算力是誰提出的

Ⅰ 算力是什麼意思

是比特幣網路處理能力的度量單位，即計算機計算哈希函數輸出的速度。

算力（也稱哈希率）是比特幣網路處理能力的度量單位。即為計算機（CPU）計算哈希函數輸出的速度。比特幣網路必須為了安全目的而進行密集的數學和加密相關操作。 例如，當網路達到10Th/s的哈希率時，意味著它可以每秒進行10萬億次計算。

在通過「挖礦」得到比特幣的過程中，我們需要找到其相應的解m，而對於任何一個六十四位的哈希值，要找到其解m，都沒有固定演算法，只能靠計算機隨機的hash碰撞，而一個挖礦機每秒鍾能做多少次hash碰撞，就是其「算力」的代表，單位寫成hash/s,這就是所謂工作量證明機制POW(Proof Of Work)。

基本概念

日前，比特幣全網算力已經全面進入P算力時代（1P=1024T，1T=1024G，1G=1024M，1M=1024k），在不斷飆升的算力環境中，P時代的到來意味著比特幣進入了一個新的軍備競賽階段。

算力是衡量在一定的網路消耗下生成新塊的單位的總計算能力。每個硬幣的單個區塊鏈隨生成新的交易塊所需的時間而變化。

Ⅱ 「行為算力」是什麼意思

「行為算力」是由杭州超級算力有限公司創始人TAN首次提出的一個新型概念，是用來衡量超級算力生態的參與者為生態所做出的貢獻和價值的衡量單位。
不同於傳統的電商，超級算力生態是一個新型的「區塊鏈」電商生態，生態的參與者和共建者的每一個微小的行為都會被生態認可，獲得相應的「算力」，從而參與生態挖礦，得到生態發行的數字貨幣SPT，獲得生態利潤分紅，同時SPT也可進行交易。
超級算力生態的願景是，希望有一天一個SPT能夠分紅一塊錢

Ⅲ 2021那些事兒｜細數信息技術4大領域

2021年，信息技術發展突飛猛進。人工智慧、大數據、開源、虛擬現實（VR）、增強現實（AR）……每個領域的發展幾乎都可圈可點。

在人工智慧領域，人工智慧的語言大模型、圖文大模型乃至多模態大模型的基本能力已得到了充分展現。例如，阿里巴巴達摩院公布多模態大模型M6最新進展，參數從萬億躍遷至10萬億；鵬城實驗室與網路聯合發布全球首個知識增強千億大模型——鵬城—網路·文心，參數規模達到2600億。

不僅如此，人工智慧與其他科學領域的交叉融合也擦出火花。在《科學》近日公布的2021年度科學突破榜單上，AlphaFold和RoseTTA-fold兩種基於人工智慧預測蛋白質結構的技術位列榜首。

在人機交互領域，扎克伯格將Facebook公司更名為「Meta」時，特斯拉和SpaceX首席執行官埃隆·馬斯克則將注意力放在腦機介面上。馬斯克認為腦機介面裝置將更有可能改變世界，幫助四肢癱瘓或有身體缺陷的人更好地生活和工作，「復雜的腦機介面裝置可以讓你完全沉浸在虛擬現實中」。此外，今年5月，斯坦福大學開發出一套皮質內腦機介面系統，可以從運動皮層的神經活動中解碼癱瘓患者想像中的手寫動作，並將其轉換為文本。

在超算領域，最值得一提的是，今年11月，我國超算應用團隊憑借「超大規模量子隨機電路實時模擬」成果斬獲國際高性能計算應用領域的最高獎項「戈登貝爾獎」。

在開源方面，RISC-V開源指令集及其生態快速崛起；由華為公司牽頭，中國科學院軟體研究所、麒麟軟體等參與的openEuler操作系統開源社區業已匯聚了7000名活躍開發者，完成8000多個自主維護的開源軟體包，催生了10多家廠商的商業發行版……

回望2021年，信息技術版邀請業內專家梳理上述四個領域的發展脈絡，展望未來發展趨勢。

作者 張雙虎

AlphaFold或是2021年人工智慧（AI）領域的「一哥」。

近日，《科學》雜志公布了 2021 年度科學突破榜單，AlphaFold 和 RoseTTA-fold 兩種基於人工智慧預測蛋白質結構的技術位列榜首。

此前幾天，由中國工程院院刊評選的「2021全球十大工程成就（近5年全球實踐驗證有效、有全球影響力的工程科學和技術重大成果）」中，AlphaGo和AlphaFold亦榜上有名。

在接受《中國科學報》采訪時，數位專家回望今年人工智慧領域取得的成就時，均談到了AlphaFold。

「面向科學發現的AlphaFold和中國正在構建的人工智慧發展生態不能不說。」 浙江大學人工智慧研究所所長吳飛對《中國科學報》說。

中科院自動化研究所模式識別國家重點實驗室研究員王金橋則提名「用AI進行新冠診斷」「人工智慧與生物、制葯、材料等科學融合（AI for Science）」和「三模態大模型紫東太初」。

