- 综合排序
- 最热优先
- 最新优先
- 来自专栏量子位
AIGC算力玩家现状：爆单与挑战并行，洞察趋势更为关键 | AIGC算力沙龙
AIGC算力更行业内的动向，现在曝光了。 新款服务器还没发布便已爆单； 云计算厂商不单求N卡，同样关注国产厂商； 相比预训练而言，推理需求如今更加被关注、热议。 在量子位智库最新举办的AIGC算力沙龙上，算力领域数月来备受关注的趋势发展、行业挑战及最新动向，都有了更加明确的解读。 来自国产芯片厂商、服务器厂商、云厂商以及加速方案明星玩家，分别从各自角度出发带来分享，由此构成对AIGC算力产业更加全面的认知。 他们分别是昆仑芯、天数智芯、联想集团、首都在线和潞晨科技。 整体来说，能够提供给客户或智算中心的面向产品的方案也会更完善。从这个角度来说，布局的重要性就不必多说了。 新范式出现了吗？ 量子位：AIGC趋势推动算力厂商有哪些范式、模式的创新？ 算力租赁会如何发展？ 量子位：最近算力租赁这个概念很火，但这不是个新概念了。所以AIGC时代下，算力租赁服务有发生哪些变化？长期来看算力租赁会一直由产业去推动？还是发展成为一种公共服务？
72020编辑于 2023-09-08 - 来自专栏量子位
寻找AIGC算力TOP玩家！中国AIGC算力产业全景报告案例和评选征集启动
所以为了系统性解释这种机遇和红利，提供全景式框架认知，量子位智库《中国AIGC算力产业全景报告》正式启动，同时为了更完整分享代表性案例和方法论，同时启动《最值得关注的AIGC算力玩家》征集。 在《中国AIGC算力产业全景报告》和《最值得关注的AIGC算力玩家》中，我们将基于AIGC浪潮所引发的底层算力产业变革，与大家一同分享算力产业的新动向。 报告中将包括： AIGC算力产业全景图 AIGC算力产业生态位和赛道划分 AIGC算力产业行业发展阶段和趋势研判 AIGC算力产业地域格局现状 AIGC算力产业行业关键变量 AIGC算力产业关键环节玩家代表案例 现在，量子位智库正式邀请AIGC算力产业从业者，关注并参与到《中国AIGC算力产业全景报告》和《最值得关注的AIGC算力玩家》征集中。一起推动中国AIGC产业更快、更稳、更强发展。 参与条件： 1、AIGC算力产业生态公司； 2、公司或重要业务即将以AIGC算力为重点； 3、已经有产品、市场营收和代表性落地案例； 4、其他：品牌影响力，资本等外部认可。
48030编辑于 2023-04-13 中兴打造开放智算基座，帮助小厂解决算力难题
在这样的背景下，中兴打造的智算基座，很可能是个不错的解决方案。 还记得今年初Deepseek的全球火爆吗？它的出现解决了一个核心问题。 就是让智能算力的不足问题从高性能的训练算力延展到普惠型的推理算力。 但同时，也带来了两个挑战，第一个挑战是，推理算力将爆发式增长，需要加快算力普及；第二个挑战是，训练算力仍需进一步强化，以支撑更大规模的模型训练，以及多模态大模型的新突破。 现在业内疯抢高端GPU，却没人注意算力链条上的隐形损耗：GPU之间等数据、机房之间等传输、模型推理等调度...导致许多算力白白浪费。而中兴这套开放基座确实有点东西。 这一基座不仅支持跨机房互联，在进行多模态模型训练时，还能够大幅度降低算力损耗，同时它还支持混搭不同品牌GPU，比如把某国产芯片和A800混用，大幅度提升调度效率。
15600编辑于 2025-03-24- 来自专栏科技云报道
AIGC掀算力需求革命，边缘计算将不再“边缘”
GenAI技术的商用化部署和应用成为企业竞逐的新阵地，勾勒出大模型从“技术力”转向“生产力”的新生态。 算力就是生产力，更丰富的算力资源成为人工智能竞争的核心基石。 AI算力瓶颈下 边缘计算崛起 随着AI大模型爆发，大模型迭代和训练所需的算力呈指数级增长。同时，单个AI超算规模也受到功耗、土地、散热等因素制约，算力供给与需求的缺口持续放大。 随着这场GenAI热潮逐步扩张，算力短缺已成为行业面临的共同挑战。 如果说传统算力是AI大模型的筋骨，那么边缘算力就是遍布全身的神经系统。 具身智能将边缘算力需求提升到了一个新高度，具身智能的“大脑”不仅要处理视觉信息、生成提示词，更要负责输出指令来执行机械动作。在移动芯片无法满足所需算力的场景下，边缘IDC将是算力的有效补充措施。 当全球都沸腾在AIGC的风潮里，边缘云服务商正通过边缘端和云边的融合协同，满足更多元的AI应用场景，以更自如的算力，让AI技术更自如地普惠。
