芯耀
9589
作者：田真
继热力、电力之后，数字经济时代的新型生产力——算力正在加速释放。
小到生活中的每一次人脸识别、视频播放，大到引力波发现、地质勘探、高端制造，都能通过数据“算”出来。
当前，全球算力竞赛进入白热化阶段。美国政府向三星电子、德州仪器、SK海力士、博世、环球晶圆等众多知名芯片企业发放累积达约284亿美元的直接资金激励，这些举措将进一步加强美国本土的芯片制造能力。欧盟通过了《欧洲芯片法案》，计划投入超过430亿欧元用于半导体研发和生产。
与此同时，中国启动了新一轮的“东数西算”工程，计划在全国建设多个算力枢纽节点。这一切的核心，都围绕着一个关键词——算力。
“算力”到底是什么？『制造前沿』一篇文章给你讲明白。
01、什么是算力？
算力（Computing Power）指计算机设备或计算中心处理信息的能力，是硬件（如CPU、GPU）和软件协同执行计算需求的能力。
通俗而言，算力即“计算能力”，表现为对数据进行运算、存储和输出结果的能力。主要通过算力基础设施向社会提供服务。
就像厨师的炒菜速度、快递员的送货效率，算力衡量的是计算系统在单位时间内能够完成的计算量。
我们可以用一个简单的比喻来理解：假设你要做一道复杂的数学题，可能需要10分钟。如果一个计算设备只需1秒就能解决，那么它的算力就远远超过人脑。
在计算机领域，我们通常用FLOPS（每秒浮点运算次数）来衡量算力。1 FLOPS表示每秒钟能进行1次浮点运算。现在的算力规模已经发展到这样的程度：2023年全球顶级超级计算机的算力已经达到每秒百亿亿次浮点运算（EFLOPS）级别。
02、算力衡量，从FLOPS到实际应用
理解算力的度量单位至关重要。
1 EFLOPS = 1000 PFLOPS，1 PFLOPS = 1000 TFLOPS，1 TFLOPS = 1000 GFLOPS。
让我们用具体例子来感受这些抽象数字：一部智能手机的算力大约在1-5 TFLOPS之间，足够流畅运行各种应用和游戏；一款高端游戏显卡可能拥有约80TFLOPS的算力，相当于每秒能完成80万亿次数学运算，支持复杂的3A游戏流畅运行。下面说明可以清晰看到不用应用场景对算力的需求。
●GFLOPS（Giga）：十亿次（10＾9）——主流游戏显卡在此量级
●TFLOPS（Tera）：万亿次（10＾12）——高性能GPU／服务器级CPU
●PFLOPS（Peta）：千万亿次（10＾15）——顶级超算节点／集群
●EFLOPS（Exa）：百亿亿次（10＾18）——当前最前沿超级计算机（如Frontier）
超算“Frontier”，峰值性能突破1EFLOPS，即每秒能完成一百亿亿次运算，这个数字相当于1250万块RTX4090显卡同时工作。
当前最先进的AI训练集群算力已经达到万卡规模，总算力超过100 EFLOPS。这样的人工智能系统能够处理前所未有的复杂任务，从自动驾驶到蛋白质折叠预测。
03、算力类型，通用与专用之分
算力不是单一维度的概念。我们通常将算力分为两大类：通用算力和专用算力。
●通用算力主要由CPU提供，它像是一位“全能型选手”，能够处理各种不同类型的任务，从文档处理到网页浏览。CPU算力的特点是灵活性高，但针对特定任务的效率相对较低。
●专用算力则包括GPU、FPGA和ASIC等。GPU最初是为图形渲染设计的，后来发现其并行处理特性特别适合AI计算和科学模拟。FPGA可以通过编程定制化硬件电路，而ASIC则是为特定算法专门设计的芯片，效率极高但灵活性最低。
这种分工就像建筑工地：CPU是项目经理，负责协调管理；GPU是一支施工队，能够同时进行大量相似作业。
04、算力需求，为何呈现爆发式增长？
我们正经历着算力需求的爆炸式增长。这种增长主要来自三个方向：人工智能、科学研究和日常应用。
人工智能，特别是大模型训练，对算力的需求几乎无止境。综合目前公开测算，GPT-5 单次预训练大约需要 2.4×10⁵～5.0×10⁵ PF-days（PetaFLOPS-days），折算成更直观的单位约为 2.4×10²⁵～4.3×10²⁵ FLOP。
种种迹象表明，由ChatGPT引发的算力军备竞赛已经悄然而至了。
