- 综合排序
- 最热优先
- 最新优先
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。 例如内蒙古枢纽节点算力规模达16.5万P，其中智算资源占比超93%，稳居全国第一，通过高速算力通道实现对京津冀的5毫秒时延覆盖，为东部AI企业提供低成本、高稳定的算力支撑。 运营商通过部署SRv6、智能无损网络、400G/800G全光网络等先进技术，打造高速泛在的算力传输“大动脉”。 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。 二是场景创新机遇。随着算力普惠化，开发者可探索更多高实时性、高算力需求的应用场景。例如基于5毫秒时延的智能交通调度系统、实时互动的元宇宙应用等，这些场景的落地将推动数字经济与实体经济深度融合。
50310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。
2.6K30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 在这个场景中，end 的计算方式确保了内存资源是根据节点的内存大小来分配的，较大的节点会获得更大的分区比例。然后，你可以使用这个比例来分配任务、数据或任何需要平衡资源使用的资源。
99120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 腾讯分布式云：企业数字化新底座，以全场景算力覆盖破解上云深水区挑战
剖析企业上云深水区挑战 企业本地IT存在本地机房部署、全栈运维、应用场景日益复杂的特点，上云升级面临核心阻碍：需平衡数据合规与安全、低时延访问、成本优化三重诉求，现实与理想差距显著——传统上云模式难以兼顾合规要求 构建分布式云全场景产品矩阵 基于腾讯云遨驰分布式云操作系统（云原生跨平台算力管理核心），提供位置、形式、规模全域覆盖的产品矩阵： 位置覆盖：中心云（大型可用区）、区域/边缘云（中小型可用区）、本地专用集群 体现客户价值： 运维成本优化：通过轻量部署、运维托管模式，某运营商案例中“云产品和资源按需投入平滑扩容，大大减少客户初始投入”； 开发效率提升：某化工集团实践中“即刻收获腾讯云300+云产品服务”，覆盖协同办公 成果：即刻收获300+云产品服务，覆盖协同办公、AI、音视频等领域，满足企业数字化需求。数据来源：腾讯全球数字生态大会。 案例3：某电网集团CDC实践 目标：云上云下同源同构，满足合规要求。 阐释腾讯分布式云技术领先性 选择腾讯分布式云的核心依据： 技术架构领先：基于遨驰操作系统实现云原生跨平台算力管理，支持中心、边缘、本地全位置算力覆盖，无缝衔接AI应用与服务； 国产化适配深度：88
1200编辑于 2026-04-28- 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？
定制化方面，宁畅围绕用户实际应用场景和算力需要，可以为用户定制对应各种算力需求的解决方案，方案完整覆盖用户交付、部署、应用、运维体验和业务需求，本身就涵盖了硬件、软件平台搭建、算法模型优化、应用场景定制等内容 一直以来，硬件都是宁畅擅长并且专业的部分，产品体系覆盖云边端全场景，涵盖通用、人工智能、高密度、存储、整机柜等多种类型服务器，及AI工作站等边端产品，可实现多种交付形态灵活组合。 为兼顾绿色低碳，宁畅依托液冷领域的诸多首创性先进技术，提供全时全域液冷方案，不论是液冷服务器，还是液冷基础设施产品应有俱有，可以完全满足不同业务场景的算力建设需求。 在服务器方面，宁畅突破性实现标准化、可移植、大解耦全冷板液冷服务器技术，冷板形式覆盖CPU、内存、硬盘、GPU、各种形态PCIe设备以及PSU等服务器内全部散热单元，实现了无风扇形态的原生全液冷服务器。 NEX AIOM和NexData可将分散的硬件整合为统一的算力和存储资源池；AI Manager人工智能平台能够帮助用户实现AI开发的全链路业务覆盖；NVIDIA AI Enterprise平台可加速数据科学工作流
86000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
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。
74510编辑于 2023-08-16 《边缘算力困局突破：智能体模型动态调度全解析》
在自动驾驶场景中，车辆上的边缘设备需要实时处理摄像头捕捉的图像数据，以识别道路状况和其他车辆行人，如果算力不足，智能体模型无法及时做出决策，后果将不堪设想。 要突破边缘设备算力限制的困境，动态调度策略成为关键钥匙。 当边缘设备算力紧张时，系统可以优先将算力分配给高优先级的入侵检测任务，确保及时发现潜在威胁。 随着设备运行和任务需求的变化，如果需要执行更复杂的场景联动任务，再动态加载相应的模块。这样，避免了一次性加载整个庞大模型对算力的巨大压力，提高了模型运行的灵活性和效率。 尽管面临挑战，但一旦成功实现边缘设备算力限制下智能体模型的高效动态调度，带来的变革将是深远的。
67310编辑于 2025-05-23腾讯云运营商AI全栈解决方案：从底层算力到场景落地的效能跃迁
来源: P13, P21 第二章： 构建全栈AI能力矩阵 针对上述痛点，腾讯云构建了基于“上下兼容”数智化转型方法论的全栈解决方案，涵盖AI Infra（基础设施）、AI PaaS（平台）及 AI SaaS 关键业务指标： 语言覆盖能力： ASR/TTS 原子能力支持中、英、粤等 6种语言 及 23种方言，覆盖16k采样率，解决多地域服务障碍。 方案： 2024年底私有化交付标准版，2025年升级支持 DeepSeek 版本，适配 N 卡算力及国产化环境。 价值： 建设垂直场景知识库，实现多租户区隔，提升营销服务知识流转效率。 成效： 覆盖智家、康养、权益商城咨询，解决人工座席瓶颈，提升人效。 来源: P26 第五章： 为什么选择腾讯云 核心竞争力： 技术实力领先： 依托三大实验室提供算法支持，已发表论文 800+篇，申请 AI 专利 5000+，在 AI 领域中国专利申请量位居前列。
