- 综合排序
- 最热优先
- 最新优先
- 来自专栏产品经理的人工智能学习库
算力 – computation
文章目录 人工智能里的算力是什么？ 在普通电脑中，CPU就提供了算力帮助电脑快速运行。玩游戏的时候需要显卡提供算力，帮助电脑快速处理图形。 而在 人工智能中，需要有类似CPU和GPU的硬件来提供算力，帮助算法快速运算出结果。 之前在算法里讲过，在制造木桌的过程中，工厂的流水线就是算法。 在那个例子中，工厂中的机器就像算力，机器越好越先进，制造的过程就越快。 ? 算力越大，速度越快 维基百科版本 Techpedia版本 算力是使用计算机技术完成给定目标导向任务的过程。 算力可以包括软件和硬件系统的设计和开发，用于广泛的目的 – 通常构建，处理和管理任何类型的信息 – 以帮助追求科学研究，制作智能系统，以及创建和使用不同的媒体娱乐和交流。 查看详情 维基百科版本 算力是使用计算机的任何活动。它包括开发硬件 和软件，以及使用计算机来管理和处理信息，进行交流和娱乐。算力是现代工业技术的一个至关重要的组成部分。
2.6K30发布于 2019-12-18 - 来自专栏大语言模型，算力共享
算力共享：环形结构的算力分配策略
目录算力共享：环形结构的算力分配策略方法签名方法实现注意事项nodes.sort(key=lambda x: (x[1].memory, x[0]), reverse=True)end = round (start + (node[1].memory / total_memory), 5)算力共享：环形结构的算力分配策略这段代码定义了一个名为RingMemoryWeightedPartitioningStrategy
99220编辑于 2024-07-26 - 来自专栏科技云报道
算力之后，“存力”上位
当算力芯片的摩尔定律逐渐逼近物理极限，存力开始从幕后走向台前，成为AI领域下一个关键赛点。 长期以来，伴随企业数字化转型所建设的“烟囱式”AI基础设施各自为战，数据奔流，价值却困于“堰塞湖”。 存力中心作为新型的数据基础设施，正成为AI时代数据流通和融合应用的破题关键。 AI时代的 “数据决定论” AI技术的发展离不开三大要素：数据、算法和算力。 构建AI时代新型 “数据粮仓” 与算力聚焦在“算”不同，数据存力聚焦在“数”和“存”，是数据生产要素处理的综合能力体现，肩负着为数字经济各种场景提供源源不断的“生产资料”的使命。 存力中心围绕数据汇聚、存储、治理、开发、利用、供给等数据全生命周期流程，完成从数据资源到智能价值的高效转化，其不仅承载着大规模数据的存储需求，也对高效数据处理、分析、挖掘等技术领域起到支撑作用，推动从分散的小规模数据向规模化 将目光投向更长远，新型AI存储很可能是撬动人工智能时代杠杆的另一个支点，“以存强算”“以数助算”亦是弯道超车的重要落点。当AI产业具备扎实的存力底座，才能登高远眺，看见AI时代最美的风景。
42600编辑于 2025-06-19 - 来自专栏科技云报道
要算力更要“算利”，“精装算力”触发大模型产业新变局？
面对如此巨大的算力需求，企业如何在平衡算力与能耗开支的前提下，高效地利用和管理算力资源，是实现降本增效的重要命题。这其中，对算力基础设施和软件平台的精细化运营管理成为破题的关键。 大模型对算力的需求是显而易见的，但更关键的点可能在于能否把算力更高效地挖掘出来。在不同的阶段，企业对于算力需求也不尽相同。 《中国算力发展观察报告》显示，有些算力中心整体算力利用率不足30%，大量的算力资源在沉睡中等待被唤醒，算力供需矛盾凸显。 这种演进使智能算力变得不可或缺，且不再局限于简单的算力叠加或升级，而是在多元重构驱动下实现算力的极致拓展与跃迁。 在“增效”方面，以某三甲医院为例，在引入宁畅算力栈后，该医院的医学影像处理与分析的速度和精度得到显著提升，医学影像处理速度相较于之前提升688%，效率提升7倍，帮助医生更快地识别病变区域，提高了诊断效率
86100编辑于 2025-03-04 - 来自专栏ADAS性能优化
生存VS算力
