編者按：

生成式 AI 的爆發(fā)式發(fā)展與自動(dòng)駕駛、智能制造等場(chǎng)景的算力需求激增，正推動(dòng)一場(chǎng)深刻的算力價(jià)值變革。傳統(tǒng) “算力堆砌” 模式以硬件規(guī)模為核心，卻陷入高投入、低效率的發(fā)展困局，而 AI 時(shí)代的核心命題已轉(zhuǎn)向 “算效革命”——以算力效率為評(píng)估核心，通過(guò)技術(shù)創(chuàng)新、架構(gòu)優(yōu)化與場(chǎng)景融合，實(shí)現(xiàn)從 “規(guī)模導(dǎo)向” 到 “效能導(dǎo)向” 的價(jià)值躍遷。這場(chǎng)革命不僅關(guān)乎企業(yè)智能化轉(zhuǎn)型的成敗，更將重塑數(shù)字經(jīng)濟(jì)時(shí)代的生產(chǎn)力格局。

規(guī)模擴(kuò)張與效率低下的雙重悖論

生成式 AI 的爆發(fā)式發(fā)展，使算力需求呈現(xiàn)前所未有的增長(zhǎng)態(tài)勢(shì)。近日，IDC聯(lián)合寧暢發(fā)布《2025年新質(zhì)算力發(fā)展白皮書(shū)》數(shù)據(jù)顯示，2024 年上半年中國(guó)智算服務(wù)市場(chǎng)中，面向生成式 AI 的智算服務(wù)（GenAI IaaS）市場(chǎng)規(guī)模達(dá) 52.0 億元人民幣，同比增長(zhǎng) 203.6%，增速驚人。然而，與旺盛需求形成鮮明對(duì)比的是，傳統(tǒng)算力基礎(chǔ)設(shè)施在技術(shù)架構(gòu)、投資回報(bào)、使用效率等方面正顯現(xiàn)出嚴(yán)重的瓶頸問(wèn)題，陷入 “堆砌規(guī)模 — 效率低下 — 再擴(kuò)規(guī)?！?的惡性循環(huán)。

許多企業(yè)在算力建設(shè)中盲目追求硬件參數(shù)，單純以采購(gòu)服務(wù)器數(shù)量衡量算力實(shí)力，卻忽視了與業(yè)務(wù)場(chǎng)景的深度匹配。這種粗放模式導(dǎo)致大量算力資源閑置，IDC 調(diào)研顯示，全球范圍內(nèi)傳統(tǒng)算力中心的資源利用率普遍低于 30%，“算力浪費(fèi)” 成為企業(yè)智能化轉(zhuǎn)型的沉重負(fù)擔(dān)。

另外，傳統(tǒng)算力的管理調(diào)度技術(shù)嚴(yán)重滯后于需求，算力資源無(wú)法實(shí)現(xiàn)動(dòng)態(tài)優(yōu)化分配。在深度學(xué)習(xí)模型訓(xùn)練中，“算力堆砌” 現(xiàn)象尤為突出 —— 企業(yè)投入數(shù)百?gòu)?GPU 加速訓(xùn)練，卻因內(nèi)存訪問(wèn)瓶頸、數(shù)據(jù)傳輸延遲等問(wèn)題，導(dǎo)致實(shí)際計(jì)算效率不足理論值的40%。

值得注意的是，算力建設(shè)中的機(jī)房建設(shè)、硬件采購(gòu)與長(zhǎng)期運(yùn)維構(gòu)成巨額開(kāi)支，而技術(shù)迭代加速又導(dǎo)致設(shè)備更新成本居高不下。更嚴(yán)峻的是，大量中小微企業(yè)因難以承擔(dān) “算力堆砌” 的高昂成本，被擋在智能化轉(zhuǎn)型的門(mén)外，加劇了數(shù)字經(jīng)濟(jì)發(fā)展的不均衡。

如果從宏觀來(lái)看，隨著 “雙碳” 目標(biāo)推進(jìn)，算力中心的能耗問(wèn)題日益凸顯。傳統(tǒng)風(fēng)冷技術(shù)已接近能效極限，數(shù)據(jù)中心 PUE（能源使用效率）值普遍在 1.5 以上，部分高負(fù)載場(chǎng)景甚至超過(guò) 1.88。這意味著每消耗 1 度電用于計(jì)算，就有 0.5 度電以上被散熱等輔助系統(tǒng)消耗，與綠色發(fā)展理念背道而馳。

