編者按：

生成式 AI 的爆發(fā)式發(fā)展與自動駕駛、智能制造等場景的算力需求激增，正推動一場深刻的算力價值變革。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 時代的核心命題已轉(zhuǎn)向 “算效革命”——以算力效率為評估核心，通過技術(shù)創(chuàng)新、架構(gòu)優(yōu)化與場景融合，實現(xiàn)從 “規(guī)模導向” 到 “效能導向” 的價值躍遷。這場革命不僅關(guān)乎企業(yè)智能化轉(zhuǎn)型的成敗，更將重塑數(shù)字經(jīng)濟時代的生產(chǎn)力格局。

規(guī)模擴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)前所未有的增長態(tài)勢。近日，IDC聯(lián)合寧暢發(fā)布《2025年新質(zhì)算力發(fā)展白皮書》數(shù)據(jù)顯示，2024 年上半年中國智算服務(wù)市場中，面向生成式 AI 的智算服務(wù)（GenAI IaaS）市場規(guī)模達 52.0 億元人民幣，同比增長 203.6%，增速驚人。然而，與旺盛需求形成鮮明對比的是，傳統(tǒng)算力基礎(chǔ)設(shè)施在技術(shù)架構(gòu)、投資回報、使用效率等方面正顯現(xiàn)出嚴重的瓶頸問題，陷入 “堆砌規(guī)模 — 效率低下 — 再擴規(guī)模” 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)，單純以采購服務(wù)器數(shù)量衡量算力實力，卻忽視了與業(yè)務(wù)場景的深度匹配。這種粗放模式導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” 成為企業(yè)智能化轉(zhuǎn)型的沉重負擔。

另外，傳統(tǒng)算力的管理調(diào)度技術(shù)嚴重滯后于需求，算力資源無法實現(xiàn)動態(tài)優(yōu)化分配。在深度學習模型訓練中，“算力堆砌” 現(xiàn)象尤為突出 —— 企業(yè)投入數(shù)百張 GPU 加速訓練，卻因內(nèi)存訪問瓶頸、數(shù)據(jù)傳輸延遲等問題，導致實際計算效率不足理論值的40%。

值得注意的是，算力建設(shè)中的機房建設(shè)、硬件采購與長期運維構(gòu)成巨額開支，而技術(shù)迭代加速又導致設(shè)備更新成本居高不下。更嚴峻的是，大量中小微企業(yè)因難以承擔 “算力堆砌” 的高昂成本，被擋在智能化轉(zhuǎn)型的門外，加劇了數(shù)字經(jīng)濟發(fā)展的不均衡。

如果從宏觀來看，隨著 “雙碳” 目標推進，算力中心的能耗問題日益凸顯。傳統(tǒng)風冷技術(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，部分高負載場景甚至超過 1.88。這意味著每消耗 1 度電用于計算，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算產(chǎn)出）作為核心指標，通過技術(shù)創(chuàng)新、架構(gòu)優(yōu)化與場景融合，實現(xiàn)算力價值的系統(tǒng)性提升。這一變革不是單一技術(shù)的升級，而是涉及硬件設(shè)計、軟件調(diào)度、應用優(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)風冷方案節(jié)能 40% 以上，同時使單機柜算力密度提升 3 倍。在芯片設(shè)計領(lǐng)域，混合精度計算（如 FP16 與 INT8 的動態(tài)切換）成為主流，某大模型訓練場景中，采用混合精度計算可在損失 1% 精度的前提下，將算力利用率提升 30%，顯著降低訓練成本。此外，異構(gòu)計算架構(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，通過智能化軟件調(diào)度實現(xiàn)算力資源的最優(yōu)配置。新一代算力管理平臺具備三大特征：一是動態(tài)感知業(yè)務(wù)需求，如根據(jù)模型訓練進度自動調(diào)整算力分配；二是支持細粒度資源切分，將傳統(tǒng) “整機分配” 模式升級為 “核心 / 內(nèi)存 / 存儲” 的按需組合；三是集成故障預測與容災機制，某自動駕駛企業(yè)通過智能調(diào)度平臺，將算力資源利用率從 28% 提升至 65%，同時將故障恢復時間控制在 10 秒內(nèi)5。此外，開源框架與工具的成熟（如 TensorFlow、PyTorch 的優(yōu)化插件），使企業(yè)無需定制開發(fā)即可實現(xiàn)算效提升，降低技術(shù)門檻。

算效革命的最終目標是推動算力與業(yè)務(wù)場景的深度融合，實現(xiàn) “有效計算” 的最大化。在推理場景中，算效優(yōu)化聚焦低延遲與高并發(fā)，某短視頻平臺通過對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 200%。

在訓練場景中，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 團隊采用流水線并行技術(shù)，將多模態(tài)醫(yī)學影像模型的訓練時間從 15 天縮短至 4 天，同時降低算力成本 40%。更關(guān)鍵的是，算效優(yōu)化正從單一場景向全鏈條延伸，例如制造業(yè)中，從產(chǎn)品設(shè)計仿真到生產(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。在大模型訓練場景中，通過混合精度訓練、梯度壓縮等技術(shù)，某語言大模型訓練成本降低 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%，支撐千萬級用戶并發(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)濟時代生產(chǎn)力發(fā)展的必然要求。當算力從 “稀缺資源” 變?yōu)?nbsp;“通用能力”，其價值衡量標準必然從 “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，而算效革命推動企業(yè)轉(zhuǎn)向 “業(yè)務(wù)價值” 導向的算力評估。IDC 提出的PEEIE（Product, Efficiency, Engineering, Industry, Ecology）算力設(shè)施選型標準，正是這一轉(zhuǎn)變的體現(xiàn) —— 不再單純關(guān)注處理器性能、存儲容量等硬件指標，而是從產(chǎn)品豐富度、算效指標、工程化能力、行業(yè)適配性、生態(tài)協(xié)同性五個維度，評估算力解決方案對業(yè)務(wù)的實際價值。某金融企業(yè)應用該標準選型后，算力投入減少 30%，但業(yè)務(wù)處理能力提升 50%，證明算效導向的價值評估更符合 AI 時代需求。

算效革命將推動算力產(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 “賣設(shè)備” 轉(zhuǎn)向 “賣算效”，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、應用優(yōu)化等細分領(lǐng)域。這種分工細化將提升整個產(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 — 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 5-8 倍，實現(xiàn) “算力增長、能耗可控” 的可持續(xù)發(fā)展。

結(jié)   語

站在 AI 時代的門檻回望，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。當算力效率成為衡量數(shù)字生產(chǎn)力的核心指標，當算效提升成為企業(yè)智能化轉(zhuǎn)型的關(guān)鍵抓手，當算力的價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、社會進步創(chuàng)造的實際價值。

算效革命的浪潮已至，唯有順應這一趨勢，才能在 AI 時代的競爭中占據(jù)先機，讓算力真正成為驅(qū)動數(shù)字經(jīng)濟高質(zhì)量發(fā)展的核心引擎。

       原文標題 : AI時代：是時候“算效”革命了