在醫學領域，AI識別咳嗽聲早已用於肺炎、哮喘、阿爾茨海默氏症等疾病檢測。美國麻省理工學院研究人員研發出可以通過分析咳嗽錄音識別新冠患者的AI模型，識別出新冠患者咳嗽的准確率為98.5％，其中識別無症狀感染者的准確度高達100％。日前，有報道稱該模型已用於識別奧密克戎病毒。

「紫東太初首次實現了圖—文—音語義統一表達，兼具跨模態理解和生成能力。」 王金橋說，「目前與新華社共同發布的『全媒體多模態大模型研發計劃』，實現對全媒體數據理解與生成的統一建模，打造全棧國產化媒體人工智慧平台，已 探索 性地應用於紡織業和 汽車 行業質檢等場景。」

12月7日， 科技 部官網公布3份函件，支持哈爾濱、沈陽、鄭州3地建設國家新一代人工智慧創新發展試驗區。至此，我國已經有18個國家新一代人工智慧創新發展試驗區，這將引領帶動中國人工智慧創新發展。

「我國正在推動人工智慧生態發展，構建良好生態。」吳飛說，「目前已有15個國家新一代人工智慧開發創新平台、18個國家新一代人工智慧創新發展試驗區、8個人工智慧創新應用先導區和高等學校設置的人工智慧本科專業和交叉學科等人才培養載體。」

「一是大模型，二是人工智慧和基礎學科的結合。」孫茂松對《中國科學報》說，「語言大模型、圖文大模型乃至多模態大模型的基本能力已得到了充分展現，確定了它作為智能信息處理基礎軟設施的地位。同時，它並非簡單地擴大規模，而是對數字資源整合能力和計算能力都提出了挑戰。雖然它的局限性也很明顯，但它所表現出的某些『奇特』性質（如少樣本學習、深度雙下降、基於提示的任務調整等），使學者產生了超大參數規模或會引發質變的期待，從而為新的突破埋下了伏筆。」

今年，人工智慧領域從「大煉模型」走向「煉大模型」階段，從千億量級到萬億量級，在大模型領域，似乎沒有最大，只有更大。

3月，北京智源人工智慧研究院發布我國首個超大規模人工智慧模型「悟道1.0」。6月，智源就改寫了自己的紀錄，發布悟道2.0，參數規模達到1.75萬億；9月,浪潮人工智慧研究院推出了中文巨量語言模型——源 1.0，參數量達2457億；11 月，阿里巴巴達摩院公布多模態大模型 M6 最新進展，參數從萬億躍遷至 10 萬億；12月，鵬城實驗室與網路聯合發布全球首個知識增強千億大模型——鵬城—網路·文心，參數規模達到2600億。

與此相應，最近快手和蘇黎世聯邦理工學院提出了一個新的推薦系統Persia，最高支持100萬億級參數的模型訓練。

另一方面，人工智慧在基礎學科領域不斷攻城略地。

7月，DeepMind公司人工智慧程序Alphafold2研究成果又登頂《自然》，在結構生物學研究領域，人工智慧或帶領生物學、醫學和葯學挺進新天地；11月，美國南加利福尼亞大學研究人員通過腦機連接設備，讓猴子玩 游戲 和跑步機，從而進行神經活動數據研究；12月，DeepMind開發的機器學習框架，已幫助人們發現了純數學領域的兩個新猜想，展示了機器學習支持數學研究的潛力。

「今年人工智慧在各行業應用方面也取得不小的成績。」孫茂松說，「人工智慧與基礎學科結合已顯示出巨大潛力，發表了多篇頂級論文，已展露出某種較強的趨勢性，即『人工智慧+基礎科學』大有可為。」

作者 張雙虎

腦機介面、AR眼鏡、智能語音、肌電手環、隔空手勢識別……2021年，從基礎研究到應用落地，人機交互領域風起雲涌。不管是智能 健康 、元宇宙，還是自動駕駛領域的蓬勃發展，似乎都表明，人機交互正站在產業化落地的門口。

「我們研發的高通量超柔性神經電極已通過科研臨床倫理審批，即將開展腦機介面人體臨床試驗。」中科院上海微系統所副所長、感測技術聯合國家重點實驗室副主任陶虎對《中國科學報》說，「安全穩定地大規模採集人體大腦的神經元信號並進行閉環調控，將實現病人感知和運動功能的修復。」

