- 综合排序
- 最热优先
- 最新优先
- 来自专栏量子位
寻找AIGC算力TOP玩家！中国AIGC算力产业全景报告案例和评选征集启动
所以为了系统性解释这种机遇和红利，提供全景式框架认知，量子位智库《中国AIGC算力产业全景报告》正式启动，同时为了更完整分享代表性案例和方法论，同时启动《最值得关注的AIGC算力玩家》征集。 在《中国AIGC算力产业全景报告》和《最值得关注的AIGC算力玩家》中，我们将基于AIGC浪潮所引发的底层算力产业变革，与大家一同分享算力产业的新动向。 报告中将包括： AIGC算力产业全景图 AIGC算力产业生态位和赛道划分 AIGC算力产业行业发展阶段和趋势研判 AIGC算力产业地域格局现状 AIGC算力产业行业关键变量 AIGC算力产业关键环节玩家代表案例 现在，量子位智库正式邀请AIGC算力产业从业者，关注并参与到《中国AIGC算力产业全景报告》和《最值得关注的AIGC算力玩家》征集中。一起推动中国AIGC产业更快、更稳、更强发展。 参与条件： 1、AIGC算力产业生态公司； 2、公司或重要业务即将以AIGC算力为重点； 3、已经有产品、市场营收和代表性落地案例； 4、其他：品牌影响力，资本等外部认可。
44030编辑于 2023-04-13 - 来自专栏量子位
AIGC算力玩家现状：爆单与挑战并行，洞察趋势更为关键 | AIGC算力沙龙
AIGC算力更行业内的动向，现在曝光了。 新款服务器还没发布便已爆单； 云计算厂商不单求N卡，同样关注国产厂商； 相比预训练而言，推理需求如今更加被关注、热议。 在量子位智库最新举办的AIGC算力沙龙上，算力领域数月来备受关注的趋势发展、行业挑战及最新动向，都有了更加明确的解读。 来自国产芯片厂商、服务器厂商、云厂商以及加速方案明星玩家，分别从各自角度出发带来分享，由此构成对AIGC算力产业更加全面的认知。 他们分别是昆仑芯、天数智芯、联想集团、首都在线和潞晨科技。 整体来说，能够提供给客户或智算中心的面向产品的方案也会更完善。从这个角度来说，布局的重要性就不必多说了。 新范式出现了吗？ 量子位：AIGC趋势推动算力厂商有哪些范式、模式的创新？ 算力租赁会如何发展？ 量子位：最近算力租赁这个概念很火，但这不是个新概念了。所以AIGC时代下，算力租赁服务有发生哪些变化？长期来看算力租赁会一直由产业去推动？还是发展成为一种公共服务？
66820编辑于 2023-09-08 - 来自专栏科技云报道
AIGC掀算力需求革命，边缘计算将不再“边缘”
GenAI技术的商用化部署和应用成为企业竞逐的新阵地，勾勒出大模型从“技术力”转向“生产力”的新生态。 算力就是生产力，更丰富的算力资源成为人工智能竞争的核心基石。 AI算力瓶颈下 边缘计算崛起 随着AI大模型爆发，大模型迭代和训练所需的算力呈指数级增长。同时，单个AI超算规模也受到功耗、土地、散热等因素制约，算力供给与需求的缺口持续放大。 随着这场GenAI热潮逐步扩张，算力短缺已成为行业面临的共同挑战。 如果说传统算力是AI大模型的筋骨，那么边缘算力就是遍布全身的神经系统。 具身智能将边缘算力需求提升到了一个新高度，具身智能的“大脑”不仅要处理视觉信息、生成提示词，更要负责输出指令来执行机械动作。在移动芯片无法满足所需算力的场景下，边缘IDC将是算力的有效补充措施。 当全球都沸腾在AIGC的风潮里，边缘云服务商正通过边缘端和云边的融合协同，满足更多元的AI应用场景，以更自如的算力，让AI技术更自如地普惠。
61710编辑于 2024-04-26 端脑分布式算力平台：基于腾讯云GAAP的AIGC算力降本增效方案