70210编辑于 2024-04-26 端脑分布式算力平台：基于腾讯云GAAP的AIGC算力降本增效方案
剖析AIGC算力应用的效率与成本瓶颈 AIGC领域面临算力成本高企与全球访问效率不足的双重挑战。 传统算力方案存在性能与价格失衡（同性能下成本较高）、分布式算力调度效率低（如Kubernetes + Ray架构速度有限）、全球用户访问延迟显著等问题，制约智能体开发与规模化应用。 构建端脑分布式算力网络与GAAP加速方案 由脑花科技【无锡】有限公司联合腾讯云推出端脑分布式算力平台，包含三大核心模块： 端脑分布式算力网络：创新分布式人工智能算力供应技术，整合10000+ GPU 90%+； 成本优化：算力成本大幅节约50%+，同性能下价格砍半； 全球覆盖：具备50+全球算力服务能力，解决全球用户访问卡顿/延迟问题； 投资回报：共享算力模式下，服务器插电联网即可供算， undefined腾讯全球数字生态大会背书下，该方案依托腾讯云基础设施，为AIGC智能体开发提供“算力+加速+安全”一体化支撑，实现降本、增效、全球可用目标。
31210编辑于 2026-04-13- 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RTMP推送
“人工智能+”时代的端侧AI：算力下沉与实时视频的新基座
成本优化与能耗控制虽然云端AI提供了庞大的算力，但高昂的成本和能耗往往限制了其在大规模业务中的落地。 二、端侧AI芯片与视频SDK的协同端侧AI真正的落地，既需要芯片的算力支撑，也离不开视频链路的高效承载。芯片提供了计算基础，但只有与稳定的视频SDK结合，才能把算力转化为可感知的智能体验。 成本优化与能耗控制虽然云端AI提供了庞大的算力，但高昂的成本和能耗往往限制了其在大规模业务中的落地。 二、端侧AI芯片与视频SDK的协同端侧AI真正的落地，既需要芯片的算力支撑，也离不开视频链路的高效承载。芯片提供了计算基础，但只有与稳定的视频SDK结合，才能把算力转化为可感知的智能体验。 由此可见，芯片厂商提供算力底座，大牛直播SDK 则让算力与视频数据高效融合，最终沉淀为行业应用的实际价值。这种生态协同，正在成为端侧AI规模化落地的关键动力。
69820编辑于 2025-09-09 - 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
1.2K20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。
50100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。 自生成式人工智能服务（AIGC）和GPT大模型训练爆火后，围绕算力、算法和数据相关的讨论此起彼伏，国产大模型应用更是呈现出“千模大战”的状态。 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。
1.1K00编辑于 2025-03-04 重构AI企业出海基座：基于全球算力网络与全栈大模型生态的增长路径
二、 部署全栈AI矩阵与六大资源协同网络 针对出海痛点，腾讯云构建了从底层算力到上层应用的全栈智能化解决方案，并配合六大核心资源赋能体系，系统性降低出海试错成本： 1. 部署全景智能（AI）产品矩阵 底层算力架构：依托高性能计算集群HCC、自研紫霄AI芯片以及自研星脉高性能计算网络架构，保障大规模模型训练与推理的系统稳定性。 三、 释放全球化基础设施的规模化效能 为保障出海业务的低延迟与高可用，腾讯云依托全球化网络提供强确定性的基座支撑，核心业务指标实现全面量化： 资源覆盖广度：基础设施已覆盖全球 22个 地区，开设 64个 五、 构筑底层技术壁垒与亿级场景验证 腾讯云能够成为出海企业核心技术基座的根本原因，在于其深厚的技术储备与海量真实场景的打磨： 前沿技术突破：依托三大实验室提供核心算法支持，累计发表论文 800+篇，申请