38110编辑于 2026-02-05- 来自专栏大语言模型，算力共享
算力服务标识封装
目录算力服务标识封装:封装机制技术优势与应用场景IP ，L4传输层，overlay 简单举例说明overlay层的作用常见的overlay技术算力服务标识封装: 随着云计算和边缘计算的快速发展，算力服务成为网络架构中的重要组成部分 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。 这种机制使得算力服务可以平滑地集成到现有网络中，而不会对现有网络架构造成冲击。 技术优势与应用场景技术优势： 灵活性：算力服务可以独立于IP层部署和管理，提高了网络架构的灵活性。 应用场景： 云计算：在云计算环境中，算力服务标识封装技术可以用于实现云服务的灵活部署和管理。边缘计算：在边缘计算场景中，算力服务标识封装技术可以帮助实现边缘节点与中心云之间的算力协同和资源共享。
48820编辑于 2024-07-28 - 来自专栏鲜枣课堂
世界算力简史（下）
经过80年代的不断膨胀和扩张，ARPANET终于演变成了覆盖全球的互联网。 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。 1.2 NVIDIA，从十年磨一剑到市值万亿 传统的GPU是图形加速卡，本质上是众多各种领域各种场景加速卡中的一员。除了GPU之外，其他众多的各类加速卡，几乎没有成功的案例。 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。 系统规模越来越大，变化越来越快，从而使得在大算力芯片，通用性比性能更重要。而定制的加速算力芯片覆盖场景少，生命周期短，难以大规模落地。 此外，相比专用，通用是更高级的能力。 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。
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。 深入业务场景，统筹云边端计算服务，才能真正的服务好客户的业务，帮助客户在多形式计算平台的条件下成功，才是（云）服务的核心价值体现。 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。 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？》
73920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。 其他研究单位包括中国移动、中国电信、中国联通、华为、中兴、东南大学、北京邮电大学、网络通信与安全紫金山实验室、中国信息通信研究所、中国科学院计算网络信息中心等，经过多轮探讨研究，基于自身长期积累的在数据、应用场景 、设备、技术等方面的优势，或主导或参与发表了一系列与算力网络相关的白皮书，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 除此之外，产学研界也发表了一些学术成果，并在其中探讨了算力网络体系架构和相关应用，以及特定应用场景下的技术难点和原型算法。 然而，在政产学研界共同促进算力网络建设过程中，仍然面临诸多挑战。 努力突破核心数字化技术，着力解决其中的卡脖子难题；然后，对科研成果进行产业化应用，结合实际应用场景，提升和拔高数智化技术，并将其应用到算力网络新基建建设中。
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？
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 而在具体场景中，很多组织也在通过AI超算获得算力。 构成AI超算即插即用特性的能力有很多，软件系统方面操作系统、开发框架甚至各个场景的预训练模型整合最为典型，软硬件一体化协同让数据科学团队基本上无需再花太多心思到开发环境搭设上。 小结 如同PC的发展，从一间房到半张桌，从KB到GB到TB，从专业团队操作到人人可用，AI算力设备也在经历类似的过程，高能力、低门槛，优质算力资源正在实现更好的触达，让组织的数据科学团队更好地获取匹配的算力 而从AI医疗影像场景可以看出，正是因为现实场景应用对AI有着越来越深刻的需求，才不断倒逼着数据科学团队以更快的方式来实现模型创新与迭代。
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。 二战爆发后，军事需求大大刺激了算力的发展。军方需要更加强劲的算力，完成密码加密解密、火炮弹道计算甚至火箭发射等重要任务。
97120编辑于 2023-08-21 - 来自专栏云头条
算力服务哪家强？
通过专家访谈与调研，亿欧智库认为算力服务应有能力聚合跨区域计算中心的软硬件资源，并通过建设高端计算资源共享与支撑平台，向不同领域用户提供匹配需求的算力服务，同时兼顾经济性和长期运维迭代能力，为用户提供全生命周期服务 报告选取了技术与性能（异构计算相关管理平台建设情况，算力类型、精度与覆盖场景丰富度）、经济性（各企业核时的公开价格）、算力基础设施支撑（各企业数据中心的建设情况），进行评比。 在全产业链资源聚合能力层，曙光智算及华为云发展较为完善成熟，亦有较多用户表示曙光本身业务属性与自身业态（如科研及工业）更为契合。 算力最终要落到实际应用场景才能兑现价值，千行百业需要的不只是单纯的算力，更是以算力为基础的服务体系，需要多维度考量用户应用、成本、算力兼容性等因素。 从场景应用角度来看，不同业务场景对算法、算力、存储需求不同，一站式算力平台针对场景进行业务建模， “因地制宜”将性能和任务适配，为企业客户提供个性化定制方案。
2.8K20编辑于 2022-09-08
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