剖析AIGC算力应用的效率与成本瓶颈 AIGC领域面临算力成本高企与全球访问效率不足的双重挑战。 传统算力方案存在性能与价格失衡（同性能下成本较高）、分布式算力调度效率低（如Kubernetes + Ray架构速度有限）、全球用户访问延迟显著等问题，制约智能体开发与规模化应用。 构建端脑分布式算力网络与GAAP加速方案 由脑花科技【无锡】有限公司联合腾讯云推出端脑分布式算力平台，包含三大核心模块： 端脑分布式算力网络：创新分布式人工智能算力供应技术，整合10000+ GPU 90%+； 成本优化：算力成本大幅节约50%+，同性能下价格砍半； 全球覆盖：具备50+全球算力服务能力，解决全球用户访问卡顿/延迟问题； 投资回报：共享算力模式下，服务器插电联网即可供算， undefined腾讯全球数字生态大会背书下，该方案依托腾讯云基础设施，为AIGC智能体开发提供“算力+加速+安全”一体化支撑，实现降本、增效、全球可用目标。
14310编辑于 2026-04-13- 来自专栏产品经理的人工智能学习库
算力 – computation
文章目录 人工智能里的算力是什么？ 在普通电脑中，CPU就提供了算力帮助电脑快速运行。玩游戏的时候需要显卡提供算力，帮助电脑快速处理图形。 而在 人工智能中，需要有类似CPU和GPU的硬件来提供算力，帮助算法快速运算出结果。 之前在算法里讲过，在制造木桌的过程中，工厂的流水线就是算法。 在那个例子中，工厂中的机器就像算力，机器越好越先进，制造的过程就越快。 ? 算力越大，速度越快 维基百科版本 Techpedia版本 算力是使用计算机技术完成给定目标导向任务的过程。 算力可以包括软件和硬件系统的设计和开发，用于广泛的目的 – 通常构建，处理和管理任何类型的信息 – 以帮助追求科学研究，制作智能系统，以及创建和使用不同的媒体娱乐和交流。 查看详情 维基百科版本 算力是使用计算机的任何活动。它包括开发硬件 和软件，以及使用计算机来管理和处理信息，进行交流和娱乐。算力是现代工业技术的一个至关重要的组成部分。
2.6K30发布于 2019-12-18 - 来自专栏大语言模型，算力共享
算力共享：环形结构的算力分配策略
目录算力共享：环形结构的算力分配策略方法签名方法实现注意事项nodes.sort(key=lambda x: (x[1].memory, x[0]), reverse=True)end = round (start + (node[1].memory / total_memory), 5)算力共享：环形结构的算力分配策略这段代码定义了一个名为RingMemoryWeightedPartitioningStrategy
94720编辑于 2024-07-26 - 来自专栏科技云报道
算力之后，“存力”上位
当算力芯片的摩尔定律逐渐逼近物理极限，存力开始从幕后走向台前，成为AI领域下一个关键赛点。 长期以来，伴随企业数字化转型所建设的“烟囱式”AI基础设施各自为战，数据奔流，价值却困于“堰塞湖”。 存力中心作为新型的数据基础设施，正成为AI时代数据流通和融合应用的破题关键。 AI时代的 “数据决定论” AI技术的发展离不开三大要素：数据、算法和算力。 在训练方面，高性能并行文件系统可以提升大模型训练效率，超大带宽和容量支持超万卡集群无瓶颈扩展，EB级扩展能力适应海量数据，加速卡直通技术使数据从存储到算力“一跳直达”。 构建AI时代新型 “数据粮仓” 与算力聚焦在“算”不同，数据存力聚焦在“数”和“存”，是数据生产要素处理的综合能力体现，肩负着为数字经济各种场景提供源源不断的“生产资料”的使命。 将目光投向更长远，新型AI存储很可能是撬动人工智能时代杠杆的另一个支点，“以存强算”“以数助算”亦是弯道超车的重要落点。当AI产业具备扎实的存力底座，才能登高远眺，看见AI时代最美的风景。
41500编辑于 2025-06-19 - 来自专栏科技云报道
要算力更要“算利”，“精装算力”触发大模型产业新变局？
面对如此巨大的算力需求，企业如何在平衡算力与能耗开支的前提下，高效地利用和管理算力资源，是实现降本增效的重要命题。这其中，对算力基础设施和软件平台的精细化运营管理成为破题的关键。 自生成式人工智能服务（AIGC）和GPT大模型训练爆火后，围绕算力、算法和数据相关的讨论此起彼伏，国产大模型应用更是呈现出“千模大战”的状态。 大模型对算力的需求是显而易见的，但更关键的点可能在于能否把算力更高效地挖掘出来。在不同的阶段，企业对于算力需求也不尽相同。 《中国算力发展观察报告》显示，有些算力中心整体算力利用率不足30%，大量的算力资源在沉睡中等待被唤醒，算力供需矛盾凸显。 这种演进使智能算力变得不可或缺，且不再局限于简单的算力叠加或升级，而是在多元重构驱动下实现算力的极致拓展与跃迁。