28910编辑于 2026-05-28- 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
1.3K20编辑于 2022-12-20 端脑分布式算力平台实现AIGC应用成本减半与性能倍增
应对AIGC算力高成本与部署复杂性 人工智能生成内容（AIGC）应用在全球范围内迅速增长，但企业及开发者普遍面临GPU算力资源采购成本高昂、分布式计算环境部署复杂、运维难度大及全球网络延迟影响用户体验的核心瓶颈 传统算力方案在弹性扩展、成本控制及跨地域协同方面存在显著差距，制约了AIGC技术的规模化落地与创新速度。 提供高性价比分布式算力及全球加速服务 端脑分布式算力网络通过整合全球分散的GPU资源，构建了覆盖50+国家地区的分布式算力池，并依托腾讯云全球应用加速平台（GAAP）实现高速、稳定、安全的低延迟访问。 该平台提供即开即用的ComfyUI集成环境、多种预配置AIGC应用（如图像生成、量化交易Agent、智能客服），支持用户快速部署和弹性扩展算力。 实现显著成本节约与性能提升 算力成本降低50%+：通过共享算力模式和资源优化，为用户大幅节约算力支出。 分布式计算效率提升90%+：较传统Kubernetes结合Ray的方案，任务处理速度显著提升。
34010编辑于 2026-04-13- 来自专栏量子位
谁是国内最受关注的AIGC算力玩家？玩家榜单&全景报告案例征集中
在《中国AIGC算力产业全景报告》和《最值得关注的AIGC算力玩家》中，我们将基于AIGC浪潮所引发的底层算力产业变革，与大家一同分享算力产业的新动向。 报告中将包括： AIGC算力产业全景图 AIGC算力产业生态位和赛道划分 AIGC算力产业行业发展阶段和趋势研判 AIGC算力产业地域格局现状 AIGC算力产业行业关键变量 AIGC算力产业关键环节玩家代表案例 现在，量子位智库正式邀请AIGC算力产业从业者，关注并参与到《中国AIGC算力产业全景报告》和《最值得关注的AIGC算力玩家》征集中。一起推动中国AIGC产业更快、更稳、更强发展。 参与条件： 1、AIGC算力产业生态公司； 2、公司或重要业务即将以AIGC算力为重点； 3、已经有产品、市场营收和代表性落地案例； 4、其他：品牌影响力，资本等外部认可。 》征集启动 AIGC算力需求爆发，谁将在此次算力产业变革中脱颖而出？
30820编辑于 2023-05-06 - 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。
80910编辑于 2023-08-16 腾讯教育AIGC与Agent全景解析：底层算力重构与教育场景化落地
报告人：杨晖（腾讯云副总裁、腾讯教育解决方案负责人） 突破大模型教育落地瓶颈：算力冗余与网络带宽危机 在教育行业大模型化、场景化的进程中，传统的底层计算与网络架构已无法支撑海量、高并发的教学与推理需求， 构筑一站式教育AI底座：软硬协同与双模驱动Agent平台 针对上述痛点，腾讯教育通过重构AI基础设施（AI Infra）并推出专属智能体平台，提供了一套从算力层到应用层的完整技术解决方案： 集群共享KV 青少年人工智能教育2.0：从传统硬件编程升级为AIGC教育，提供专属“青少年AIGC创作工坊”，将AI工具融入“教、学、管、评”全流程，并适配北京、上海、广东等地中小学人工智能课程纲要（如北京96课时、 释放AI基建效能：核心指标与算力利用率量化展现 依托腾讯AI Infra软硬件组合能力，大模型在教育场景中的运行效率与资源利用率获得显著量化提升： 算力调度与利用率优化：通过云原生调度编排（TKE & 基础教育AIGC普及：青少年AIGC创作工坊已落地北京师范大学附属中学、鄂尔多斯市杭锦旗龙子心小学等 300+ 所学校，覆盖 5000+ 师生，累积生成 30,000+ 创意作品（涵盖3D生物建模、AI
