高质量算力定义、内涵及特征有哪些？

算力成为衡量国家综合实力 和国际话语权的重要指标。

1.定义

人工智能时代，高质量算力是基于最新人工智能理论，采用先进的人工智能计算架构，与算法、数据深度结合的高水平计算能力。高 质量算力是驱动“算法”赋能劳动者、加速“数据”优化劳动对象、 激发“算力（设备）”升级劳动资料，从而推动生产力要素发生根本 性质变，实现全要素生产率提升的一种新质生产力，有效推动数字经 济与实体经济的深度融合，实现经济社会高质量发展。

人工智能时代，高质量算力具备技术创新的“主引擎”、生产要 素配置的““优化器”、产业深度转型升级的““化化””三大内涵；具备 高算效、高智效、高碳效、可获得、可持续、可评估六大特征；以系 统设计、协同驱动、全生命周期管理、基建先行、繁荣生态、多元评 估为六大主要发展路径，可充分响应数字经济快速增长的计算需求， 应对人工智能时代算力发展机遇和挑战。

2.内涵

高质量算力是人工智能时代的新质生产力。新质生产力本质是生 产力，由技术革命性突破、生产要素创新性配置、产业深度转型升级 而化生。人工智能时代背景下，高质量算力已逐渐融合到生产生活的 方方面面，为社会、产业智能化转型提供基础动力，具体体现在以下 三点： 一是技术创新的“主引擎”。高质量算力推动人工智能模型训练 和应用，在 AI 模型训练和部署上更具优势，推动预训练大模型在海 量数据的学习训练后具有良好的通用性、泛化性和高效率，用户基于 大模型通过零样本、小样本学习即可获得领先的效果，能够显著降低 AI 应用的门槛。在科学研究方面，高质量算力强大的计算能力能够 提高大规模数据处理的速度，缩短模型训练的时间，进一步提升科研 效率，降低科研成本，同时加速前沿科学问题的探究，如新药创制、 基因研究、新材料研发等，推动科学技术创新发展。

二是生产要素配置的“优化器”。数据是人工智能的三要素之一， 高质量算力提供强大的计算资源对数据进行分析、加工、处理，将海 量数据转化为先进生产要素，畅通生产、分配、流通、消费各环节， 构建数据流通交易体系，实现数据资源的有效配置和价值最大化。另 外，高质量算力通过智能化的资源管理和调度系统，根据实际需求动 态调整资源分配，对计算、存储和网络资源进行优化配置，通过虚拟 化和云计算技术实现资源的弹性伸缩，提高资源利用效率。 三是产业深度转型升级的“化化””。在改造提升传统产业上， 高质量算力推动前沿科技与传统行业相结合，为传统产业注入新活力， 化生新的商业模式和服务，如智能制造、智能医疗、智慧金融等。在 培育壮大新兴产业上，高质量算力推动人工智能、大数据、区块链等 数字产业发展，加快数字产业化步伐。在推动未来产业建设上，高质 量算力瞄准前沿领域，促进元宇宙、人形机器人、脑机接口、量子信 息等新产业发展，加速重大科技成果产业化。

3.特征

3.1 高算效：设计与运行计算效率“双优”体现

高算效指的是在提高算力理论算效的同时考虑更高的实测性能 和资源利用率，是综合考虑设计、运行等维度的计算效率。 理论算效是设计维度上的考量，是计算系统算力与功率的增值， 即“每瓦功率所产生的算力”，是同时考虑计算性能与功率的一种效 率指标。理论算效数值越大，代表单位功率的算力越强，效能越高。 2023 年年底，全国在用算力中心平均算效为 11.8GFLOPS/W，达到GB/T 43331-2023“《互联网数据中心“（IDC）技术和分级要求》中通用 算力算效第三等级，我国算效水平仍有较大的提升空间。 实测性能是短期运行维度上的考量，在充分考虑理论算效的基础 上，关注的是应用场景下的实测性能，如单位时间内处理的 Token 数 量、时延、模型训练时间、数据处理质量等指标。在实测性能方面， 高质量算力致力于提升整机系统输出能力，消除网络、存储等集群性 能瓶颈，兼顾软件生态建设、应用适配。如今算力集群实测性能和理 论性能差距过大这一问题逐渐凸显，部分算力实测性能不足 10%，大 量算力资源被浪费，算力系统实测性能亟需优化提升。

资源利用率是长期运行维度上的考量，指的是算力系统实际运行 过程中的平均资源利用率，避免算力堆砌及大量资源闲置。资源利用 率的“高”体现在不断优化算力资源实际应用水平。如可通过优化GPU 平均利用率来提升算力资源利用率。据公开数据统计，传统模式下的 智算中心 GPU 利用率较低，平均数值低于 30%，英伟达 GTC 2022 公 布数据显示 Google 云平均 GPU 利用率为 25%，算力资源利用率存在 较大优化空间。