81600编辑于 2025-03-04 - 来自专栏ADAS性能优化
生存VS算力
英國「金融時報」報導，鑒於美國近期祭出制裁來壓制中國電腦運算能力，中國科技企業阿里巴巴和壁仞科技為了避免受制裁，正將各自最先進晶片的設計微調，以降低運算處理速度。 華府10月宣布的制裁措施，禁止任何運算能力超過一定門檻的半導體產品出貨至中國除非得到许可。這打亂了上述中國科技企業的發展計畫。 但中國工程師表示，要判斷哪些晶片產品不受制裁並不簡單，因為華府對於如何計算這個速率沒有清楚規範。 根據研究集團伯恩斯坦（Bernstein）計算，從壁仞官方網站存檔紀錄來看，在美國宣布制裁之前，壁仞首款處理器BR100的規格算出傳輸率是640 GB/s，超過限制門檻；但根據壁仞官網目前發布的BR100
1.2K20编辑于 2022-12-20 端脑分布式算力平台实现AIGC应用成本减半与性能倍增
应对AIGC算力高成本与部署复杂性 人工智能生成内容（AIGC）应用在全球范围内迅速增长，但企业及开发者普遍面临GPU算力资源采购成本高昂、分布式计算环境部署复杂、运维难度大及全球网络延迟影响用户体验的核心瓶颈 传统算力方案在弹性扩展、成本控制及跨地域协同方面存在显著差距，制约了AIGC技术的规模化落地与创新速度。 提供高性价比分布式算力及全球加速服务 端脑分布式算力网络通过整合全球分散的GPU资源，构建了覆盖50+国家地区的分布式算力池，并依托腾讯云全球应用加速平台（GAAP）实现高速、稳定、安全的低延迟访问。 该平台提供即开即用的ComfyUI集成环境、多种预配置AIGC应用（如图像生成、量化交易Agent、智能客服），支持用户快速部署和弹性扩展算力。 实现显著成本节约与性能提升 算力成本降低50%+：通过共享算力模式和资源优化，为用户大幅节约算力支出。 分布式计算效率提升90%+：较传统Kubernetes结合Ray的方案，任务处理速度显著提升。
18010编辑于 2026-04-13- 来自专栏运维开发王义杰
函数算力计算
对于一个函数消耗的算力，我们通常用它的运行时间来衡量，例如在基准测试中。你可以测量一个函数运行一次（或者多次）所需要的时间，然后用这个时间来比较不同函数或者同一个函数的不同实现。 然而，这种方法并不能直接测量一个函数消耗的CPU算力。为了获得这种信息，你可能需要使用一种叫做CPU profiling的技术，它可以测量程序在CPU上花费的时间。Go的pprof包提供了这种功能。
74110编辑于 2023-08-16 - 来自专栏量子位
谁是国内最受关注的AIGC算力玩家？玩家榜单&全景报告案例征集中
在《中国AIGC算力产业全景报告》和《最值得关注的AIGC算力玩家》中，我们将基于AIGC浪潮所引发的底层算力产业变革，与大家一同分享算力产业的新动向。 报告中将包括： AIGC算力产业全景图 AIGC算力产业生态位和赛道划分 AIGC算力产业行业发展阶段和趋势研判 AIGC算力产业地域格局现状 AIGC算力产业行业关键变量 AIGC算力产业关键环节玩家代表案例 现在，量子位智库正式邀请AIGC算力产业从业者，关注并参与到《中国AIGC算力产业全景报告》和《最值得关注的AIGC算力玩家》征集中。一起推动中国AIGC产业更快、更稳、更强发展。 参与条件： 1、AIGC算力产业生态公司； 2、公司或重要业务即将以AIGC算力为重点； 3、已经有产品、市场营收和代表性落地案例； 4、其他：品牌影响力，资本等外部认可。 》征集启动 AIGC算力需求爆发，谁将在此次算力产业变革中脱颖而出？
28820编辑于 2023-05-06 - 来自专栏软硬件融合
算力芯片，如何突围？
