①基础词汇：
算力：计算能力，算力的大小表明了对数字化信息处理能力的强弱。
CPU：中央处理器，常见品牌Intel，AMD。
GPU：图像处理器，显卡的核心，常见品牌AMD，英伟达。
计量单位：FLOPS，表示每秒浮点的运算次数。前缀如T/P代表运算次数，P=每秒1千万亿次。
AI大模型：指人工智能预训练大模型，模型越复杂、参数量越大，所需计算量越大。
上游产业：CPU、GPU、储存器;数据库、中间件、操作系统；IT硬件生产。
中游产业：AI，边缘计算，网络设备，算力安全。
下游产业：互联网、制造业、金融等。
②供给&需求：
供给：国内10座超算中心，7座智算中心。截至23年6月底，全国在用数据中心机架总规模超过760万标准机架，并力总规模达到197EFLOPS(EFLOPS是指每秒百亿亿次浮点运算次数)，产业发展迅速。
需求：OpenAI推出的ChatGPT-3训练使用了128台关伟达A100服务器训练34天，对应640P算力，GPT-4模型训练使用了3125台英伟达A100服务子器训练90至100天，对应15625P算力。从GPT-3至GPT-4模型参数规模增加约10倍，但用于训练的GPU教量增加了近24倍。算力需求成倍上升。华为副总裁李鹏表示，到2025年，智能算力需求将达到当前的100倍。
③什么是算力？
算力的字面意思，大家都懂，就是计算能力（Computing Power）。更具体来说，算力是通过对信息数据进行处理，实现目标结果输出的计算能力。我们人类，其实就具备这样的能力。在我们的生命过程中，每时每刻都在进行着计算。我们的大脑，就是一个强大的算力引擎。大部分时间里，我们会通过口算、心算进行无工具计算。但是，这样的算力有点低。所以，在遇到复杂情况时，我们会利用算力工具进行深度计算。远古时期，我们的原始工具是草绳、石头。后来，随着文明的进步，我们有了算筹（一种用于计算的小棍子）、算盘等更为实用的算力工具，算力水平不断提升。
④算力的分类，云计算和数据中心之所以会出现，是因为信息化和数字化的不断深入，引发了整个社会强烈的算力需求。这些需求，既有来自消费领域的（移动互联网、追剧、网购、打车、O2O等），也有来自行业领域的（工业制造、交通物流、金融证券、教育医疗等），还有来自城市治理领域的（智慧城市、一证通、城市大脑等）。不同的算力应用和需求，有着不同的算法。不同的算法，对算力的特性也有不同要求。通常，我们将算力分为两大类，分别是通用算力和专用算力。大家都知道，AI人工智能是一个算力大户，特别“吃”算力。在人工智能计算中，涉及较多的矩阵或向量的乘法和加法，专用性较高，所以不适合利用CPU进行计算。在现实应用中，人们主要用GPU和前面说的专用芯片进行计算。尤其是GPU，是目前AI算力的主力。GPU虽然是图形处理器，但它的GPU核（逻辑运算单元）数量远超CPU， 适合把同样的指令流并行发送到众核上，采用不同的输入数据执行，从而完成图形处理或大数据处理中的海量简单操作。因此，GPU更合适处理计算密集型、高度并行化的计算任务（例如AI计算）。这几年，因为人工智能计算的需求旺盛，国家还专门建设了很多智算中心，也就是专门进行智能计算的数据中心。除了智算中心之外，现在还有很多超算中心。超算中心里面，放的都是“天河一号”这样的超级计算机，专门承担各种大规模科学计算和工程计算任务。
⑤算力的衡量，算力既然是一个“能力”，当然就会有对它进行强弱衡量的指标和基准单位。大家比较熟悉的单位，应该是FLOPS、TFLOPS等。其实，衡量算力大小的指标还有很多，例如MIPS、DMIPS、OPS等。MFLOPS、GFLOPS、TFLOPS、PFLOPS等，都是FLOPS的不同量级。
需要算力可以联系我！或者直接访问我们的平台 gpu.icloud.cn
标签：需求,AI,弄懂,概念,计算,GPU,算力,CPU From： https://blog.csdn.net/liaaaa998/article/details/141895781