原标题：专家呼吁智算中心出台标准规范 实现算力“突围”
2021年7月2日，以“数智创新，算力赋能”为主题的2021算力中心健康发展研讨会在北京举行。中国工程院院士、清华大学教授郑纬民，北京应用物理与计算数学研究所研究员袁国兴，中国科学院计算技术研究所研究员、中国计算机学会高性能计算专业委员会秘书长张云泉等行业内知名专家学者参加了此次研讨会。
在万物互联的时代下，数字经济进入了新的发展阶段，算力成为驱动经济发展和产业变革的重要源动力，以超级计算中心、智能计算中心等为代表的算力基础设施也成为新基建中的“地基”。
在信息基础设施的规划中，算力中心被纳入新基建的范畴。郑纬民院士在开场致辞中指出：智能计算中心的发展主要涉及到语言、图像处理类；决策类和自然语言处理三大类，不同的应用场景适配不同的算力中心是发展的关键一步。前两类中心对算力规模需求有限，第三类中心则需要成熟的应用匹配。希望这次面对市场中场景应用、概念混淆等问题深入探讨，为促进我国计算力的发展做出贡献。
算力中心建设需算好经济账
在相关政策的引导下，各区域积极响应政策，加大对算力基础设施的建设布局，在建设规划中，总体算力的数值成为大多数区域在算力基础设施建设时考量的重要技术指标。但在忽视算力应用的前提下，简单考量总体算力的数值高低就会落入数字陷阱。
“建设人工智能计算中心，为用户提供算力是很重要，但建设之前想明白应用需求更加重要。”郑纬民院士认为，如果不想好应用场景，地方盲目建设人工智能计算中心，结果就是建的快，失去的也很快，设备建好以后就闲置。
从区域空间布局看，目前，我国算力基础设施主要集中在东南沿海地区，但区域内过高的算力供给与实际应用需求之间出现错配现象；同时，由于算力概念的混淆，导致建设方向和建设需求错位。“目前，人工智能计算最大的问题是人工智能芯片能力不足，但有企业希望借助超算优势来宣传自己，所以他们会故意的混淆一些概念，一个是混淆两者精度的区别，另一个是混淆他们自己的问题。”张云泉指出，人工智能芯片有两类，一个是训练芯片，一个是推理芯片，现在推理芯片做的比较好，精度很高，功耗很低，而且价格便宜；另一方面人工智能训练芯片很难做，能达到英伟达的水准的国内现在基本没有。
算力代表了对数字化信息处理能力的强弱，但不同类型的算力，会存在较大的差别，就拿智能计算机和超级计算机来讲，二者在计量单位、计算精度及应用场景上就有很大差异，如果理不清两者之间的不同之处，很容易落入数字误区。
在计算精度方面，超级计算机和智能计算机并不同。目前业界用于衡量超级计算的Linpack测试，测试的是超级计算机的“双精度浮点运算能力”，即64位浮点数字的计算（FP64）。而智能计算机的衡量精度，则是单精度（32位，FP32）、半精度（16位，FP16）以及整数类型（如INT8、INT4）等。
“若要做比较，通常情况下两个相邻精度的算力差距大约为2.3倍，但其实两者的计算能力不是简单的量数差距。”张云泉在研讨会上表示，算力时代背景下，如何从新场景发展出发，进一步刺激算力需求，推动算力中心健康发展成为整个行业亟待解决的一个问题。
智算中心标准问题亟待解决
随着算力概念混淆、算力能源消耗等现象的出现，诸多信号已经表明，当下我国算力基础设施的建设需要加强统筹引导，根据区域产业需要，定向建立超级计算中心、人工智能计算中心，只有让算力资源精准落地，才能保证算力资源得以健康、可持续发展。
“乱的原因主要是人工智能计算没有标准，我们需要有一个衡量的标准，谁好谁坏一测便知，所以现在我们在推Top500的标准。”张云泉认为，目前市场存在混乱的主要原因是评比标准缺失。想要实现算力资源的健康发展，除了不同算力平台在技术层面的融合创新之外，还应该设立针对不同算力平台的统筹技术标准，将不同算力平台的技术路线、算力单位、应用场景讲明白，说清楚，形成业界普遍认可的统一标准，给算力行业一把可以度量的“尺子”。
“不同领域有不同的要求，适合产业应用的才是最好的，采用标准程序计算，就知道选择怎样的计算中心才是最适合的。”袁国兴指出，智能计算机在推理或训练等智能计算方面的确表现出色，但由于智能计算中心的标准不统一使得企业在选择时没有相应的参考，这也限制其在AI计算之外的应用场景使用。
研讨会专家认为，在万物互联时代，算力越来越热，但是在热潮中行业要保持清醒，通过应用场景去布局算力基础设施建设，让算力资源真正的使用起来。
此外，实现绿色、普惠的算力规划，不仅仅是技术上的创新融合，更应着眼于标准的制定，在算力需求、技术路线、价格范围等方面做到有据可依。只有形成了业界普遍认可的统一标准，做好顶层设计才能促进算力产业转型升级，良性发展。