英國「金融時報」報導，鑒於美國近期祭出制裁來壓制中國電腦運算能力，中國科技企業阿里巴巴和壁仞科技為了避免受制裁，正將各自最先進晶片的設計微調，以降低運算處理速度。 華府10月宣布的制裁措施，禁止任何運算能力超過一定門檻的半導體產品出貨至中國除非得到许可。這打亂了上述中國科技企業的發展計畫。 但中國工程師表示，要判斷哪些晶片產品不受制裁並不簡單，因為華府對於如何計算這個速率沒有清楚規範。 根據研究集團伯恩斯坦（Bernstein）計算，從壁仞官方網站存檔紀錄來看，在美國宣布制裁之前，壁仞首款處理器BR100的規格算出傳輸率是640 GB/s，超過限制門檻；但根據壁仞官網目前發布的BR100 半導體研究集團SemiAnalysis首席分析師巴特爾（Dylan Patel）最先注意到壁仞修改BR100規格。他並指出，壁仞嘗試藉由讓晶片局部失去功能，來減緩處理器的速度。
1.2K20编辑于 2022-12-20 - 来自专栏运维开发王义杰
函数算力计算
对于一个函数消耗的算力，我们通常用它的运行时间来衡量，例如在基准测试中。你可以测量一个函数运行一次（或者多次）所需要的时间，然后用这个时间来比较不同函数或者同一个函数的不同实现。 然而，这种方法并不能直接测量一个函数消耗的CPU算力。为了获得这种信息，你可能需要使用一种叫做CPU profiling的技术，它可以测量程序在CPU上花费的时间。Go的pprof包提供了这种功能。 一般来说，更复杂的性能分析和优化可能需要更深入的知识和技术，包括对CPU架构、内存层次结构、并发编程等方面的理解。
74510编辑于 2023-08-16 - 来自专栏大语言模型，算力共享
算力服务标识封装
为了解决这一问题，算力服务标识封装技术应运而生，旨在实现算力服务与IP层的解耦，提升算力服务的灵活性和可扩展性。 这个overlay层用于封装算力服务标识，使得算力服务可以在不改变现有IP网络架构的情况下独立部署和管理。 算力服务标识：在overlay层中封装的算力服务标识是区分不同算力服务的唯一标识。 IP层解耦：通过算力服务标识封装，算力服务的路由和管理不再依赖于IP层。这意味着网络中间转发节点在转发数据时，无需识别算力服务标识，仅做普通路由转发即可。 可扩展性：随着算力服务的发展，可以通过增加新的算力服务标识来扩展网络功能，而无需改变现有网络架构。兼容性：算力服务标识封装技术可以与现有网络架构兼容，实现平滑过渡。 数据中心网络：在数据中心网络中，算力服务标识封装技术可以提升数据中心的资源利用率和服务质量。算力服务标识封装技术是一种实现算力服务与IP层解耦的有效手段。
48820编辑于 2024-07-28 - 来自专栏鲜枣课堂
世界算力简史（下）
直到1985年7月，英特尔公司终于推出了自己姗姗来迟的32位处理器——80386。 这款处理器迎合了兼容机的需求，获得了巨大的成功。 埃里克·施密特 云计算的本质，是把零散的物理算力资源变成灵活的虚拟算力资源，配合分布式架构，提供理论上无限的算力服务。 算力趋势 2010年至今，算力发展出现两个显著趋势。 一，泛在化。 各个行业对算力有着不同的需求。于是，算力逐渐开始细分，分为通用算力、超算算力、智能算力。 不同的算力需求，也使得算力芯片产生了不同的形态。 除了传统的CPU和GPU之外，NPU、DPU等算力单元开始出现，并成为大众关注的焦点。 在高性能计算上，算力集群成为超算和智算的新宠。 我们对算力的需求，还在疯狂增长。 在摩尔定律逐渐走向瓶颈的前提下，我们该如何实现算力的倍增？以量子计算为代表的新型算力，是否会全面崛起？ 就让时间来告诉我们答案吧！ —— 全文完 ——
67120编辑于 2023-08-21 - 来自专栏软硬件融合
算力芯片，如何突围？
作为常年从事计算机算力芯片相关工作的我，今天就从算力芯片这个视角出发，谈谈对国内算力芯片如何实现突围的个人的一些看法。 据中国汽车工业协会整理的海关总署数据显示，2023年上半年，汽车整车出口234.1万辆，同比增长76.9%；1～7月，汽车出口总值3837.3亿元，增长118.5%。 核心的原因在于，这是目前的GPU计算集群所能支撑的算力上限： 一方面，单芯片算力已经瓶颈，算力增长极度缓慢。 可以在工艺落后1-2代的情况下，实现单个芯片的算力更优。 方法二，算力网络。通过算力网络、东数西算，实现跨集群的算力调度和算力协同，可以实现算力资源的高效利用。 方法三，智能网联。 超异构计算时代的操作系统架构初探 异构计算面临的挑战和未来发展趋势 汽车芯片技术趋势分析：未来5年，单芯片算力突破20000 TOPS 为什么要从“软硬件协同”走向“软硬件融合”？
