随着我们加速迈进数字时代，算力正变得如同电气时代的电力一样重要。以超级计算中心、人工智能计算中心等为代表的算力基础设施建设如火如荼。

但是，在算力“突飞猛进”的同时，市场认知却严重滞后。大多数人仍然对算力相关的概念比较陌生，存在知识偏差，建立算力中心要避开哪些误区?近日，在以“数智创新，算力赋能”为主题的2021算力中心健康发展研讨会上，不少专家提出了自己的观点。

第一，不能忽略算力精度而谈算力大小

超级计算机与智能计算机概念的混淆，使得很多用户并不能将二者分得很清楚。

根据运算精度的不同，可把算力分为双精度算力(64位，FP64)、单精度算力(32位，FP32)、半精度算力(16位，FP16)及整型算力(INT8、INT4)。数字位数越高，意味着精度越高，能够支持的运算复杂程度越高，适配的应用场景也就越广。

超级计算机常被用于需要大量运算的工作，譬如天气预报、运算化学、分子模型、天体物理模拟等，是为高精尖科学领域提供极致算力的服务。由于这类科学领域的计算对数据精度要求高，因此通常的超算系统以双精度数值计算为主。

近年来，AI在国内获得快速发展，为匹配AI训练与推理的需求，一批智能计算中心应运而生。不同于传统超算，AI系统大多用于语音、图片或视频的处理，浮点计算下的低精度计算甚至整型计算即可满足相应需求。例如，1000P OPS的AI计算中心所提供的算力，与1000P FLOPS超级计算机提供的算力，虽然数值相同，但由于精度不同，实际算力水平也是天壤之别。

“混淆传统超级计算与智能计算可能会导致用户或者地方政府的错误决策。”中国科学院计算技术研究所研究员张云泉表示，算力概念的混淆，导致部分区域的建设方向和建设需求错位，而算力精度的混淆也将引起行业混乱。

第二，不能忽视应用偏向而追求算力规模

支撑应用场景，满足算力需求，是算力中心建设的主要目标。

中国工程院院士郑纬民指出，要促进算力健康发展，首先要明确应用场景是什么。不管超算中心还是人工智能中心，一定要有重大的产业应用。

超级计算机的双精度算力可以看作是重型卡车，是一种“通用算力”，是逻辑思维方面的精确计算，可以承担各种计算任务;而单精度、低精度算力作为小型货车，则是一种“专用算力”，是形象思维方面的模糊计算，专门为AI的训练和推理设计。

“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，则没有办法提供普适性的AI服务。”张云泉表示，AI计算擅长于推理或训练，但多数不具备高精度数值计算能力，这也限制其在AI计算之外的应用场景使用。

与会专家表示，算力中心的建设应注重场景应用，同时对主流生态全面兼容，降低开发门槛，有利于吸纳更多应用开发者，实现多方共建，提升整个算力产业链的效率和效益，让算力经济真正发挥效力。

第三，避免盲目投建而忽略经济效益

“智算中心除了概念的混淆，更直接的体现是不同的智算中心之间的价格相差巨大。”以粤港澳大湾区的两家算力约等的智算中心为例，项目A的购买费用约为4亿元，项目B则约为15亿元。与会专家指出，部分智能计算中心存在价格的混乱与虚高，区域在选择的时候，应对智算中心建设费用进行多方对比，同等价格比算力、同等算力比价格，避免花冤枉钱。

第四，AI计算行业需要新标尺

随着算力概念混淆、智算中心价格混乱、应用需求不明等现象的出现，诸多信号已经表明，当下我国智算中心的建设需要加强统筹引导，根据区域产业需要，定向建立智算中心，以保证人工智能算力资源得以健康、可持续发展。

与会专家表示，超算中心的算力衡量标准已经相对明确，智能计算中心需要一个新的标尺来引导以走上健康发展的道路。采用标准程序计算，选择对应的智算中心是捷径。只有形成业界普遍认可的统一标准，做好顶层设计，才能促进算力产业转型升级、良性发展。

关键词： AI计算 数字经济 算力对比 经济效益