仓井利亚“算力”一词听起来有些生疏，但却离我们很近。今天就让诺德基金小编来为大家科普一下吧~

　　就拿电影特效来说，特效的渲染就离不开算力的支持，而对特效的精细化要求越高所需的算力也就越大。今年的春节档电影《流浪地球2》，在恢宏的叙事场景和出色的画面特效背后，离不开算力支持，电影中的震撼画面，可能一帧就需要超算中心渲染几个小时才能达到理想效果，如果没有超算算力的支持，电影从渲染到搬上银幕，可能需要几年的时间。

　　算力是指设备通过处理数据，实现特定结果输出的计算能力。诺贝尔经济学奖获得者威廉·诺德豪斯在《计算过程》一文中曾提出：“算力是设备根据内部状态的改变，每秒可处理的信息数据量”。

　　其实我们每个人都拥有算力，比如口算、心算和速算等，只是算力有点低，所以我们在复杂计算时，便会借助计算工具来提升算力。从最早的结绳计算、算盘计算，到发展出计算机计算，再进一步演变至现代云计算，可以发现：算力的进步也在推动着社会的发展。

　　在分类上，根据使用设备和提供算力强度的不同，算力可分为基础算力、智能算力和超算算力三大类：

　　基础算力：由基于 CPU 芯片的服务器所提供的算力，主要用于基础通用计算，如;移动计算和物联网等。日常提到的云计算、边缘计算等均属于基础算力。

　　智能算力：基于 GPU、FPGA、ASIC 等 AI 芯片的加速计算平台提供的算力，主要用于人工智能的训练和推理计算，比如语音、图像和视频的处理。

　　超算算力：由超级计算机等高性能计算集群所提供的算力，主要用于尖端科学领域的计算，比如行星模拟、药物分子设计、基因分析等。

　　近年来，诺德基金小编发现，我国智能算力规模占比不断扩大，截至2021年，智能算力占比已经超过50%，成为我国算力快速增长的主要驱动力，而人工智能的训练和推理正是需要大量的智能算力。

　　作为人工智能的核心要素，算力是承载和推动人工智能走向实际应用的决定性力量，人工智能模型的训练和推理都需要大量算力支持，海量算力是大规模训练及生产人工智能模型的前提。

　　以GPT系列模型的迭代为例，从GPT-1到GPT-3的参数量和训练数据集呈现出指数级增长态势，这也提高了对算力的需求。算法模型的发展朝着复杂化和巨量化的趋势演进，这也注定需要更强的算力作为支撑。

　　资料来源：公司官网。注：从 ChatGPT 开始，OpenAI 不再公布模型细节。

　　此外，随着信息化、数字化的持续推进，全球新产生的数据量正在快速增长，海量的数据也需要更强大的算力对其进行处理。

　　随着科技进步和应用场景的扩展，对算力的需求将不断增大，在算力的发展过程中将会涌现哪些机会呢？我们一起拭目以待。

　　本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问。