71320编辑于 2023-11-16 - 来自专栏软硬件融合
算力网络系列文章（二）：从云计算到算力网络
编者按 算力网络，对行业来说，是“整合”还是“分工”？ 一直以来，我都认为算力网络是行业整合的过程，通过算力网络运营商把全国的算力资源统筹到一起，形成高效的统一算力供应。 而在算力网络时代，最主要做的是构建后台算力中心（从数据中心升级到算力中心）和前台算力服务运营解耦分工的新业务模式。 算力中心，专注于算力中心建设，专注于算力的最优性能和最低成本（包括建设成本和运营成本）；同时，还要有非常广阔的算力销售渠道，确保算力的广泛销售，最大限度减少闲置算力资源。 当然，不管业务模式如何变化，一个非常核心的主轴，仍然是算力的提升（单芯片算力和规模数量），和算力利用率的提升（计算资源的池化）。这也就是上一篇文章，我们从微观视角分析了算力提升的三个方法。 3.3 算力生产和算力运营的解耦 在云计算时代，算力供应和运营是一体的，客户是算力需求方。像电商的平台、卖家、买家三方关系一样，算力网络时代，需要实现算力供应和算力运营的解耦： 算力供应商。
2.1K12编辑于 2024-03-27 - 来自专栏鲜枣课堂
世界算力简史（中）
接上集：世界算力简史（上） 在上一篇里，小枣君提到了ENIAC的诞生。 其实，在1945年-1948年，也就是我们中国还处于内战时期时，除了ENIAC诞生外，科技领域还发生了好几件大事。 1964年4月7日，计划成果初现，IBM公司正式发布了六种规格的System/360商用大型主机。 IBM System/360 360，是360度角的意思，表示全方位的服务。 1968年7月，罗伯特·诺伊斯和戈登·摩尔从仙童半导体公司辞职，创立了英特尔（Intel）公司。 最开始，英特尔是做半导体存储器产品的。后来，因为竞争激烈，他们转向处理器方向。 它改变了计算机产业的商业模式，标志着算力不再仅为少数大型企业服务（大型机），而是开始昂首走向了普通家庭和中小企业。 技术蓄力 除了处理器之外，计算机存储设备和网络技术也有显著进步。 未完待续…… 敬请期待——《世界算力简史（下）》 参考文献： 1、《计算机的发展历史汇总》，网络； 2、《算力发展简史》， 庐山真容； 3、《世界上第一台个人电脑是哪台？》
74120编辑于 2023-08-21 - 来自专栏SDNLAB
“东数西算”培育壮大算力经济
“东数西算”将为我国建设一张算力大网，又可成为算力网络。 我国对算力网络早有布局。 2021年7月，工信部印发《新型数据中心发展三年行动计划(2021-2023年)》，结合数据中心产业现状和发展趋势，确定了“统筹协调，均衡有序；需求牵引，深化协同；分类引导，互促互补；创新驱动，产业升级 ，包括《中国联通算力网络白皮书2019》、《算力感知网络技术白皮书2019》、《中国通信学会算力网络前言报告2020》、《多样性算力技术愿景白皮书2021》、《中国算力发展指数白皮书2021》、《中国移动算力网络白皮书 首先，虽然产生的数据量极大，但是缺少有效的数据，而且各个群体、区域间存在数字鸿沟，如何处理和分析这些数据是一大挑战；其次，“东数西算”是推动我国的数字经济发展的重要战略举措，其中牵扯到大量的产业布局，然而当下产业发展的主旋律偏重于面向消费需求演化 在产学研层面，首先需要梳理数智化转型时代的需求，不仅仅分析用户消费侧的需求，同时也应明晰算力网络作为国家新基建在建设过程中的技术需求；其次科研工作者以需求为导向，在国产自主的高科技力量基础上，创新拔尖，
1.7K30编辑于 2022-04-29 - 来自专栏Python项目实战
云端算力调度算法研究：算力不是不够，是你不会“分”