作为常年从事计算机算力芯片相关工作的我，今天就从算力芯片这个视角出发，谈谈对国内算力芯片如何实现突围的个人的一些看法。 核心的原因在于，这是目前的GPU计算集群所能支撑的算力上限： 一方面，单芯片算力已经瓶颈，算力增长极度缓慢。 可以在工艺落后1-2代的情况下，实现单个芯片的算力更优。 方法二，算力网络。通过算力网络、东数西算，实现跨集群的算力调度和算力协同，可以实现算力资源的高效利用。 方法三，智能网联。 更庞大算力节点，更高性能更低延迟的网络，更强大的算力基础设施，实现更强大的宏观数字系统。 从ChatGPT等大模型的兴起，看未来计算芯片的发展趋势 从算力网络发展，看未来十年的宏观算力体系 超异构处理器HPU和系统级芯片SOC的区别在哪里？
69920编辑于 2023-11-16 - 来自专栏鲜枣课堂
世界算力简史（下）
埃里克·施密特 云计算的本质，是把零散的物理算力资源变成灵活的虚拟算力资源，配合分布式架构，提供理论上无限的算力服务。 算力趋势 2010年至今，算力发展出现两个显著趋势。 一，泛在化。 各个行业对算力有着不同的需求。于是，算力逐渐开始细分，分为通用算力、超算算力、智能算力。 不同的算力需求，也使得算力芯片产生了不同的形态。 除了传统的CPU和GPU之外，NPU、DPU等算力单元开始出现，并成为大众关注的焦点。 在高性能计算上，算力集群成为超算和智算的新宠。 2023年全面崛起的AIGC大模型，更是给算力的发展打了一针强心剂。 像GPU这样的算力芯片，在人工智能计算上，反而比CPU更强。如今，高端GPU，变得一卡难求。 我们对算力的需求，还在疯狂增长。 在摩尔定律逐渐走向瓶颈的前提下，我们该如何实现算力的倍增？以量子计算为代表的新型算力，是否会全面崛起？ 就让时间来告诉我们答案吧！ —— 全文完 ——
65320编辑于 2023-08-21 - 来自专栏大语言模型，算力共享
算力服务标识封装
为了解决这一问题，算力服务标识封装技术应运而生，旨在实现算力服务与IP层的解耦，提升算力服务的灵活性和可扩展性。 这个overlay层用于封装算力服务标识，使得算力服务可以在不改变现有IP网络架构的情况下独立部署和管理。 算力服务标识：在overlay层中封装的算力服务标识是区分不同算力服务的唯一标识。 IP层解耦：通过算力服务标识封装，算力服务的路由和管理不再依赖于IP层。这意味着网络中间转发节点在转发数据时，无需识别算力服务标识，仅做普通路由转发即可。 可扩展性：随着算力服务的发展，可以通过增加新的算力服务标识来扩展网络功能，而无需改变现有网络架构。兼容性：算力服务标识封装技术可以与现有网络架构兼容，实现平滑过渡。 数据中心网络：在数据中心网络中，算力服务标识封装技术可以提升数据中心的资源利用率和服务质量。算力服务标识封装技术是一种实现算力服务与IP层解耦的有效手段。
46920编辑于 2024-07-28 - 来自专栏软硬件融合
算力网络系列文章（二）：从云计算到算力网络
编者按 算力网络，对行业来说，是“整合”还是“分工”？ 一直以来，我都认为算力网络是行业整合的过程，通过算力网络运营商把全国的算力资源统筹到一起，形成高效的统一算力供应。 而在算力网络时代，最主要做的是构建后台算力中心（从数据中心升级到算力中心）和前台算力服务运营解耦分工的新业务模式。 算力中心，专注于算力中心建设，专注于算力的最优性能和最低成本（包括建设成本和运营成本）；同时，还要有非常广阔的算力销售渠道，确保算力的广泛销售，最大限度减少闲置算力资源。 3.3 算力生产和算力运营的解耦 在云计算时代，算力供应和运营是一体的，客户是算力需求方。像电商的平台、卖家、买家三方关系一样，算力网络时代，需要实现算力供应和算力运营的解耦： 算力供应商。 依据规模从大到小，包括：大规模算力中心、小规模边缘算力中心、用户现场算力机柜，以及批量算力终端。 算力需求方。数字化业务需求的各类企业。
2.1K12编辑于 2024-03-27 - 来自专栏鲜枣课堂
世界算力简史（中）
