数字经济时代区域如何抓准“算力”发展先机？

当前，数字经济进入新发展阶段，算力成为核心资源之一。以数据中心、超级计算中心、智能计算中心等为代表的算力基础设施也继而成为新基建中的“地基”，国家各部委在布局推动上不遗余力，近年来从标准、规划以及鼓励扶持措施等方面提出多项相关政策。

近日“东数西算”工程的发布，再次将算力基础设施的重要性推向新高地，掀起新一轮的建设高潮。然而，什么样的建设方向和建设路径能真正助力产业升级、推动区域经济发展？亟待社会共识。

在近日举行的2021算力中心健康发展研讨会上，专家纷纷表示，在万物互联时代，算力越来越热，区域在建设算力中心时要保持清醒，要通过应用场景去布局算力基础设施建设，让算力资源真正使用起来。

理清算力概念 明确应用边界

有数据表明，算力指数平均每提高1点，数字经济和GDP将分别增长3.3‰和1.8‰。因此，算力正成为我国在新发展格局下衡量经济状况的“晴雨表”，以技术逻辑、应用逻辑、市场逻辑等共同构成的算力经济也同步被推向风口，成为关乎国计民生的重要概念。

据记者了解，算力代表了对数字化信息处理能力的强弱，但不同类型的算力，会存在较大的差别，以智能计算和超级计算为例，二者在计量单位、计算精度及应用场景上有很大差异，如不厘清两者之间的差异，很容易落入误区。

“目前业界用于衡量超级计算采用的是‘双精度浮点运算能力’（64位），而智能计算的衡量精度则是单精度（32位）、半精度（16位）、及整型运算（INT8、INT4）。”中国科学院计算技术研究所研究员张云泉指出，由于算力概念的混淆，导致部分区域建设方向和建设需求错位，而混淆传统超级计算与智能计算可能会导致用户或地方政府错误决策——本意是建设强大的、面向多应用的计算集群，最后却建成了只适宜部分人工智能应用的机器。

对于当下处在风口的人工智能而言，目前主流的八个应用场景分别为图像分类、轻量对象检测、重量对象检测、循环翻译、非循环翻译、NLP（自然语言处理）、推荐机制、强化学习。这些场景对于算力精度的要求也有区分，如强化学习场景需要较高精度的算力支撑，而图像分类场景则对算力精度没有过高的要求。

中国科学院数学与系统科学研究院张林波表示：“应各自发挥特长，做适合自己的事情。科学计算和人工智能，既要有各自擅长的，也应实现互补。有的应用适合超算，有的应用适合智算，有的适合两者结合。最重要的是看应用需要什么样的算力，对应的就发展什么样的计算机。”

算好经济账 算力基础设施建设需谨慎

当前，总体算力的数值成为大多数区域在算力基础设施建设时考量的重要技术指标。但在忽视算力应用的前提下，简单考量总体算力的数值高低则会落入数字陷阱。

国家对地观测科学数据中心王建指出，算力基础设施的建设往往是大型项目，投入动辄过亿。因此，算力效益就需要纳入考量范围，不能只依据纸面数据盲目投建，忽略市场逻辑。

“建设人工智能计算中心，为用户提供算力是很重要，但建设之前想明白应用需求更加重要。”中国工程院院士郑纬民认为，如果不想好应用场景，地方盲目建设人工智能计算中心，结果就是“来的快，去的也快”，设备建好以后很容易被闲置。

因此他建议，智算中心的建设不仅仅包括基础设施建设投入，还包括后期软件、应用、人才投入。应该着重考察算力单价，避免花冤枉钱。另一方面，制定业界权威的算力定价标准也是避免同等算力产品差价过于悬殊的有效途径。

加快标准制定 正确引导行业健康发展