打破“硬件堆砌”魔咒

面對(duì)傳統(tǒng)算力困局，“算效革命” 的核心在于將“算力效率”（即單位能耗下的有效計(jì)算產(chǎn)出）作為核心指標(biāo)，通過(guò)技術(shù)創(chuàng)新、架構(gòu)優(yōu)化與場(chǎng)景融合，實(shí)現(xiàn)算力價(jià)值的系統(tǒng)性提升。這一變革不是單一技術(shù)的升級(jí)，而是涉及硬件設(shè)計(jì)、軟件調(diào)度、應(yīng)用優(yōu)化的全鏈條重構(gòu)。

硬件層面的突破聚焦于 “能效比”的提升，而非單純追求算力峰值。以液冷技術(shù)為例，全液冷方案可將數(shù)據(jù)中心 PUE 降至 1.15 以下，較傳統(tǒng)風(fēng)冷方案節(jié)能 40% 以上，同時(shí)使單機(jī)柜算力密度提升 3 倍。在芯片設(shè)計(jì)領(lǐng)域，混合精度計(jì)算（如 FP16 與 INT8 的動(dòng)態(tài)切換）成為主流，某大模型訓(xùn)練場(chǎng)景中，采用混合精度計(jì)算可在損失 1% 精度的前提下，將算力利用率提升 30%，顯著降低訓(xùn)練成本。此外，異構(gòu)計(jì)算架構(gòu)（CPU+GPU+FPGA 等）的普及，使不同類型算力按需分配，例如 AI 推理場(chǎng)景中使用專用加速芯片，較通用 CPU 可提升算效 8-10 倍。

算效革命的關(guān)鍵是打破 “硬件堆砌”思維，通過(guò)智能化軟件調(diào)度實(shí)現(xiàn)算力資源的最優(yōu)配置。新一代算力管理平臺(tái)具備三大特征：一是動(dòng)態(tài)感知業(yè)務(wù)需求，如根據(jù)模型訓(xùn)練進(jìn)度自動(dòng)調(diào)整算力分配；二是支持細(xì)粒度資源切分，將傳統(tǒng) “整機(jī)分配” 模式升級(jí)為 “核心 / 內(nèi)存 / 存儲(chǔ)” 的按需組合；三是集成故障預(yù)測(cè)與容災(zāi)機(jī)制，某自動(dòng)駕駛企業(yè)通過(guò)智能調(diào)度平臺(tái)，將算力資源利用率從 28% 提升至 65%，同時(shí)將故障恢復(fù)時(shí)間控制在 10 秒內(nèi)5。此外，開(kāi)源框架與工具的成熟（如 TensorFlow、PyTorch 的優(yōu)化插件），使企業(yè)無(wú)需定制開(kāi)發(fā)即可實(shí)現(xiàn)算效提升，降低技術(shù)門(mén)檻。

算效革命的最終目標(biāo)是推動(dòng)算力與業(yè)務(wù)場(chǎng)景的深度融合，實(shí)現(xiàn) “有效計(jì)算” 的最大化。在推理場(chǎng)景中，算效優(yōu)化聚焦低延遲與高并發(fā)，某短視頻平臺(tái)通過(guò)對(duì)推薦模型的輕量化改造與推理引擎優(yōu)化，在算力投入不變的情況下，將日均 2180 億次 tokens 處理能力提升至 3500 億次，支撐用戶增長(zhǎng) 200%。

在訓(xùn)練場(chǎng)景中，算效優(yōu)化關(guān)注數(shù)據(jù)并行與模型并行的平衡，某醫(yī)療 AI 團(tuán)隊(duì)采用流水線并行技術(shù)，將多模態(tài)醫(yī)學(xué)影像模型的訓(xùn)練時(shí)間從 15 天縮短至 4 天，同時(shí)降低算力成本 40%。更關(guān)鍵的是，算效優(yōu)化正從單一場(chǎng)景向全鏈條延伸，例如制造業(yè)中，從產(chǎn)品設(shè)計(jì)仿真到生產(chǎn)流程優(yōu)化的全周期算效提升，可使新產(chǎn)品研發(fā)周期縮短 30% 以上。

