時(shí)代在變。
十年前，英國《經(jīng)濟(jì)學(xué)人》曾用以工業(yè)用電量為主的一套指標(biāo)來評估中國GDP，并將其命名為“克強(qiáng)指數(shù)”。
今天，中國經(jīng)濟(jì)實(shí)力最強(qiáng)的北上廣深等大城市都在全力比拼一個(gè)新的指標(biāo)——計(jì)算力。因?yàn)樵跀?shù)字經(jīng)濟(jì)時(shí)代，這個(gè)指標(biāo)將決定它們在未來城市大戰(zhàn)中的生死。
甚至，像安慶這樣的三四線城市，也在“著急上火”，因?yàn)槁徊?，就會被狠狠甩在身后?/p>
自從1946年，馮·諾依曼發(fā)明第一臺電腦ENIAC以來，算力一直在突飛猛進(jìn)。
半個(gè)世紀(jì)前，第一次將人類送上月球的阿波羅11號飛船，其所搭載的電腦，CPU主頻只有0.043 MHz。
今天，任何一部普通的手機(jī)，主頻都在2500MHz以上，是登月電腦的5萬倍！
即便如此，仍無法滿足人們對算力的需求。
在IDC/EMC發(fā)布的一份報(bào)告中，最近十年來，全世界算力的增長遠(yuǎn)遠(yuǎn)滯后于數(shù)據(jù)的增長。
導(dǎo)致這一算力瓶頸的，是兩場革命：一個(gè)是互聯(lián)網(wǎng)革命，另一個(gè)是AI革命。
互聯(lián)網(wǎng)讓更多設(shè)備聯(lián)接在一起，未來，物聯(lián)網(wǎng)（IoT）還將帶來千億級的設(shè)備接入。海量的設(shè)備，疊加復(fù)雜的應(yīng)用場景，引發(fā)數(shù)據(jù)大爆炸。
1992年，全人類每天只產(chǎn)生100GB數(shù)據(jù)。而今天，全球70億人，每人每天產(chǎn)生的數(shù)據(jù)高達(dá)1.5GB。僅一輛自動駕駛汽車，一天就能產(chǎn)生64TB數(shù)據(jù)，足以填滿32塊硬盤。
爆炸式增長的數(shù)據(jù)，哺育了人工智能（AI），使得深度學(xué)習(xí)等過去難以實(shí)踐的各種算法，得以喂養(yǎng)、訓(xùn)練，并大規(guī)模應(yīng)用。
這反過來，對算力提出巨大的需求。
2012年，谷歌大腦為了從1000萬張圖片中識別出一只貓，整整動用了1000臺電腦、16000個(gè)CPU。
今天，我們所面對的場景和需求，遠(yuǎn)比識別一張圖片更復(fù)雜、多樣化。從VR/AR到無人駕駛，從工業(yè)機(jī)器人到遠(yuǎn)程醫(yī)療……AI正改變我們的生活。
而它背后的算力支撐，也從云到邊緣，到設(shè)備端，變得無處不在。
19世紀(jì)70年代，發(fā)電機(jī)的問世催生了第二次工業(yè)革命。電力成為驅(qū)動全球經(jīng)濟(jì)發(fā)展的強(qiáng)大動力，人類由此邁進(jìn)電力時(shí)代。
一百多年后的今天，算力正變得跟電力一樣觸手可及。未來，在數(shù)字經(jīng)濟(jì)時(shí)代，誰掌握更強(qiáng)的算力，誰就將擁有世界。
來自羅蘭貝格等國際權(quán)威機(jī)構(gòu)的數(shù)據(jù)顯示，在全球各國總算力的排行榜上，中美兩國遙遙領(lǐng)先。緊隨其后的，也都是英、法、德、印、日等經(jīng)濟(jì)強(qiáng)國。
算力不但是衡量國家實(shí)力的指標(biāo)，也正在中國各大城市間引發(fā)一場熱戰(zhàn)。
從北上廣深到杭州、南京……大家都憋著一股勁兒，建設(shè)數(shù)字經(jīng)濟(jì)城市，爭當(dāng)算力之都。就連安慶這樣的三四線城市，也在拼命學(xué)習(xí)、追趕。
上世紀(jì)90年代，公路、鐵路、電力等舊基建，奠定了中國制造業(yè)大國的地位。
而今，圍繞城市間的算力之爭，一大批集約化的大型數(shù)據(jù)中心正拔地而起。這背后，是一場規(guī)?？涨暗男禄ㄟ\(yùn)動。
在這場運(yùn)動中，算力正取代電力，成為新基建的核心。因?yàn)樗懔?，是?shù)字經(jīng)濟(jì)時(shí)代的基礎(chǔ)設(shè)施，是新的生產(chǎn)力。
以傳統(tǒng)制造業(yè)為例，在算力上每投入1美元，可帶來10美元的產(chǎn)出。
未來，隨著新基建的大規(guī)模落地，算力的提升將為各行各業(yè)帶來質(zhì)的飛躍，并筑起中國數(shù)字經(jīng)濟(jì)的新底座。