接上集：世界算力简史（上） 在上一篇里，小枣君提到了ENIAC的诞生。 其实，在1945年-1948年，也就是我们中国还处于内战时期时，除了ENIAC诞生外，科技领域还发生了好几件大事。 它改变了计算机产业的商业模式，标志着算力不再仅为少数大型企业服务（大型机），而是开始昂首走向了普通家庭和中小企业。 技术蓄力 除了处理器之外，计算机存储设备和网络技术也有显著进步。 未完待续…… 敬请期待——《世界算力简史（下）》 参考文献： 1、《计算机的发展历史汇总》，网络； 2、《算力发展简史》， 庐山真容； 3、《世界上第一台个人电脑是哪台？》
72520编辑于 2023-08-21 - 来自专栏SDNLAB
“东数西算”培育壮大算力经济
“东数西算”工程旨在通过国家枢纽节点的规划和建设，引导东部数据中心建设集约化发展，西部数据中心建设跨越式发展，实现东西部算力需求与供给统筹调度，各级数据中心集群由中心城市向城市周边转移，推动算力、网络、 “东数西算”将为我国建设一张算力大网，又可成为算力网络。 我国对算力网络早有布局。 并且，根据《中国算力发展指数白皮书》发布的数据显示，中国算力资源中每投入1元带来的经济收益是3-4元。 ，包括《中国联通算力网络白皮书2019》、《算力感知网络技术白皮书2019》、《中国通信学会算力网络前言报告2020》、《多样性算力技术愿景白皮书2021》、《中国算力发展指数白皮书2021》、《中国移动算力网络白皮书 ，整个市场的技术创新和卡脖子技术的沉淀相对薄弱；然后，虽然我国在算力网络标准规范方面已有初步布局，形成了网络5.0产业联盟算力网络特设工作组；CCSA TC621 算网推进组；ITU 算力网络标准等，但是在具体方向上仍有许多空白
1.7K30编辑于 2022-04-29 - 来自专栏Python项目实战
云端算力调度算法研究：算力不是不够，是你不会“分”
云端算力调度算法研究：算力不是不够，是你不会“分”大家好，我是Echo_Wish。今天想跟你聊一个看起来很高大上、但本质特别接地气的话题——云端算力调度算法。 很多人一提算力调度，第一反应是：“那不是云厂商、Kubernetes、调度器干的事吗？跟我有啥关系？”但我可以很负责任地说一句：你系统慢、成本高、资源利用率低，90%跟算力调度有关。 一、先说一句大实话：云端算力，本质是“抢座位”我们把云端算力抽象一下，其实特别像：你有一堆座位（CPU、内存、GPU、IO）一堆人要坐（任务、Pod、作业）每个人要求不一样：有人要靠窗（低延迟）有人要连坐 二、云端算力调度，调的到底是什么？别被“算力”这两个字骗了，它不只是CPU。 2️⃣冷启动与预热容器拉镜像GPU初始化JVM启动很多时候：不是没算力，是算力“没热身”。3️⃣异构算力调度现在的云，不只有CPU：GPUNPUFPGA调度策略必须知道：“这活，谁干最合适。”
23710编辑于 2025-12-30 - 来自专栏智能相对论
算力形态进化后，AI超算能解开数据科学团队的算力桎梏吗？
几乎所有AI场景对算力的需求都在加速膨胀，过去一些年，市面上能够提供给数据科学团队的算力形态，在一定的条件下都未必能很好地满足需要，尤其是主流的基于CPU的庞大数据中心，在计算能力上离支撑快速迭代要求的算力水准还有较大差距 需求变化推动着供给变革，算力供给形态这些年也在持续进化，其中，一类可以承担人工智能数据中心职责、提供符合需求算力的产品——“AI超级计算机”开始走向台前。 而在具体场景中，很多组织也在通过AI超算获得算力。 可以看到，AI超算正在满足不同类型组织中的数据科学团队需要。 除了算力，AI超算 还将解决数据团队的“要素配置”难题？ 小结 如同PC的发展，从一间房到半张桌，从KB到GB到TB，从专业团队操作到人人可用，AI算力设备也在经历类似的过程，高能力、低门槛，优质算力资源正在实现更好的触达，让组织的数据科学团队更好地获取匹配的算力
1.4K30发布于 2021-07-22
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号