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(guó)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(gè)國(guó)家的共識(shí)戰(zhàn)略。

在我國(guó)，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(dòng)算力基礎(chǔ)設(shè)施的建設(shè)，例如國(guó)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(guó)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(jí)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(shí)，AI的場(chǎng)景需求、計(jì)算能力、資源分配等問(wèn)題日益突出，如何選擇合適的算力驅(qū)動(dòng)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(chǎng)景

所謂算力，代表了對(duì)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(duì)計(jì)算能力認(rèn)知性知識(shí)缺乏、應(yīng)用場(chǎng)景需求模糊等問(wèn)題，導(dǎo)致供需錯(cuò)位時(shí)有發(fā)生。

拿常見(jiàn)的智能計(jì)算和超級(jí)計(jì)算來(lái)說(shuō)，二者在計(jì)量單位、計(jì)算精度及應(yīng)用場(chǎng)景上就有很大差異。

中國(guó)計(jì)算機(jī)學(xué)會(huì)高性能計(jì)算專業(yè)委員會(huì)秘書(shū)長(zhǎng)張?jiān)迫�指出，目前的超�?jí)計(jì)算中心和智能計(jì)算中心，雖然都以“P”來(lái)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(gè)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(guò)目前世界最強(qiáng)超算算力的報(bào)道，只能成為專家笑談。

同時(shí)，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(duì)精度要求較低的單精度和半精度。通常情況下兩個(gè)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(jiǎn)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(chǎng)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(dòng)下，我國(guó)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(guó)家相比，現(xiàn)階段我國(guó)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(wèn)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(shí)算力的基礎(chǔ)上，結(jié)合自身發(fā)展需求，對(duì)算力的應(yīng)用場(chǎng)景有著明確清晰的認(rèn)識(shí)。

對(duì)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(duì)接技術(shù)，針對(duì)與埃博拉病毒蛋白V35的對(duì)接、一天完成4000萬(wàn)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(chǎng)景，選擇相對(duì)造價(jià)低、專用性強(qiáng)的人工智能算力設(shè)施無(wú)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(yǔ)言處理及強(qiáng)化學(xué)習(xí)等八大應(yīng)用場(chǎng)景，不同的應(yīng)用場(chǎng)景對(duì)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(chǎng)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。