一方面，數(shù)據(jù)大爆炸和人工智能對算力提出前所未有的需求。另一方面，傳統(tǒng)的計(jì)算架構(gòu)卻走進(jìn)了死胡同。
過去數(shù)十年，全球算力基本上是CPU一家獨(dú)大。
尤其1978 年，英特爾推出x86架構(gòu)以來，CPU的算力更是以摩爾定律——每隔18個(gè)月翻一倍的速度，突飛猛進(jìn)。
然而近年來，隨著半導(dǎo)體工藝制程逼近極限，CPU算力的增長也漸趨平緩。曾經(jīng)推動全球計(jì)算產(chǎn)業(yè)大發(fā)展的CPU，如今正陷入算力瓶頸。
21世紀(jì)頭十年，研究人工智能的科學(xué)家們曾到處尋找一種高效且低成本的算力，以便幫他們完成大吞吐量的數(shù)據(jù)處理，訓(xùn)練算法。
最終，他們大多數(shù)選擇了英偉達(dá)的GPU，而不是英特爾的CPU。
原因是，這種非x86架構(gòu)的圖形處理芯片，擁有動輒幾百個(gè)內(nèi)核，能夠并行地同時(shí)處理數(shù)千個(gè)線程。
正是這批人，用GPU推動了一場人工智能革命。
作為這場革命的引領(lǐng)者，谷歌大腦之父吳恩達(dá)后來重新做了一次識別貓臉的實(shí)驗(yàn)，結(jié)果只用了16臺電腦、64個(gè)GPU，比用CPU整整節(jié)省了近百倍。
GPU只是一個(gè)縮影，它反映出的是近年來一個(gè)迅猛增長的計(jì)算趨勢：
傳統(tǒng)CPU一家獨(dú)大的格局正在終結(jié)，全世界正迎來一個(gè)新的異構(gòu)計(jì)算時(shí)代。
在這個(gè)新的計(jì)算時(shí)代，各種非x86架構(gòu)的算力百花齊放，以滿足復(fù)雜場景下，對算力更加多樣化的需求。
比如，F(xiàn)PGA和ASIC。
此前，無論CPU還是GPU，都屬于通用芯片，它們基于半個(gè)多世紀(jì)前的馮·諾依曼結(jié)構(gòu)設(shè)計(jì)，可勝任大多數(shù)的通用計(jì)算場景。
但這種基于指令集的計(jì)算架構(gòu)，需要在內(nèi)存和處理單元間傳輸數(shù)據(jù)，不但影響了效率，還增加了功耗。
FPGA和ASIC不同，它們是一種專用芯片，沒有指令集，也無需共享內(nèi)存，而直接以并行和流水線的方式處理數(shù)據(jù)。不但速度快，功耗也低得驚人。
當(dāng)然，代價(jià)也不菲。由于是專用芯片，它們只能用于特定目的。其中，ASIC完全針對客戶定制；而FPGA屬于半定制，現(xiàn)場可編程，可重復(fù)使用。
自從1985年，賽靈思（Xilinx）創(chuàng)始人羅斯·弗里曼發(fā)明FPGA以來，這種芯片已廣泛用于許多要求低時(shí)延的場景。
比如，5G通信基站和自動駕駛，后者幾毫秒的剎車時(shí)延就可能致命。還有金融市場高頻交易、軍用導(dǎo)彈制導(dǎo)系統(tǒng)，等等。
不僅如此，今天，F(xiàn)PGA正與GPU一起，成為全球高性能計(jì)算（HPC）和大型數(shù)據(jù)中心的加速器。
前者以速度取勝，后者擅長大吞吐量數(shù)據(jù)處理，它們?nèi)缤说乃闹?。CPU則形同大腦，負(fù)責(zé)統(tǒng)籌、調(diào)度各種計(jì)算資源。
2010年以前，微軟必應(yīng)（Bing）搜索引擎基本上靠CPU驅(qū)動。
但大數(shù)據(jù)和人工智能時(shí)代的到來，讓傳統(tǒng)設(shè)備不堪重負(fù)。最終，微軟不得不用FPGA來加速計(jì)算。
結(jié)果，無論數(shù)據(jù)吞吐量，還是延遲，都得到10倍級的提升。
如今，微軟已在自家數(shù)據(jù)中心、一半以上的服務(wù)器部署了FPGA加速卡。亞馬遜、IBM等全球科技大佬也紛紛入局。
就連英特爾，也顧不上身段，斥資167億美元，收購了全球第二大FPGA芯片制造商Altera，試圖續(xù)寫神話。
谷歌則基于ASIC架構(gòu)，開發(fā)了一款專門用于加速神經(jīng)網(wǎng)絡(luò)計(jì)算的TPU芯片。
眾多非x86架構(gòu)的芯片，共同托起了一個(gè)嶄新的計(jì)算時(shí)代。
20年前，人類進(jìn)行一次全基因組測序，需要數(shù)年之久，現(xiàn)在只需要1天。在這背后，是成千上萬倍的算力提升。
新計(jì)算時(shí)代，給人類帶來的遠(yuǎn)不止算力的提升。