科学研究也日益依赖高性能计算。气候模拟、天体物理学、基因测序等领域都需要巨额算力支持。例如，人类基因组测序在2003年首次完成时耗费了13年和27亿美元，而现在只需几天时间和几百美元，这背后是算力的指数级提升。
即使是日常应用也在消耗更多算力。4K/8K视频处理、虚拟现实、云计算服务等，都在推动算力需求持续攀升。数据显示，全球数据量每年增长约24.4%，而处理这些数据需要相应的算力支持。
05、算力瓶颈，挑战与突破
算力增长面临着多重挑战。物理极限、能耗问题和硬件创新是三个主要瓶颈。
半导体工艺正在接近物理极限。晶体管尺寸已经缩小到几纳米级别，继续微缩面临着量子隧穿效应等物理障碍。芯片制造需要极紫外光刻机等极其复杂和昂贵的设备，技术进步的成本呈指数增长。
能耗问题同样严峻。算力中心已经成为耗电大户，一些大型数据中心的功耗相当于几十万家庭的用电量。据《自然》报道，近日国际能源机构（IEA）发布的一份报告显示，到2030年，随着人工智能（AI）发展，全球数据中心的用电量预计将增加一倍以上。
IEA的报告发现，美国、欧洲和中国的数据中心目前占相关能源消耗的85%。到2030年，在预测增长的消耗中，发展中经济体占约5%，发达经济体占比将超20%。为此，各国正在建设发电厂、升级电网，以满足数据中心未来能源需求。但IEA估计，20%的计划建立的数据中心可能延迟并网。
为突破这些限制，业界正在探索新计算架构：光子计算利用光信号代替电信号进行计算，有望大幅降低能耗；量子计算利用量子叠加态实现并行计算，在特定问题上具有巨大优势；类脑计算模仿人脑的神经网络结构，尝试实现更高能效的计算。
06、算力经济，新时代的石油
算力正在成为数字经济时代的核心生产要素，就像工业时代的石油和电力一样。算力经济已经形成了完整的产业链和价值链。
在算力产业链上游是芯片设计和制造，包括英特尔、英伟达、台积电等公司；中游是算力设备和服务，包括服务器制造商、云计算服务商；下游是算力应用，涵盖各行各业的应用场景。
全球算力市场呈现出中美双雄竞争的格局。美国在芯片设计和架构方面领先，中国则在算力应用和建设速度上有优势。欧盟、日本等也在积极布局，试图在算力竞争中保持竞争力。
各国已经意识到算力的战略价值，纷纷出台政策支持算力发展。算力不仅是经济问题，也关系到国家安全和技术主权。这就是为什么那么多国家将算力发展上升为国家战略的原因。
07、中国算力崛起：全球第二背后的绿色智能革命
我国算力规模总量位居世界第二，上下游产业链逐步健全，算力赋能日益深化。
中国算力产业已迈向高质量、规模化发展的新阶段。到2024年底，我国算力总规模将达到280 EFLOPS，其中智能算力规模达90 EFLOPS，占比32%。预计2025年我国智能算力规模将增长超过40%。
截至2025年6月底，我国在用算力中心标准机架达1085万架，智能算力规模达788 EFLOPS，全国算力中心平均电能利用效率（PUE）降至1.42。
当前，工业和信息化部正按照“点、链、网、面”思路体系化推动算力网络高质量发展，加快构建全国一体化算力网络体系，为经济社会发展提供有力支撑。
目前，我国的数据中心区域分布东多西少，算力需求东强西弱，但自然资源分布优势使得数据中心的能耗效率东低西高。
从区域发展程度来看，中国综合算力呈现“东部引领、中西部崛起”的协同发展态势。省级行政区综合算力指数排名前十的省份分别为：河北省、江苏省、广东省、浙江省、北京市、上海市、内蒙古自治区、山西省、山东省、贵州省。
2022 年 2 月，“东数西算”工程正式全面启动，东部数据将送到西部进行存储和计算，同时在西部建立算力节点，国家算力网络体系将更加完善、区域结构更加合理。
从东部沿海到西部内陆，从绿色电力到智能算力，中国正在构建一个全面贯通、高效协同的算力网络。
人类对算力的追求从未停止。从1945年第一台电子计算机ENIAC（每秒5000次运算）到现在的百亿亿次超级计算机，计算能力提升了近20个数量级。
但真正革命性的变化是：算力正在从一种专业资源转变为普惠性服务。通过云计算，初创公司也能获得与世界500强企业同等级的算力资源。
这开启了一个全新的创新时代，任何人都可以将想法转化为数字现实，唯一限制就是我们想象力的边界。
