算力（Computing Power）

算力（Computing Power）指完成 AI 训练与推理所需的计算能力，通常以每秒浮点运算次数衡量。它与数据、算法并称 AI 发展的三大支柱，也被类比为这一时代的石油：模型规模、训练速度与推理成本都直接受其约束。理解算力，等于理解 AI 产业为什么对芯片、电力与数据中心如此敏感。

度量与层级

• TFLOPS：每秒一万亿次浮点运算，常用于描述单卡或单机算力。
• PFLOPS：每秒一千万亿次，是集群规模的常用单位。
• EFLOPS：每秒一百亿亿次，用于描述国家级或超大规模智算中心。
• PFLOPS-day：算力与时间的乘积，用来衡量一次训练任务的累计消耗。

需求为何持续爆炸

从早期模型到当前主流大模型，单次训练的总算力消耗增长了数个数量级，业界常用的经验规律是每约一年半训练算力需求增长约八倍，驱动力来自参数规模、训练数据量与上下文长度的同步扩张。与此同时，推理算力随着用户规模增长已经超过训练算力，成为最大的需求来源——训练是一次性投入，推理则是每天持续发生的开销。

供给与战略属性

训练侧依赖由高端加速卡组成的万卡级集群，建设与运行成本极高，电力、散热与高速互联往往与芯片同样关键；推理侧更看重单位成本与吞吐效率。算力还带有明显的战略属性：高端 AI 芯片的出口管制推动各地发展本土替代方案，芯片供给、集群规模与能源条件共同构成一个地区 AI 竞争力的上限，这也是各国把智算中心当作基础设施来建设的原因。对多数团队而言，算力规划的关键是匹配任务形态：训练看集群规模与运行稳定性，推理看单位成本与弹性调度能力，单纯追逐峰值指标并不能转化为可用的产出。

个人如何获取算力

• 消费级显卡：显存足够时可运行量化后的中等规模模型，适合个人实验与私有数据处理。
• 按需云 GPU：按小时租用，适合训练调参与短期项目，用完即停。
• 免费或低价额度：部分云平台与在线笔记本提供带加速卡的免费时长，适合学习入门。
• 规避常见误区：只看算力数字不看显存与互联带宽，结果模型放不下、多卡扩展效率极低。