在算力需求還不大的年代，功耗并非大問題。但如今，隨著全球HPC和大型數(shù)據(jù)中心的興建，高耗能正成為一個(gè)棘手問題。
另一方面，手機(jī)等小型終端設(shè)備，也對續(xù)航和功耗，提出越來越苛刻的要求。
傳統(tǒng)CPU，無論硬件設(shè)計(jì)還是軟件設(shè)計(jì)，功耗都不占優(yōu)。硬件層面，同等算力下，采用流水線設(shè)計(jì)的ASIC和FPGA，功耗比CPU低很多。
軟件層面，x86 CPU采用復(fù)雜指令集，與采用精簡指令集的ARM等芯片比，功耗天生就吃虧。
由此可以預(yù)計(jì)，未來ARM、FPGA、ASIC等低功耗的綠色計(jì)算，將大行其道。
多元化的格局，也為全人類提供了一種更安全的計(jì)算，同時(shí)避免對某種單一計(jì)算架構(gòu)的過度依賴。
從這個(gè)意義上講，未來的計(jì)算將滿足四個(gè)特征：異構(gòu)、集約化、綠色和安全。
這樣一個(gè)新計(jì)算時(shí)代，對今天的中國意義尤其深遠(yuǎn)。
1882年9月4日，愛迪生親手合上世界上第一個(gè)商用電力系統(tǒng)的電閘，電流沿電線從珍珠街電站流向曼哈頓金融區(qū)，照亮大半個(gè)紐約。
4年后，西屋電氣創(chuàng)始人威斯汀豪斯又建造了美國第一個(gè)商用交流電電力系統(tǒng)。
一輪接一輪電力大基建，使得美國人率先開啟了電氣時(shí)代，并為美國經(jīng)濟(jì)注入強(qiáng)勁動力。最終，美國取代歐洲，成為新的世界中心。
一百多年后，隨著數(shù)據(jù)大爆炸，算力正成為驅(qū)動經(jīng)濟(jì)的新動力。
在中國，12.9億手機(jī)用戶、近1億個(gè)體戶和2000多萬家企業(yè)，每天都要靠算力來完成各種線上線下交易。
這背后，每年高達(dá)數(shù)十萬億元的電商交易，要通過云端的算力來處理。
不僅如此，算力還支撐著從VR/AR到自動駕駛，從人工智能到工業(yè)互聯(lián)網(wǎng)……所有我們生活中的新科技、新產(chǎn)業(yè)，正在改造著傳統(tǒng)產(chǎn)業(yè)的面貌。
因?yàn)橛辛烁鼜?qiáng)的算力，智慧工廠、智慧農(nóng)場、智慧交通、智慧醫(yī)療、智慧政務(wù)……不斷從理想變?yōu)楝F(xiàn)實(shí)，并由此帶來更高的效率和更高的產(chǎn)出。
在美國，隨著智能機(jī)器人等基于智能計(jì)算的新技術(shù)不斷應(yīng)用在傳統(tǒng)制造業(yè)，未來預(yù)計(jì)將為美國制造業(yè)帶來 1700 億美元的額外產(chǎn)出。
與此同時(shí)，智能電網(wǎng)的大規(guī)模建設(shè)，將為其帶來1.3—2萬億美元的收益。
因?yàn)樗懔?jīng)濟(jì)的這種強(qiáng)大驅(qū)動力，全世界正掀起一場大規(guī)模的新基建。在中國，新基建更是已上升至國家的發(fā)展大戰(zhàn)略。
從5G、特高壓、高鐵、充電樁，到AI、大數(shù)據(jù)中心、工業(yè)互聯(lián)網(wǎng)……七大領(lǐng)域，背后都需要算力作支撐。
也因此，短短數(shù)年，全國各地掀起一場以興建大數(shù)據(jù)中心為代表的算力大比拼。
北京、杭州、深圳、上海，你方唱罷我登場。就連昔日偏遠(yuǎn)的貴州，也憑借華為、蘋果、騰訊等公司的大數(shù)據(jù)中心落地，上演了一場GDP逆襲。
在這些大數(shù)據(jù)中心里，x86的CPU架構(gòu)不再一統(tǒng)天下，各種異架構(gòu)芯片“捆”在一起，共同為社會輸出算力。
過去，華為的算力以x86為主，如今它面向端、邊、云，提供一種鯤鵬+昇騰+CPU+GPU+NPU的多樣性算力，并圍繞鯤鵬形成了一個(gè)產(chǎn)業(yè)鏈。
阿里平頭哥，則基于RISC-V指令集，開發(fā)了自己的AI芯片——含光800。
擅長人工智能的百度，也在多年部署FPGA加速器的基礎(chǔ)上，打造了昆侖AI芯片。
在國家七大超算中心，國產(chǎn)自研的申威26010處理器正在支撐著全世界僅次美國的最強(qiáng)算力。
一個(gè)動力充沛、多樣性的算力時(shí)代正在來臨。
未來，這個(gè)新的算力時(shí)代不但將催生一個(gè)萬億級產(chǎn)業(yè)，更將通過新基建，源源不斷地為中國經(jīng)濟(jì)注入澎湃的動力。
