如何通俗的读懂算力？

正文

请到「今天看啥」查看全文

所以，你看，不同类型的算力像拼图比赛中的不同选手，各有长处，也各有局限； 我们在实际应用中，会根据任务需求，选择最合适的算力来完成工作。

每隔一段时间，网上总会冒出一堆关于芯片、计算能力的讨论；你有没有想过，为什么这个话题，总能引发这么多关注？

原因之一是： 我们想解决的问题越来越复杂了，对计算的精度和效率要求也越来越高。 但问题是，光靠“堆人”已经不够用了。

以前总觉得，只要多加几个处理器核心（相当于多找几个人拼图），速度就能更快，但在更高难度的任务面前，这种老办法已经不太管用了。

这时候，人们开始重新思考一个老概念： 摩尔定律。

1965年，英特尔联合创始人戈登·摩尔（Gordon Moore）观察到：大概每两年，一块芯片上能放的晶体管数量就会翻倍，性能也会跟着提升。

过去几十年，这条定律，几乎成了芯片行业的金科玉律；但现在，它慢慢失效了，因为靠不断缩小晶体管尺寸来提升性能这条路，快走不下去了。

为什么？主要有三个问题：

一，晶体管越做越小 ，电子行为变得越来越不稳定，漏电严重，开关也难控制； 二，散热成了大难题。 同样功耗下，单位面积发热量越来越高；这像让更多“拼图选手”挤在一个小屋里快速工作，他们越来越热，最后，整个系统可能会崩溃。

最主要一点是，成本飙升。 制造更精密的芯片要更复杂的技术、设备，投入越来越大，回报却不一定划算。

所以，面对种种挑战，工程师们没有放弃，开始探索各种创新方法来继续提升算力。

什么办法呢？

能不能把晶体管从3纳米做到2纳米、甚至1.4纳米？这就是工艺制程的持续演进。

再比如：用3D IC技术，把芯片像叠积木一样垂直堆起来，提高集成度；或者把一个大任务拆成多个模块，按需组合、灵活调配。

还有就是做专用芯片，针对特定任务专门设计架构，让算力更高效地发挥出来。

这些创新，其实都在试图绕开摩尔定律的限制。 所以，现在你也就明白了，为什么一说到算力，大家就爱聊芯片。

不只是因为技术本身重要，更因为，我们在寻找更聪明的策略、更高效的工具和协作方式，去应对越来越复杂的“拼图比赛”。

发展强大算力，不光靠一个芯片就能搞定的事儿，它是一个涉及多个层面的复杂系统。

你可以把它想象成盖一栋高楼：要砖瓦、水泥、水电门窗、装修家电，还得有物业和社区服务，这是一个完整的生态系统。

在计算机世界里，硬件就是“建筑材料”。

芯片公司提供的CPU、GPU、AI芯片，是这栋楼的“发动机”。比如：海光的x86架构CPU，就像通用型发电机；飞腾、龙芯这些国产CPU，则像是我们自主可控的“核心引擎”。

请到「今天看啥」查看全文