《算力时代：一场新的产业革命》由王晓云、段晓东、张昊等著，中信出版社出版，系统地阐述了算力在现代科技和产业发展中的核心地位及其对未来社会的深远影响。全书围绕“算力是新时代的核心生产力”这一核心论点展开，通过丰富的历史案例、技术分析和未来展望，详细论证了算力如何推动产业变革和社会进步。
第一篇：从原始算力到现代算力——算力的前世今生
本篇回顾了算力的发展历程，从古代的算筹、算盘，到机械计算、电子计算机，再到现代的通用计算和异构计算。作者详细介绍了算力从简单工具到复杂系统的演变过程，强调了算力在人类社会发展中的基础性作用。
核心观点：算力的发展是科技进步的重要驱动力，其演变过程体现了人类对信息处理能力的不断追求。
第二篇：多样的现代算力——探索算力奥秘
本篇聚焦于现代算力的多样性和复杂性，探讨了通用计算和异构计算的发展，包括x86、ARM、RISC-V指令集架构，以及GPU、FPGA等异构芯片。作者分析了不同架构的特点及其在不同应用场景中的优势。
20世纪80年代，精简指令集的呼声很高，学术界一致认为精简指 令集才是指令集架构未来的发展方向，而复杂指令集是过时的、 落伍的设计。甚至复杂指令集的典型代表英特尔也面临着复杂或 简单的艰难选择。如果选择精简指令集，意味着复杂指令集这么 多年积累的生态优势没有了，相当于从零开始。于是英特尔选择 了一个折中的办法，在维护X86苦心经营起来的市场地位的同时， 推出一款基于精简指令集的CPU新型号-80860。虽然这款CPU的 发布顺应了学术界的呼声，但并没有取得市场的成功。事实证明， 当用户面临兼容性和高性能二选一的时候，用户会选择兼容性。毕 竟兼容性问题更直接，可能会导致很多软件甚至操作系统都无法使 用。由此可见，计算产业的生态非常重要。若不是英特尔和微软形 成Wintel帝国，并吸引众多软件开发者组成生态圈，引导用户形成 使用依赖，用户对x86也不会有这么强的“忠诚度"。后来英特尔又 推出了一款基于精简指令集的CPU-80960,市场仍然不见起色， 最终英特尔才放弃精简指令集的道路。
指令集与操作系统绑定形成的生态墙是RISC-V不得不面对 的挑战，例如当年PC领域的Wintel联盟与现在移动领域的“ARM+ 安卓”。当前RISC-V在一些碎片化的市场领域比如物联网（loT） 进行发力，以精简开源的优势攻克定制化市场，这也导致RISC- V很难形成一个统一的上层软件栈生态。其次，经过多年的发展， ARM的软件开发工具相对具备过硬的质量和宽阔的商业广度。但 是RISC-V的开发工具还比较匮乏，例如RISC-V的软件开发IDE （ 集成开发环境），大部分由芯片公司牵头基于开源方案来做独立定 制，当前的商业化IDE很难适配不同公司的芯片产品。软件生态的 不完善导致商业公司在做关键选择时，RISC-V可能会尴尬地被作 为ARM的备选方案。
以CPU为核心的通用处理器难以满足日新月异、快速迭代的业务需 求，这与CPU自身的设计原则和架构有关。CPU强调通用性，需要 支持复杂的逻辑判断，这样会引入大量的分支跳转和中断的处理， 使得CPU的内部结构异常复杂，存储单元与控制单元占据了大量 的空间，计算单元的比重被降低了。因此，CPU的通用架构决定 了其擅长统领全局的调度、管理、协调等复杂串行逻辑处理，而不擅长并行数据处理，比如处理编解码转换、报文 转发、加解密等任务。
CPU擅长标量运算，GPU及AI加速卡擅长向量、矩阵、张量运算。标量，可用一个具体的数值来表示，如重量、温度、长度等，其 只有大小，没有方向。向量，既有大小又有方向，可用有向线段表 示，线段长度表示向量的大小线段方向表示向量的方向。矩阵， 是一个按照长方阵列排列的数值集合，由mxn个数排成的m行n列 矩阵，简称mxn矩阵。张量（Tensor）,是多维数组，将向量、 矩阵推向更高的维度。
定制化设计使得ASIC芯片电路与工艺高度一体化，单位算力的能 耗相较CPU、GPU、FPGA更低。去除冗余模块会大大减少芯片面 积，使得单芯片的成本更优。同时，定制化也是一把"双刃剑”， 定制会导致芯片设计开发周期长，投放市场及推广速度较慢。目 标领域及算法的固定也使得芯片在技未发展快速的领域存在着如果 算法被淘汰则芯片也会同时被市场淘汰的风险。另外，成本也是一 个相对的概念。如果工程建筑所处的大环境有很大的变动或升级的 可能，那么FPGA的灵活特性便占有相当大的优势。但当一个行业 涉及的需求及技术日趋成熟时，ASIC便会逐渐占据主流应用市场。例如，在5G发展的早期阶段，FPGA广泛应用于基站设备，它的 可编程优势会让设备厂商节省设备硬件重新开发的费用及周期。
核心观点：现代算力的多样化是满足不同计算需求的关键，异构计算的发展为解决复杂计算问题提供了新的思路和方法。
第三篇：算力就是生产力——新基建之心