30110编辑于 2026-04-19腾讯云分布式云基座与AIGC工具链：报业媒体降本增效与传播力提升方案
技术架构僵化： 传统数字化仅是将纸面处理转为数字环境，本质上未改变生产逻辑，缺乏弹性算力支持视频化、社交化趋势。 第二章：构建分布式云基座与全栈智能工具链 张宇明（腾讯云智慧传媒行业架构师专家） 提出基于腾讯云分布式云操作系统的新一代数字化基座，通过“技术中台+AI应用”双轮驱动解决上述痛点： 1. 算力支撑： 提供亿核CPU算力，支持每日200万亿次实时计算。 数据库性能： 采用国内首款云原生 Serverless 数据库，实现秒级伸缩，性能提升200%。 智能化内容生产矩阵 图文转视频（AIGC）： 针对报业版面（如《深圳特区报》），利用模版视频生成技术，将静态报纸版面自动转化为动态短视频，适配视频号、抖音等渠道。 第四章：头部媒体落地实践 案例一：央视频 AIGC 生产力平台 在2024年两会报道期间，央视频采用腾讯云图文转视频技术，快速生成关于“读读政府工作报告”等时政内容的短视频素材，实现了热点新闻的即时可视化传播
10810编辑于 2026-05-31- 来自专栏音视频咖
虚拟互动再升级，腾讯云云渲染以领先技术为创新场景提供坚实底座
应用云渲染整合了应用管理、并发资源管理与调度、音视频串流等能力，作为技术基座为开发者提供稳定友好、低成本、高可靠的云端算力。 告别设备算力焦虑 腾讯云XR实时云渲染解决方案 腾讯云XR实时云渲染解决方案能够将高算力需求的AR/VR内容渲染工作置于云端服务器上运行，并将渲染完毕的画面及声音编码后以音视频流的方式，通过网络实时传输给用户 在与AI结合后，各种自生成内容对算力的依赖进一步提高，而云渲染提供的可无限拓展的云端算力资源可以有效解决“算力焦虑”，为AI玩法创新提供算力支持，让开发者尽情探索AI的无限可能。 云渲染AIGC虚拟特效可在不占用本地存储和算力的条件下，承载更为丰富、个性化的动画视觉效果，用户给出提示词后，后台经过文本审核过滤，输入模型进行文生图。 高精度的实时虚拟数智人互动需要耗费大量算力，而基于腾讯云应用云渲染的云端渲染能力，用户在小程序、H5等轻量化终端也能体验到超高精度、流畅细腻的虚拟数智人内容，随时随地进行无阻交流。
90110编辑于 2024-03-25 - 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。 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。 更庞大算力节点，更高性能更低延迟的网络，更强大的算力基础设施，实现更强大的宏观数字系统。 从ChatGPT等大模型的兴起，看未来计算芯片的发展趋势 从算力网络发展，看未来十年的宏观算力体系 超异构处理器HPU和系统级芯片SOC的区别在哪里？
82120编辑于 2023-11-16 - 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。 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。 2023年全面崛起的AIGC大模型，更是给算力的发展打了一针强心剂。 像GPU这样的算力芯片，在人工智能计算上，反而比CPU更强。如今，高端GPU，变得一卡难求。 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 ——
78620编辑于 2023-08-21
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