- 综合排序
- 最热优先
- 最新优先
计算机视觉的 2026：从“堆算力”竞赛，到“省算力”智慧
而人类看世界的方式完全不同 —— 我们会自然聚焦关键区域（比如看书时盯文字、过马路时看车辆），忽略无关信息，用最少的 “注意力成本” 完成感知。
65210编辑于 2026-01-19- 来自专栏数据猿
从算力竞赛到“喂数据”竞赛，谁卡住了大模型的脖子？
他提到基于神经网络的知识存储和检索尚在研究中，但已有良好前景，尤其在推理发展上，探索多级、全局共享的存储模式将显著降低算力消耗。 另一方面，随着DeepSeek等新技术的出现，越来越多的企业开始打破高算力和高投入是发展人工智能唯一方式的认知，转而基于开源基模开发自己的L1甚至L2大模型。 这包括与GPU、AI推理框架、算力调度平台等进行兼容性互认证、平台对接和接口互通。例如，与英伟达的GPU生态进行对接，通过GDS实现框架来访问外部存储的数据。 他指出，企业当前在AI应用上的短板，并非算力不足，而是数据基础设施未跟上AI发展的节奏。随着GPU替代CPU成为核心计算资源，传统的存储架构也亟需变革。 算力已不稀缺，数据成了瓶颈。它不仅决定了模型能看到什么，也决定了它理解到哪里、落地到多深。过去，数据是存储的内容；现在，它是训练的燃料、决策的依据、系统的接口。
21610编辑于 2025-10-21 AI芯片的终局——算力即权力：一场由成本和算力决定的竞赛！
算力即权力：为什么AI芯片至关重要？ 走向未来现代人工智能（AI），特别是深度神经网络（DNN），正在驱动一场技术变革。这场变革的燃料不是数据，而是计算。 这种巨大的算力需求，催生了专门为此优化的计算机硬件——AI芯片。这份分析文章深入探讨AI芯片的本质、它们兴起的经济动因，以及它们为何成为国家竞争的关键战略资产。 第二章：算力经济学——AI算法驱动的架构革新AI芯片的崛起，是计算需求与硬件供给之间矛盾运动的必然结果。深度神经网络的计算需求，与传统CPU的设计理念背道而驰。 结论：算力即权力文件的分析逻辑严密且具有前瞻性。 在AI时代，算力（Compute）不仅是技术问题，更是经济问题和安全问题。对先进算力供应链的控制，在很大程度上等同于对未来AI发展制高点的控制。
79510编辑于 2025-11-06- 来自专栏数字芯片实验室
英伟达和AI算力芯片的军备竞赛
5G？ 英伟达是完完全全有营收和利润支撑的公司，但是也有估价修正的风险，因为公司越大，维持增长速度就越困难。一旦增长率下降，可能会出现大幅抛售。 人工智能的商业可行性尚不确定。
42600编辑于 2024-03-11 - 来自专栏人工智能
🌍 算力即权力？解析AI竞赛背后的基础设施战争
深度拆解全球AI竞赛背后的“隐形战场”* * * 导言：当算力成为新时代的“石油”2023年ChatGPT的爆发，揭开了AI竞赛的冰山一角：GPT-4训练消耗的算力≈5亿度电，足够支撑一个小国全年用电。 CUDA生态筑墙战场2️⃣：云计算——算力的“血管网络”全球云厂商军备竞赛：微软Azure绑定OpenAI，亚马逊AWS推出自研Trainium芯片关键指标：单位算力成本、网络延迟、GPU集群利用率战场 技术不应只是巨头的游戏，让算力普惠化，才是打破“权力垄断”的关键路径。 Part 5：算力军备竞赛的“暗线”——软件栈战争1. 脑机接口的算力需求Neuralink每秒处理20GB神经信号数据，延迟要求<5ms腾讯AI Lab开发轻量化脑电解码模型，算力需求降低90%2. ：实时动作捕捉+4K渲染需200TFLOPS算力支撑黑科技：腾讯云实时渲染引擎+5G边缘算力调度效果：百万观众直播场景GPU使用率从95%降至60%* * * 未来行动路线图（2025-2030）阶段1
1.1K10编辑于 2025-03-20 东数西算加码智能算力：全国一体化算力网，5 毫秒接入覆盖
如今，5毫秒接入覆盖已从规划落地为现实，六成以上城市实现毫秒级算力触达，这场算力基础设施的变革，正为开发者带来全新的技术实践土壤与产业创新机遇。 国家发改委《关于深入实施“东数西算”工程加快构建全国一体化算力网的实施意见》明确提出，要统筹通用算力、智能算力、超级算力协同计算，到2025年底实现“5ms时延区域算力网”在示范区域初步落地，国家枢纽节点新增算力中智能算力占比显著提升 5毫秒接入背后的算网融合创新5毫秒，看似短暂的时间维度，却是全国一体化算力网技术能力的集中体现。 例如青海建成的绿色算力网，通过“全光运力+绿色智算”双引擎，实现省内及区域5毫秒算力协同，核心器件100%国产化，传输带宽较传统干线提升4倍。 以往需要部署本地算力集群的企业，如今可直接调用全国一体化算力网的智能算力资源，通过5毫秒级接入实现实时推理，大幅降低研发成本。
76310编辑于 2026-01-04- 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。
2.7K30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 这里使用round函数将结果保留到小数点后5位，以避免浮点数精度问题。 end = round(start + (node[1].memory / total_memory), 5)在这行代码中，end 变量被计算为当前分区应该结束的相对位置，这个位置是基于整个资源池（在这个上下文中是内存 round(..., 5)：最后，使用 round 函数将计算结果四舍五入到小数点后五位。这是为了处理浮点数运算中可能出现的精度问题，并确保分区的结束位置是一个相对精确的值。
1.3K20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。 在训练方面，高性能并行文件系统可以提升大模型训练效率，超大带宽和容量支持超万卡集群无瓶颈扩展，EB级扩展能力适应海量数据，加速卡直通技术使数据从存储到算力“一跳直达”。 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。 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。