本篇从算力服务的角度出发，探讨了算力在云计算、边缘计算、大数据和AI等领域的应用和发展。作者通过具体案例展示了算力如何推动这些技术的发展，并成为数字经济的核心生产力。
云计算将云服务使用者的固定成本转化成了可变成本。从经 济学上看，固定成本和可变成本的属性存在着很大的差异。固定成 本是企业的一次性投入，是企业组织生产、开展经营活动的前提， 不管企业生产经营活动的效果如何，固定成本都是企业需要背负 的重要支出。可变成本是在企业真正开展了生产和经营活动时才 真实产生的费用。过去，企业使用的IT资源主要依靠自行购买、 维护和管理，属于固定成本。在云计算出现之后，这些IT资源变 成了可以按需购买、按量付费的东西，因此就转变成了可变成本， 这极大地降低了企业开展生产活动的门槛。
其次，云计算具有很强的规模经济特征。云计算的构建需要很多基础设施，涉及庞大的固定成本开支，包括电力、机房、机架、 空调制冷设备、服务器、网络带宽等的投资和建设。但在相关基础 设施建成后，其进一步扩张所需要的边际成本逐步降低，这就决定 了随着云服务提供者规模的扩大，其平均成本将会呈现迅速下降的 趋势。
最后，云计算具有很强的虹吸效应。当某些云计算提供商的产品更 丰富、服务质量更高、口碑更好时，就能吸引更多的云计算使用 者使用相关服务，这也是为什么云计算提供者主要集中在全球少数 几家云计算提供商，形成寡头效应。当然，随着行业寡头的形成， 越来越多的云计算使用者也担心被个别企业绑定，纷纷将自己的应 用同时部署在多个云上，通过负荷分担或业务迁移的方式来避免店 大欺客。
数据是绝大部分行业最核心的资产。在传统的云计算模式下，数据 处理需要通过网络传给远端的大型数据中心进行集中处理，但用户 与云数据中心距离较远，这导致在远距离网络传输过程中可能会有 数据丢失和泄露的风险。
可用自然界的章鱼来类比 分析一下边缘计算。作为无脊椎动物中智商最高 的一种动物，章鱼可谓是自然界中的边缘计算的“祖师爷"，章鱼 拥有巨量的神经元，60%的神经元分布在它的8条腕上，脑部却仅有40%。章鱼在逃跑、捕猎时异常迅速敏捷，8条腕相互配合、合 理分工，从不缠绕打结，这得益于章鱼类似分布式计算的"多个小 脑+一个大脑”。换句话说，章鱼的每一条腕都会“独立思考”，这样 一来，大脑的压力就被分担了，即便是遇到危险，章鱼的8条腕也 可以分别控制自己向8个不同的方向游动，从而避免产生“绕在一起” 的现象。章鱼的这种思考方式，就是所谓的边缘计算，即将部分数 据通过网络分发到更靠近用户的地方来计算，从而缓解核心部分的 运算压力，降低网络传输时延，形成更高的计算效率，同时节约计 算成本。
图片
港口业务场景对网络的需求分析表：
场景描述，整体需求描述：时延、带宽、可靠性、安全性
图片
AI的使能要素包含基础层、技术层、应用层：
图片
核心观点：算力不仅是技术发展的基础，更是推动经济和社会发展的关键生产力，其重要性不亚于传统的基础设施如电力和交通。
第四篇：算力网络，算网一体共生——从水网、电网到算网
本篇提出了算力网络的概念，探讨了“东数西算”等算力服务的发展趋势。作者认为，未来的算力将像水和电一样，成为社会基础设施的一部分，实现算力的高效分配和利用。
核心观点：算力网络的建设是实现算力资源优化配置的关键，通过算网融合，可以更好地支持数字经济的发展。
第五篇：突破极限——算力的未来
本篇畅想了未来算力的发展方向，包括存算一体、在网计算、6G通信技术、“摩天”算力和量子计算等。作者探讨了这些新兴技术对算力发展的潜在影响，并提出了对未来算力演进的展望。
冯·诺伊曼计 算架构是摩尔定律在AI场景下失效的根因。如何通过硬件体系架构 的创新，克服“存储墙"瓶颈，实现深度学习算法的最佳运算效率， 成为AI芯片架构创新发展的新方向。在冯·诺伊曼架构中，由于存储器与CPU在物理空 间上处于分离状态，因此以计算为核心的架构会引领产业界更多 的投入，从而导致CPU和存储器之间的性能差距变得越来越大。从1980年起，CPU性能以每年大约60%的增长率 提升，而存储器的性能每年的增长率大概只有9%,两者的性能失 配情况一直以每年50%的增长率增加，这导致存储器的数据访问能 力跟不上同时期CPU的数据处理能力，"存储墙”问题越来越严重， 硬件的整体算力难以提升。
图片
核心观点：未来算力的发展将突破现有技术的极限，通过创新的计算架构和通信技术，实现更高效、更强大的计算能力。
第六篇：新时代、新战略、新行动——算力时代，百家争鸣
本篇从政策和产业的角度出发，介绍了中国移动、ARM公司、华为等企业在算力领域的战略布局和产品创新。作者强调了企业在推动算力技术发展中的重要作用。
核心观点：在算力时代，企业需要通过技术创新和战略布局，积极参与算力基础设施建设，推动算力技术的快速发展和应用。
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。