算力概念与市场规模总结
一、算力定义与特征
算力是指IT设备的计算能力，在“智算中心”“新基建”等国家政策驱动下热度持续攀升。智算时代算力呈现两大特征：
- 训练算力：集中高密部署，需高计算性能和海量数据，适合西部区域部署
- 推理算力：贴近客户快速交互，需低时延、高弹性计算，部署于京津冀等重点区域
二、算力分类与单位
算力分类
- 基础算力：以CPU为主，适用于各领域计算
- 智能算力：以GPU、FPGA等芯片为主，侧重AI领域
- 超算算力：以超算集群为主，用于科研、国防等领域
此外，广义算力还包括存储的“存力”、网络的“传力”及算法能力
算力单位
- FLOPS：每秒浮点运算次数（如1GFLOPS=10亿次/秒）
- 其他单位：MIPS、DMIPS、OPS、Hash/s等
三、AI算力芯片路线
- GPU算力：英伟达T4（70W/卡）、华为昇腾Atlas300i Pro（72W/卡）
- CPU算力：英特尔至强Gold6348（双精2.3Tflops，单精4.6Tflops）
- AI推理场景：安防监控、自动驾驶、边缘计算等
四、算力统计标准
- 信通院标准：基础算力（FP16）、智能算力（FP16）、超算算力（FP64/FP32）
- 精度分析：FP32（32位浮点数）、FP16（16位浮点数）、TF32（英伟达特殊类型）
五、算力计算方式
CPU算力
- 计算公式：Flops=CPU核数×单核主频×CPU单个周期浮点计算能力
- 跑分工具：SPECCPU（如SPECCPU2017）
GPU算力（以A100为例）
- 峰值算力公式：GPUCore运行频率×GPUSM数量×指令吞吐量×2
- 不同精度算力：
- FP64 TensorCore：19.5Tflops
- FP16 TensorCore：312TFlops
- 稀疏算力：标准算力2倍
六、GPU算力综合指标
- 英伟达GPU分类：
- GeForce（消费级）
- Quadro（专业级）
- Tesla（企业级）
- 不同类型对比：
- AI训练：A100 > A30 ≥ A40
- AI推理：A10 > T4
- HPC应用：A100 > A30
七、主流AI芯片算力
- 国产厂商超过10家，常见型号如华为昇腾、寒武纪等
- 算力指标包括FP16算力、显存大小、带宽等
八、智算中心技术架构
产品组成
- AI算力服务器：GPU服务器为主，如超云R8628 G13（支持10张GPU）
- GPU服务器与标准服务器区别：扩展性、功耗、互联方式等
GPU服务器类型
- PCIE机型：GPU通过PCIe互联，带宽受限
- Nvlink机型：GPU通过Nvlink全互联，带宽更高
GPU拓扑
- PCIe机型：NVLink扩展（桥接器实现两卡互联）
- Nvlink机型：基于HGX模组，如超聚变G8600 V7（模块化设计）
英伟达产品迭代
- H200：H100性能提升60%，预计2024年Q2上市
- NVL72：72块B200芯片组成逻辑“大GPU”，采用NVLink 5.0技术
九、智算中心网络需求
- Mellanox IB网络：
- DR分类：SDR、DDR、QDR、FDR、EDR、HDR、NDR
- 主流速率：200Gbps/400Gbps
- 网卡：ConnectX-7（单/双端口，支持x16 PCIe）
- 交换机：NDR系列（32个OSFP连接器，64个400G端口）
- 典型互联链路：交换机-交换机、交换机-网卡（支持一转2/4）
