- 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。 因为有一个东西叫智慧算力，它在2022年的规模已经超过了其他算力，并且在未来5年内会以57%的速度增长，其他算力的增长速度大概为10-30%。 所以这意味着什么？什么叫智慧算力？ 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？
75320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。
49130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。
17500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。 去年3月，高通中国在安卓手机上首次演示了模型参数超过10亿的Stable Diffusion；华为于去年7月发布智慧搜图功能，该功能通过对模型进行小型化处理。 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。
73810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。 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 支持单通道10G带宽、100万并发，全链路健康检查与容灾，集成DDoS高防、IP黑白名单等防护，提供SLA保障与无感知升降配。 GAAP通过以下能力支撑端脑平台落地： 全球加速：覆盖50+节点的金牌链路网络，解决网络抖动、高时延问题； 稳定可靠：单通道10G带宽/100万并发能力，全链路健康检查与容灾； 安全易用：支持 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。
42810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。
75420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
1.3K20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？
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。 自2010年初深度学习问世以来，训练所需的算力快速增长，大约每6个月翻一番。 2015年末，随着大规模机器学习模型的出现，训练算力的需求提高了10到100倍，出现了一种新的趋势。 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。
1.2K00编辑于 2025-03-04 - 来自专栏新智元
每秒算力超过10亿亿次！中国首个元宇宙智算中心正式开建
---- 新智元报道 编辑：好困 【新智元导读】11月17日，浙江省青田县人民政府与浪潮信息、谷梵科技签署战略合作协议，三方共建国内首个元宇宙智算中心，建成后每秒算力性能将超过10亿亿次， 而要构建高度拟真的数字世界并实现数亿用户的实时交互的「元宇宙」，面临着场景规模大、场景复杂度高，以及多部门协作、高逼真数字元素制作，实时渲染、仿真和交互等诸多挑战，并对支撑元宇宙构建运转的核心动力——算力提出更高的要求 元宇宙智算中心作为数实融合的重要基础设施，通过领先的「算力基础设施+全栈元宇宙」解决方案，为元宇宙的构建和运转提供核心源动力。 同时，为推动数字经济的高质量发展，加强创新人才的吸引，青田县在基础设施投入、产业生态发展、全球人才地图建设等方面全面发力，青田元宇宙智算中心、世界青田高层次人才创新创业大赛等一系列举措陆续实施落地。 青田元宇宙智算中心将建设成为国内首个算力、算法、开发平台一体化的新型元宇宙基础设施，通过协同创建、高精仿真、实时渲染、智能交互四大作业环节，面向企业管理、工业、交通运输、金融、城市等多产业的元宇宙场景提供高效的算力支撑
53750编辑于 2023-01-07 算力的迷雾
在AI发展的早期，从1亿参数到100亿参数，算力的指数级增长带来了智能的肉眼可见的飞跃。 我们习惯了这种投入一分，收获一分的线性快感。 但当我们迈入10万亿参数的深水区时，数学规律露出了另外的一面。 要想获得同样的线性智力增长，需要10倍、100倍甚至更多的算力。 在万亿参数区间，数据难度与优化地形发生结构性变化，使得幂律的有效斜率开始随规模降低。 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。 但在拥有10万亿参数的大模型里，这个地形图变成了10万亿维。 这是一个极其诡异、反直觉的非凸 (Non-convex)世界。 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？
12410编辑于 2026-07-02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 垂直场景落地：覆盖出海文娱、跨境电商、通用SaaS出海等赛道，成功孵化 10+个 行业场景方案与 10+个 企业最佳实践。 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
49610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
1.4K20编辑于 2022-12-20 - 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？
32520编辑于 2023-05-06 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。 全球网络加速保障：基于腾讯云GAAP，提供单通道最高10G带宽、100万并发支持，有效解决跨地域访问延迟与抖动问题。
42210编辑于 2026-04-13- 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 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 & 高并发下的缓存命中率：采用集群共享KV Cache方案后，多级缓存命中率提升 10倍以上，有效保障大并发教学解题环境下的吞吐量。
34110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%。 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 连接基因： 依托20余年服务于10亿级用户的经验，具备从广角到微观的连接能力，通过企业微信与微信生态的互通，解决媒体“连接用户”的最后一公里问题。
16010编辑于 2026-05-31- 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
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