘書長張?jiān)迫赋?#xff0c;目前的超級計(jì)算中心和智能計(jì)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(diǎn)運(yùn)算能力），而一些智能計(jì)算機(jī)的單位應(yīng)該是“OPS”（即每秒操作次數(shù)）。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(guān)于智能計(jì)算1000P算力超過目前世界最強(qiáng)超算算力的報道，只能成為專家笑談。

同時，超算與智能計(jì)算的算力精度存在著巨大差異。超算為雙精度浮點(diǎn)運(yùn)算，智能計(jì)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(shù)值算力差距大約為2.3倍。當(dāng)然兩者的計(jì)算能力不是簡單的量數(shù)差距，受到精度影響，多數(shù)智能計(jì)算機(jī)并不具備高精度數(shù)值計(jì)算能力，這也限制其在AI計(jì)算之外的應(yīng)用場景使用。而超算作為一種通用算力，高精度計(jì)算能力更強(qiáng)，應(yīng)用范圍更廣。

?定位自身需求，精準(zhǔn)選擇適配算力?

數(shù)字經(jīng)濟(jì)發(fā)展推動下，我國算力產(chǎn)業(yè)建設(shè)處于快速起步階段。但與世界上計(jì)算產(chǎn)業(yè)成熟、算力水平領(lǐng)先的國家相比，現(xiàn)階段我國算力產(chǎn)業(yè)缺乏整體布局，算力與數(shù)字產(chǎn)業(yè)的供需結(jié)構(gòu)仍面臨模式粗放的問題。

要合理利用算力為AI產(chǎn)業(yè)騰飛插上翅膀，要在正確認(rèn)識算力的基礎(chǔ)上，結(jié)合自身發(fā)展需求，對算力的應(yīng)用場景有著明確清晰的認(rèn)識。

對于不同的區(qū)域而言，如果目標(biāo)是希望建設(shè)成為科學(xué)創(chuàng)新高地，支撐多產(chǎn)業(yè)發(fā)展，那么超算算力是首選。超算既可以廣泛應(yīng)用于科學(xué)計(jì)算、能源、氣象、工程仿真等傳統(tǒng)領(lǐng)域，也可以用于生物基因、智慧城市、人工智能等新興領(lǐng)域，可全力支撐基礎(chǔ)科學(xué)領(lǐng)域及新興產(chǎn)業(yè)發(fā)展。例如在醫(yī)療領(lǐng)域，科學(xué)家使用分子對接技術(shù)，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(fā)展的大環(huán)境下，如果只是希望用于支持專一的人工智能應(yīng)用場景，選擇相對造價低、專用性強(qiáng)的人工智能算力設(shè)施無可厚非。當(dāng)然，這里也需要注意，即使是人工智能領(lǐng)域，也分為圖像分類、自然語言處理及強(qiáng)化學(xué)習(xí)等八大應(yīng)用場景，不同的應(yīng)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(jì)算能力即可，而涉及到人工智能更關(guān)鍵的訓(xùn)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(qū)域算力中心的規(guī)劃應(yīng)深入考量當(dāng)?shù)禺a(chǎn)業(yè)發(fā)展需求，匹配契合度更高的算力供給模式，方可打造高質(zhì)量、可持續(xù)發(fā)展的算力產(chǎn)業(yè)體系。

????

現(xiàn)在，在「知乎」也能找到我們了

進(jìn)入知乎首頁搜索「PaperWeekly」

點(diǎn)擊「關(guān)注」訂閱我們的專欄吧

關(guān)于PaperWeekly

PaperWeekly 是一個推薦、解讀、討論、報道人工智能前沿論文成果的學(xué)術(shù)平臺。如果你研究或從事 AI 領(lǐng)域，歡迎在公眾號后臺點(diǎn)擊「交流群」，小助手將把你帶入 PaperWeekly 的交流群里。

總結(jié)

以上是生活随笔為你收集整理的AI 时代，如何布局算力基础设施的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。