"算力"这个词在不同的领域有不同的含义。下面是几个常见的解释：
-
在计算机科学中， "算力"通常指的是计算机系统或设备的处理能力。这包括 CPU、GPU、TPU 等处理器的性能。算力可以用来衡量一个设备能够在一定时间内完成的计算任务数量或复杂度。
-
在区块链和加密货币领域中， "算力"指的是网络中所有矿工集体的计算能力。算力高意味着网络的安全性更高，因为攻击者需要掌握超过网络总算力的一半才能进行 51% 攻击。
-
在人工智能和深度学习领域中， "算力"通常指的是用于训练和推断模型的计算资源。这包括 CPU、GPU、TPU 等硬件，以及云服务提供商提供的计算资源。算力越高，模型训练所需的时间就越短。
-
在一些特定的上下文中， "算力"还可能指的是某个软件系统的计算能力，例如某个分布式计算框架的性能或效率。
算力原生（Compute-Native）
算力原生则关注的是计算资源的本质和效率。这一概念强调充分发挥计算资源的潜力，以满足不断增长的计算需求。以下是算力原生的主要特征：
-
硬件加速： 算力原生利用硬件加速器（如GPU、TPU）来提高计算性能。这在处理大规模数据、深度学习和科学计算等领域尤为重要。
-
分布式计算： 算力原生应用分布式计算模型，充分利用多个计算节点协同工作，以提高整体计算效率。
-
边缘计算： 算力原生强调在边缘设备上进行计算，减少数据传输延迟，适应对实时性要求较高的应用场景。
-
资源智能调度： 算力原生关注资源的智能调度和管理，确保计算资源得到最优利用。
算力发展现状
云原生+算力
eg. GhatGPT上云计算，整个成本下降80%左右，从1,200万$下降到140万$
云原生+算力技术发展挑战
1. 超大规模人工智能模型和海量数据对算力的要求不断提高，适合大模型训练的智能算力成为算力增长的主要动力
2. 算力的异构和软件不兼容普遍存在
布式算力才是未来的真需求，边缘计算的发展使能算力的多样化，基于网络实现算力的连接和对用户的可达
未来趋势
云原生和算力原生在未来将更加紧密地结合，以推动数字化和智能化的发展。随着边缘计算和物联网的不断发展，计算需求将更加分散，要求云原生应用更好地适应不同计算环境。同时，算力原生将继续发挥关键作用，特别是在处理大规模数据和复杂计算任务方面。
综合而言，云原生和算力原生代表着信息技术不断演进的方向，通过更高效、灵活和智能的方式来满足不断增长的技术挑战。在未来，我们可以期待看到更多创新和整合，以应对日益复杂的技术需求。
AI算力
主流使用AI算力的形态是最粗放的方式，即直通物理GPU或者简单切分后的vGPU直通。
根据AI底层基础实施层的形态，也就有了如下的组合方式：
· 直通KVM/VMWare虚拟机。
· 直通Docker容器。
· 裸服务器直接使用。
· K8S通过device plugin挂载物理整卡使用。
· OpenStack 通过cyborg挂载物理或者虚拟GPU使用等。
