随着数字经济浪潮席卷全球，数字化、网络化、智能化技术发展已经上升到国家战略层面。其中，人工智能作为新的生产力，赋予了数字经济发展新的使命。随着AI产业化的深入，算力作为其基础支撑被推向发展前沿，提升算力水平、做强算力产业，已经成为全球40多个国家的共识战略。
       在我国，算力发展格局日趋明朗，各部委从政策、规划、布局等维度全面推动算力基础设施的建设，例如国家新一代人工智能创新发展试验区建设工作、国家人工智能创新应用先导区建设工作以及近日发布的“东数西算”工程。在此背景下，以超级计算中心、人工智能计算中心等为代表的算力基础设施建设如火如荼。与此同时，AI的场景需求、计算能力、资源分配等问题日益突出，如何选择合适的算力驱动AI产业高质量发展，亟待探讨。  
       认清多样算力，分清应用场景
       所谓算力，代表了对数字化信息处理能力的强弱。加快算力基础设施建设的背后，存在着对计算能力认知性知识缺乏、应用场景需求模糊等问题，导致供需错位时有发生。
       拿常见的智能计算和超级计算来说，二者在计量单位、计算精度及应用场景上就有很大差异。
       中国计算机学会高性能计算专业委员会秘书长张云泉指出，目前的超级计算中心和智能计算中心，虽然都以“P”来作为算力单位，但超算的单位是“FLOPS”（每秒浮点运算能力），而一些智能计算机的单位应该是“OPS”（即每秒操作次数）。这两个压根就是不同的单位，不能直接横向比较，有些媒体关于智能计算1000P算力超过目前世界最强超算算力的报道，只能成为专家笑谈。
       同时，超算与智能计算的算力精度存在着巨大差异。超算为双精度浮点运算，智能计算的算力精度多为对精度要求较低的单精度和半精度。通常情况下两个相邻精度的同等数值算力差距大约为2.3倍。当然两者的计算能力不是简单的量数差距，受到精度影响，多数智能计算机并不具备高精度数值计算能力，这也限制其在AI计算之外的应用场景使用。而超算作为一种通用算力，高精度计算能力更强，应用范围更广。
 
       定位自身需求，精准选择适配算力
       数字经济发展推动下，我国算力产业建设处于快速起步阶段。但与世界上计算产业成熟、算力水平领先的国家相比，现阶段我国算力产业缺乏整体布局，算力与数字产业的供需结构仍面临模式粗放的问题。
       要合理利用算力为AI产业腾飞插上翅膀，要在正确认识算力的基础上，结合自身发展需求，对算力的应用场景有着明确清晰的认识。
       对于不同的区域而言，如果目标是希望建设成为科学创新高地，支撑多产业发展，那么超算算力是首选。超算既可以广泛应用于科学计算、能源、气象、工程仿真等传统领域，也可以用于生物基因、智慧城市、人工智能等新兴领域，可全力支撑基础科学领域及新兴产业发展。例如在医疗领域，科学家使用分子对接技术，针对与埃博拉病毒蛋白V35的对接、一天完成4000万分子化合物的抗埃博拉病毒药物筛选，这其中就有超算算力的功劳。
       在AI快速发展的大环境下，如果只是希望用于支持专一的人工智能应用场景，选择相对造价低、专用性强的人工智能算力设施无可厚非。当然，这里也需要注意，即使是人工智能领域，也分为图像分类、自然语言处理及强化学习等八大应用场景，不同的应用场景对算力的要求也不同，一般推理需要半精度或整型计算能力即可，而涉及到人工智能更关键的训练场景同样需要单精度及以上的算力。
       高精度与低精度，通用与专用，区域算力中心的规划应深入考量当地产业发展需求，匹配契合度更高的算力供给模式，方可打造高质量、可持续发展的算力产业体系。