云端算力调度算法研究：算力不是不够，是你不会“分”大家好，我是Echo_Wish。今天想跟你聊一个看起来很高大上、但本质特别接地气的话题——云端算力调度算法。 很多人一提算力调度，第一反应是：“那不是云厂商、Kubernetes、调度器干的事吗？跟我有啥关系？”但我可以很负责任地说一句：你系统慢、成本高、资源利用率低，90%跟算力调度有关。 一、先说一句大实话：云端算力，本质是“抢座位”我们把云端算力抽象一下，其实特别像：你有一堆座位（CPU、内存、GPU、IO）一堆人要坐（任务、Pod、作业）每个人要求不一样：有人要靠窗（低延迟）有人要连坐 二、云端算力调度，调的到底是什么？别被“算力”这两个字骗了，它不只是CPU。 2️⃣冷启动与预热容器拉镜像GPU初始化JVM启动很多时候：不是没算力，是算力“没热身”。3️⃣异构算力调度现在的云，不只有CPU：GPUNPUFPGA调度策略必须知道：“这活，谁干最合适。”
25910编辑于 2025-12-30 - 来自专栏智能相对论
算力形态进化后，AI超算能解开数据科学团队的算力桎梏吗？
文|智能相对论 作者|叶远风 对CT图像分析，分割出结节； 对结节进行定量定性分析； 对随访病人记录其结节在时间上的变化，形成动态跟踪； 对各类信息综合考量，判断结节类型； 甚至，自动生成报告…… 找寻 几乎所有AI场景对算力的需求都在加速膨胀，过去一些年，市面上能够提供给数据科学团队的算力形态，在一定的条件下都未必能很好地满足需要，尤其是主流的基于CPU的庞大数据中心，在计算能力上离支撑快速迭代要求的算力水准还有较大差距 开篇的北京AI创新企业能走下来，除了团队在美国积累了一系列经验等原因，恰当的算力供给也不可忽视，其命名为σ-Discover Lung的智能肺结节分析系统的开发，采用了来自NVIDIA的DGX Station 而在具体场景中，很多组织也在通过AI超算获得算力。 此外，由于台式PC式的产品形态，在企业办公室、实验室、科研机构，甚至在家中工作的数据科学团队都能很容易通过AI超算配置自己的人工智能数据中心，进行深度神经网络训练、推理与高级分析等计算密集型AI探索。
1.4K30发布于 2021-07-22 - 来自专栏鲜枣课堂
世界算力简史（上）
█ 从结绳记事到阿拉伯数字：算力的萌芽 ENIAC是一个里程碑。它将人类算力发展史分为了前后两个部分。 在继续下半部分之前，我们还是先来回顾一下上半部分的历程。 从远古时期开始，人类就掌握了算力。 而完成整个计算过程的能力，就是算力（Computing Power）。 动物也有大脑，也有算力，但是远远不如我们强劲。 仅仅依靠大脑这个“原生”算力工具，不太够用。即便是用上手指、脚趾，也不行。所以，我们开始借助外部算力工具。 最早期，我们使用的外部算力工具是草绳、石头，也就是所谓“结绳记事”。 动力机械崛起，开始取代手工劳动，成为主要生产力。算力工具，也开始向更先进的机械化方向演进。 算力工具想要机械化，首先要解决信息表达方式的问题。 巴贝奇把这种新的设计叫做“分析机”。 “分析机”和第二台差分机一样，最终未能制造成功。
97120编辑于 2023-08-21 - 来自专栏云头条
算力服务哪家强？
数字技术正在融入生产生活的每一个环节，算力成为数字经济时代的新生产力，算力的价值正在超越资源本身，算力服务应运而生。作为一个新兴产业，我们该如何评估算力服务？ 基于此，报告从技术、市场、资源、生态等视角入手，建立了综合服务价值分析模型，由“产品力、运营力、调度力、生态力”（“POSE”）四大维度，11个一级指标，19个二级指标构成，系统性分析国内算力服务厂商综合价值表现 站在用户视角，算力服务是一项产品，产品力也是算力服务评估模型的核心维度。 算力服务价值评估模型的意义在于，在某种程度上给业界以指引，算力服务厂商可按部就班补足自己的短板；放大到算力产业，众多厂商形成合力，认知到建设算力产业生态的正确“姿势”，形成新型算力服务的潮流。 从整体资源分配角度来看，一站式算力服务平台可以将多方、异构资源整合，实现资源的有效调度、管控，解决由于算力区域间不平衡而导致的供需矛盾问题，一站式完成算力生产、算力聚合、算力调度、算力释放。
2.8K20编辑于 2022-09-08 - 来自专栏星融元
深度剖析：智算与算力网络及算网融合