生成式 AI 爆發(fā)使互聯(lián)網(wǎng)企業(yè)成為算效革命的先鋒。在大模型訓(xùn)練場(chǎng)景中，通過(guò)混合精度訓(xùn)練、梯度壓縮等技術(shù)，某語(yǔ)言大模型訓(xùn)練成本降低 60%，而模型效果保持不變；在推理環(huán)節(jié)，采用模型蒸餾與量化技術(shù)，使端側(cè)推理算力需求降低80%，支撐千萬(wàn)級(jí)用戶并發(fā)。

從“擁有多少” 轉(zhuǎn)向 “創(chuàng)造多少”

算效革命的本質(zhì)是數(shù)字經(jīng)濟(jì)時(shí)代生產(chǎn)力發(fā)展的必然要求。當(dāng)算力從 “稀缺資源” 變?yōu)?“通用能力”，其價(jià)值衡量標(biāo)準(zhǔn)必然從 “擁有多少” 轉(zhuǎn)向 “創(chuàng)造多少”。

傳統(tǒng) IT 投資以 “硬件配置” 為核心，而算效革命推動(dòng)企業(yè)轉(zhuǎn)向 “業(yè)務(wù)價(jià)值” 導(dǎo)向的算力評(píng)估。IDC 提出的PEEIE（Product, Efficiency, Engineering, Industry, Ecology）算力設(shè)施選型標(biāo)準(zhǔn)，正是這一轉(zhuǎn)變的體現(xiàn) —— 不再單純關(guān)注處理器性能、存儲(chǔ)容量等硬件指標(biāo)，而是從產(chǎn)品豐富度、算效指標(biāo)、工程化能力、行業(yè)適配性、生態(tài)協(xié)同性五個(gè)維度，評(píng)估算力解決方案對(duì)業(yè)務(wù)的實(shí)際價(jià)值。某金融企業(yè)應(yīng)用該標(biāo)準(zhǔn)選型后，算力投入減少 30%，但業(yè)務(wù)處理能力提升 50%，證明算效導(dǎo)向的價(jià)值評(píng)估更符合 AI 時(shí)代需求。

算效革命將推動(dòng)算力產(chǎn)業(yè)從 “硬件銷售” 向 “算效服務(wù)” 轉(zhuǎn)型。一方面，硬件廠商需從 “賣(mài)設(shè)備” 轉(zhuǎn)向 “賣(mài)算效”，例如服務(wù)器廠商不僅提供硬件，還需配套算效優(yōu)化的軟件工具與服務(wù)；另一方面，新型算效服務(wù)提供商將崛起，專注于算力調(diào)度、應(yīng)用優(yōu)化等細(xì)分領(lǐng)域。這種分工細(xì)化將提升整個(gè)產(chǎn)業(yè)的效率，某算效服務(wù)公司為制造業(yè)客戶提供 “算力診斷 — 方案設(shè)計(jì) — 持續(xù)優(yōu)化” 的全周期服務(wù)，使客戶算效提升 40% 以上，自身也獲得穩(wěn)定的服務(wù)收入，形成雙贏格局。

某大型云服務(wù)商測(cè)算，若全行業(yè)算效提升 50%，2030 年全球算力中心能耗可控制在 2025 年的 1.2 倍以內(nèi)，而算力供給能力可增長(zhǎng) 5-8 倍，實(shí)現(xiàn) “算力增長(zhǎng)、能耗可控” 的可持續(xù)發(fā)展。

結(jié) 語(yǔ)

站在 AI 時(shí)代的門(mén)檻回望，從“算力堆砌” 到 “算效革命” 的轉(zhuǎn)變，不僅是技術(shù)路徑的選擇，更是發(fā)展理念的革新。當(dāng)算力效率成為衡量數(shù)字生產(chǎn)力的核心指標(biāo)，當(dāng)算效提升成為企業(yè)智能化轉(zhuǎn)型的關(guān)鍵抓手，當(dāng)算力的價(jià)值不再取決于冰冷的硬件參數(shù)，而在于其為業(yè)務(wù)創(chuàng)新、產(chǎn)業(yè)升級(jí)、社會(huì)進(jìn)步創(chuàng)造的實(shí)際價(jià)值。

算效革命的浪潮已至，唯有順應(yīng)這一趨勢(shì)，才能在 AI 時(shí)代的競(jìng)爭(zhēng)中占據(jù)先機(jī)，讓算力真正成為驅(qū)動(dòng)數(shù)字經(jīng)濟(jì)高質(zhì)量發(fā)展的核心引擎。