3.2 高智效：兼备高效和智能的 AI 业务支撑能力

高智效指的是算力具备高效处理 AI 业务的能力和较高的自动化、 智能优化水平。 高智效体现算力面向人工智能业务的高效处理能力。在以大模型 为代表的人工智能技术上，更高的模算效率是体现高智效的主要指标。 模算效率正增于模型精度与模型的计算效率，模型本身精度越高、在对应软件上对硬件性能利用率越高、推理及训练所需算力越小，模算 效率越高，整体反映被测模型在人工智能业务应用中的综合处理效率。 高智效体现算力较高的自动化水平和智能优化能力。这种高效能 不仅体现在硬件的计算速度和处理能力上，更在于整个系统对资源的 智能管理和优化调度上。通过高度自动化的任务调度、资源分配和故 障恢复机制，以及智能优化算法、能耗管理和自适应学习技术，高智 效的算力系统能够实现更强的可靠性和可用性，为推动智能化应用的 发展提供有力支持。

3.3 高碳效：最低碳排放前提下实现最大化算力输出

高碳效指的是算力在最低碳排放前提下实现最大化算力输出，是 兼顾碳排放量和算力性能的综合指标。 高碳效不仅关注算力单纯的能源消耗、算力输出水平，更注重算 力系统从采购到回收整个过程的全生命周期碳足迹管理。算力碳效是 有效衡量高碳效水平的一个关键指标，指设备使用周期内产生的碳排 放与所提供的算力性能的增值。据《数据中心算力碳效白皮书》测算 表明，对于服务器来说，CPU 性能越好，可提供的计算能力更优越， 所消耗的能量越多，带来的温室气体排放也越多，但服务器算力碳效 即单位算力性能的碳排放量反而会降低。全生命周期碳足迹管理主要 通过绿色采购、绿色设计、清洁生产、绿色包装和运输、绿色运营、 回收处理等降低整个算力系统的碳排放。如在绿色设计环节采用高效 的服务器和存储设备、先进的制冷和散热技术。根据中国电子节能技 术协会的数据，液冷 PUE 低于传统风冷 PUE 至少 50%，意味着算力中心的能耗可至少减少 50%，碳排放量也将减少 50%。

3.4 可获得：普适应用需求和普惠使用成本的极致追求

可获得指的是算力能够满足普适应用需求和普惠使用成本要求。 普适性表现在算力能够广泛满足各种应用场景的需求。普适性保 障算力系统在智慧医疗、智能制造、自动驾驶、金融服务、科研计算、 智慧城市等多个领域的广泛应用，是推动这些领域发展的关键因素。 在使用门槛上，算力像水电类的公共资源一样，具备好用易得等特点， 各行各业用户无需深入了解复杂的技术细节，只需简单的操作即可获 得所需的计算资源。 普惠性主要表现在可保障用户以合理、可负担的成本使用算力资 源。普惠算力通过优化资源配置、提供灵活计费方式、推动技术创新 等手段不断降低用户成本、扩大服务覆盖范围、提升用户体验，可实 现各行各业低成本使用，无论是大型企业还是中小企业，甚至是个人 开发者，都可以方便地获取和使用算力资源。

3.5 可持续：技术兼容、供应链完备、产业生态开放的共同选择

可持续指的是算力具备技术兼容、供应链完备、产业生态开放的 特性。 在技术上，算力的可持续特征体现在可向“前”兼容，向“后” 持续迭代升级，软件配套支持能力及开放水平高，不同品类、不同技 术路线的芯片、算法、模型、应用可实现兼容适配。 在供应链上，算力的可持续特征体现在从核心部件到专用芯片、 从电子元器件到基础软件、应用软件的全方位、多层次的供应链条强大且完备，并以完善的产业链带动算力产业上下游的发展。 在产业生态上，算力的可持续特征体现在算力服务生态开放，算 力系统分层解耦，提供可替代的算力支撑能力，可有效打破封闭和垄 断现象，降低应用迁移门槛。

3.6 可评估：反映算力实际应用水平的多元评估

可评估指的是面向人工智能应用场景，算力可通过完整、有效的 评估体系得到反映实际应用情况的特性。 当前算力评估体系存在评估场景简单、同质化严重、评估维度单 一、全面性不足等问题，亟需拓展系统性能评价维度，以更全面、深 入地反映算力应用的实际效能与发展潜力。高质量算力的评估体系能 够满足市场对高效、可衡量的计算力解决方案的评估需求，评估体系 主要具有以下特点： 一是评估体系全面多元，适用范围广。评估体系指标多元，综合 考虑人工智能不同业务场景、多环节的质量评估需求，侧重评估算力 在人工智能方面的创新能力和对新技术的支持程度，评估结果为算力 技术和成本优化提供依据，提升算力资源的人工智能支撑能力。 二是评估指标以应用为导向，科学合理。重点体现在从单纯的理 论计算效率评估升级为对实际应用效率等的多维评估。通过标准化的 评估方式得出准确数据，通过数据结果辅助用户决策，提出贴合实际 的指导建议，促进技术、产品功能不断升级，引导产业向更高效、规 范的方向发展。