智能计算融合了计算机科学、数学、物理、统计学等多学科知识，并广泛应用于大数据分析、智能机器人、自动驾驶、智能家居、智能城市、智能医疗、金融科技等多个领域。 算力与网络在形态和协议方面深度融合，推动算力和网络由网随算动到融为一体，最终打破网络和算力基础设施的边界。网络从支持连接算力，演进为感知算力、承载算力，实现网在算中、算在网中。 网络根据业务需求，按需进行算力网络编程，灵活调度泛在的算力资源，协同全网的算力和网络资源，实现算力路由。 INT技术利用INT技术可以实现算力网络的精准感知和监控分析，帮助管理者提高运维效率。 我们可以看出INT技术采用主动推送模式，主动将网络的即时性能、状态、参数等信息收集并记录下来并发送给分析系统。这种方式确保了信息的实时性，有助于运维人员快速响应网络问题。
2.1K10编辑于 2024-08-30 - 来自专栏星融元
Sora催化算力需求暴涨，为泛在算力构建开放网络
AGI行业的快速发展需要大量模型训练和推理，推动算力需求持续高涨。 在实际应用中，并不是所有的计算资源都能被充分利用，在计算、数据处理等过程中，大量算力被“闲置”，此时可以考虑泛在算力，从计算、存储和网络服务三个方面提高算力利用率。 泛在算力需要稳定的网络来连接各种计算资源，开放网络的高带宽、低时延、传输稳定性和可靠性等特性为泛在算力提供更多应用场景和可能性。 为泛在算力构建开放网络，业务覆盖云网络、高性能计算/人工智能、企业数据中心、园区接入等领域，同时支持分布式存储、网络可视等功能，在保障规模、带宽、时延及稳定性等性能的同时极大降低成本。 而非整个视频进行训练，类似于大型语言模型（LLM）中的文本标记，把所有类型的视觉数据转换为统一的表示从而进行大规模的生成式训练，这一过程需要高效处理大量数据，Asterfusion星智AI网络解决方案轻松组建智算中心万卡网络
51210编辑于 2024-02-21 - 来自专栏鲜枣课堂
到底什么是算力？
一个国家的算力规模越大，经济发展水平就越高。 毫不夸张地说，算力已经成为国家竞争力的一个重要组成部分。 █ 算力的分类 算力服务于整个社会。而社会对算力的需求是存在差异的。 不同的算力应用和需求，有着不同的算法。不同的算法，对算力的特性也有不同要求。 如今，我们将算力分为三大类，分别是通用算力、智能算力以及超算算力。 智能计算类：即人工智能计算，包括：机器学习、深度学习、数据分析等。 科学计算和工程计算大家应该都听说过，这些专业科研领域的数据产生量很大，对算力的要求极高。 以油气勘探为例。 其次，建设大量的算力基础设施，例如数据中心等。通过规模化，满足全社会的算力需求。 最后，通过东数西算和算力网络等新的算力服务模式，加强算力的有效利用率，以此适当缓解算力需求增长的压力。 算力类型加速转变 前文介绍算力分类的时候，提到算力分为通用算力、智算算力和超算算力三种类型。 事实上，这种分类是最近几年才开始逐渐形成的。通用算力在算力需求中占主导地位。
1.3K30编辑于 2023-11-17 算力卡是什么
在AI推理、实时渲染、超算模拟等高密度计算场景中，传统算力供给模式正面临架构性瓶颈。算力卡作为一种新型资源抽象层，通过技术手段重构了算力资源的流通逻辑。 通过以下三层抽象实现算力解耦：硬件抽象层（HAL）基于KVM/QEMU虚拟化技术，将异构硬件（FPGA/GPU/TPU）转化为统一的计算单元，支持跨厂商设备的指令集兼容。 计量计费层（MBL）引入Prometheus+Jaeger构建的监控体系，实现毫秒级资源计量，并通过智能合约完成跨域算力结算。 1：分布式AI训练利用AllReduce算法实现多卡梯度同步通过算力卡动态扩展Horovod worker节点训练成本较固定集群降低37%（实测数据）场景2：实时流处理基于Apache Flink构建事件驱动架构突发流量时自动兑换算力卡扩容 TaskManager端到端延迟稳定在200ms以内场景3：超算即服务集成OpenMPI实现跨集群MPI通信通过算力卡组合CPU/GPU异构资源完成百万核规模CFD仿真的按需调度四、性能基准测试对比对ResNet
2K10编辑于 2025-05-20
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号