55500编辑于 2025-06-19 - 来自专栏边缘计算
5G边缘计算与算力网络（PPT）
在日前召开的“GSMA Thrive·万物生晖——新基建和企业数字化论坛”上，中国联通网络技术研究院首席科学家唐雄燕博士做了《5G边缘计算与算力网络》的演讲。 “在5G发展中，边缘计算是非常能体现5G网络特色的重要方向。”唐雄燕指出，5G呼唤边缘计算主要在于业务低时延、大带宽和数据本地化三大动因。 随着人工智能的发展和算力从云走向边缘和终端，整个算力融入网络的汪洋大海之中，计算和网络将深度融合，云边端算力将全面协同，应用部署匹配计算，网络转发感知计算，网络发展将迈向智能算力网络的新阶段，开启云网融合
2.5K20发布于 2020-07-14 - 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。 所谓“精装算力”，就是依托宁畅定制化与全栈全液能力，以算力栈为交付形态，从用户需求与体验出发，提供全体系软硬协同的精细化算力服务。
1.2K00编辑于 2025-03-04 算力的迷雾
在旧金山，耗资数倍算力训练出来的GPT-5并没有像GPT-4那样带来预期中的、断层式的跃迁。 如果我们仅仅根据GPT-5的表现就断言Scaling Law失效，那是短视的。 如果我们因为Google的股价就盲目乐观，那更是无知的。 同样的算力洪流，却给出了完全不同的答案。 为什么投入了天文数字的算力，Loss曲线（误差）却有时拒绝下降，甚至莫名其妙地发散？ 如果我们只是简单地将其归结为算力不够或数据不够，那就太傲慢了。 在万亿维度的黑暗森林里，我们拿着手电筒（算力），却照不到地图的边界。 这时候，单纯地堆算力，加大Batch Size或学习率，就像是在平原上从走路变成了狂奔。 但这有用吗？ 代价：训练效率极低，算力无法跑满，甚至可能在原地打转。
12410编辑于 2026-07-02- 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 而聽取過阿里巴巴半導體子公司平頭哥相關簡報的人士也透露，平頭哥正在研究如何修改它專為AI工作所設計的最新5奈米製程處理器，且目前考慮的修改方案須交由台積電再進行一次生產測試，意味時程將延遲數個月，且可能多出額外
1.4K20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。
84610编辑于 2023-08-16 英伟达5亿美金投资Firmus，布局算力卡位
它的核心资产，每一样都戳中了当下AI算力的痛点。 关键在于，这种循环交易的背后，有没有真实的算力需求。 再次，全球AI算力竞争越来越激烈，AWS、微软Azure、谷歌Cloud这些巨头，虽然自有算力优先满足内部需求，但也在逐步开放对外算力服务，它们的全球网络和客户资源，对Firmus来说也是不小的威胁。 第一个浪潮是AI大模型的爆发，带来了前所未有的算力荒，IDC预测未来3年，中国智能算力规模增长将超2.5倍，年均复合增速近40%，全球算力需求的缺口还在不断扩大； 第二个浪潮是主权AI的崛起，各国对本土算力的需求越来越迫切 这不是什么短暂的风口，也不是什么资本泡沫，这是全球算力格局定型的开始。英伟达通过绑定这些区域玩家，一边锁定未来几年的芯片出货量，一边构建起以自己为核心的全球算力网络，最终实现对全球AI算力的掌控。
26010编辑于 2026-04-22- 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。 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。 依据规模从大到小，包括：大规模算力中心、小规模边缘算力中心、用户现场算力机柜，以及批量算力终端。 算力需求方。数字化业务需求的各类企业。
2.3K12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。 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。 1973年5月22日，施乐公司PARC研究中心的罗伯特·梅特卡夫（Robert M. Metcalfe）正式提出了“以太网”的设想，并于11月份设计实现。 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？》 ，小盒子，知乎； 4、《电子计算机的发展世代概述》，吴国发，知乎； 5、《IT历史连载-计算机和个人电脑的历史》，网络； 6、维基百科、百度百科；
85720编辑于 2023-08-21 - 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。
60420编辑于 2024-07-28 - 来自专栏鲜枣课堂
世界算力简史（下）
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。 3G/4G/5G移动通信以及光纤宽带的发展，构建了强大的网络，给算力的“移动”创造了条件。 如今，算力不再只待在云端，而是可以下沉到边缘，产生了“云计算-边（边缘计算）-端计算”三层架构。 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 ——
85220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。 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。 5 算力芯片变革的历史机遇 5.1 系统架构创新 一方面是需求牵引，一方面是工艺支撑，两方面的因素，都需要我们在系统架构层次，做更多的创新。 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”？
88020编辑于 2023-11-16
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