概念解析 | ChatGPT爆发背后的高算力需求意味着什么？
近期ChatGPT概念火热，相关计算能力也开始受到关注，ChatGPT能够实现当前如此强大的交互，离不开背后庞大的算力支撑。
那么，算力是什么呢？让我们简单聊聊ChatGPT爆发背后的高算力需求，它究竟意味着什么。
算力，就是计算能力。算力的大小代表数字化信息处理（信息的获取、存储、计算和传输）能力的强弱。大数据的飞速发展对算力提出了较高的要求，而据IDC统 计，近10年来全球算力增长明显滞后于数据增长： 全球算力的需求每3.5个月就会翻一倍，远远超过了当前算力的增长速度。
如何解决算力增长滞后于数据增长的困境？一是从计算芯片层面来考虑，二是从计算架构方面来考虑。
多年来，CPU一直是计算机中负责计算的主要单元，即数据处理、网络运营管理、业务应用管理等所有计算工作都是基于CPU的计算能力来进行调度的。面对今天高效能计算要求越来越多（如图形处理、人工智能、深度学习等应用越来越多），CPU的计算能力由于受到固有计算模式的限制而显得力不从心。为此，一个思路是，将各种加速计算如图形处理、人工智能、深度学习和大数据分析应用专门分配给GPU（GraphicProcessUnit，图形处理器）处理，而将涉及数据中心中安全、网络、存储等网络基础的运行管理计算，以及其他高性能计算和人工智能等专用任务的加速处理交给DPU（DataProcessingUnit，数据处理器）处理。这样CPU、GPU和DPU分工协作，共同担负起面向大数据时代的数据中心的计算任务。通常，AI芯片就是基于GPU的计算开发而成的。
此外，从计算架构方面来考虑，既然计算机的计算性能提升速度不可能跟上数据增长的速度，那就将众多的计算机，如上千台、上万台，甚至几十上百万台计算机“集群”起来，构建智能计算中心，通过云计算技术，实现对数据的云计算和云存储，以此应对不断增长的数据计算需要。
当然，将众多计算机集群起来，不仅需要一定规模的投资，还需要有较强的专业技术管理能力。实际过程中，不是非常必要的情况，一般无须建立自己的私有云，而是可以选择租赁公有云，或者针对一部分关键业务建立自己的私有云，而普通业务选择租赁公有云，即采用混合云方式。当然，为了减轻云计算负担，还可将计算任务分解到数据产生的源端（端计算）、数据采集的边缘（边缘计算），“端边云”计算架构思路也应运而生。
算力有望替代热力、电力，成为拉动数字经济向前发展的新动能、新引擎，算力正在成为影响国家综合实力和国际话语权的关键要素，国与国的核心竞争力正在聚焦于以计算速度、计算方法、通信能力、存储能力为代表的算力。
与此同时，零点有数以基于预训练大模型在公共服务和商业智能领域各垂直行业的应用算法为核心的算法脑核，在数据基础上运用计算技术和数字对策技术去优化、解决、改变问题，共同打造更为先进的人工智能社会。
往期推荐：