腦機介面技術給患者帶來越來越多的便利。今年5月，斯坦福大學研究人員在《自然》發表封面論文，開發出一套皮質內腦機介面系統，可以從運動皮層的神經活動中解碼癱瘓患者想像中的手寫動作，並將其轉換為文本。藉助該系統，受試者（因脊髓損失癱瘓）每分鍾可以打出近百個字元，且自動更正後的離線准確率超過了 99%。

不久前，馬斯克表示，希望明年能在人類身上使用Neuralink 的微晶元裝置。該晶元將用於治療脊髓損傷、帕金森氏症等腦部疾病和神經系統疾病。目前，相關技術正在等待美國食品葯品監督管理局的批准。

「腦機介面領域已經蓄積了相當的技術，有望成為解決大腦疾病的利器。」陶虎說，「大家都在搶占臨床應用的先機，明年可能會實現技術落地應用。預計兩三年內，國內會出現可媲美馬斯克Neuralink的獨角獸企業。」

「人機交互將引申出新的萬億級市場。」福州大學特聘教授嚴群這句判斷，也囊括了元宇宙這個巨大的市場。

有人稱2021年是「元宇宙元年」，也有人認為這不過是「舊瓶裝新酒」。但無論如何，元宇宙已是今年人機交互領域繞不開的話題。

「元宇宙是虛擬現實、增強現實和混合現實的綜合，它實際上並非新的東西。」北京郵電大學人機交互與認知工程實驗室主任劉偉告訴《中國科學報》，「元宇宙是現實世界和虛擬世界跨越未來的發展方向，但還有些技術問題未能很好地解決。」

在真實世界裡，人機交互問題和人機環境系統的混合問題未能很好地解決。真實世界的人機交互中，不管是輸入、處理還是輸出過程中，客觀數據、主觀信息和知識依然不能完美融合。

劉偉認為，無論真實世界還是虛擬世界，人類和機器決策都有「快決策」和「慢決策」過程。人類決策有時依靠邏輯決策多些，有時直覺決策多些，這種「混合決策」不斷變換，而且很難找到變化規律。這方面的問題機器決策目前還未能解決。

「元宇宙還處在畫餅的前期階段。」劉偉說，「因為它的底層機理沒有解決——人在真實世界裡未能完美解決人機交互的問題，帶到元宇宙里同樣不能解決。」

談到人機交互，劉偉認為第二個不能不說的問題是「復雜領域」。

「今年的諾貝爾物理學獎，也給了復雜系統預測氣候變化模型的提出者。」劉偉說，「人機交互也是一個復雜系統，它既包括重復的問題，還包括雜亂的、跨域協同的問題。」

劉偉認為，從智能的角度說，復雜系統包括三個重要組成部分，一是人，二是裝備（人造物），三是環境。這其實是多個事物之間相互作用，交織在一起、既糾纏又重疊的「人機環系統」問題。

「在人機交互中，機器強在處理『復』的問題，人擅長管『雜』的事——跨域協同、事物間平衡等。因為人們還沒找到復雜事物的簡單運行規律，所以解決所有智能產品、智能系統問題，要從人、機、環這個系統里找它們的結合、融合和交互點。而且，人要在這個系統中處於主導地位。」

人機交互領域引起劉偉重視的第三個現象，是「人工智慧幫數學家發現了一些定律」。「最近，DeepMind研發了一個機器學習框架，能幫助數學家發現新的猜想和定理。」劉偉說，「人工智慧是一個基本的數學工具，同時，數學又反映了一些基本規律。如果人工智慧可以幫助數學家處理一些數學問題，那麼，人們將更好地認識復雜系統的簡單規律，人機交互方面就可能會取得新突破。」

作者 張雲泉（中國科學院計算技術研究所研究員）

今年是我國超算應用實現豐收的一年。

11月中旬在美國舉行的全球超算大會（SC21）上，中國超算應用團隊憑借基於一台神威新系統對量子電路開創性的模擬（「超大規模量子隨機電路實時模擬」），一舉摘得國際上高性能計算應用領域的最高學術獎——「戈登貝爾獎」。

同時，在SC 21大學生超算競賽總決賽上，清華大學超算團隊再次奪得總冠軍，實現SC競賽四連冠。這些大規模應用軟體可擴展性和性能調優方面的成績表明，我國在並行軟體方面的發展方興未艾。

回到超算對產業的驅動來看，我們要重提「算力經濟」一詞。早在2018年，我們提出「算力經濟」概念，認為以超級計算為核心的算力經濟將成為衡量一個地方數字經濟發展程度的代表性指標和新舊動能轉換的主要手段。

綜合近幾年的發展趨勢，我們認為高性能計算當前發展趨勢已充分表明，隨著超算與雲計算、大數據、AI的融合創新，算力已成為當前整個數字信息 社會 發展的關鍵，算力經濟已經登上 歷史 舞台。

通過對2021年中國高性能計算機發展現狀綜合分析，可以總結出當前高性能計算正呈現出以下幾個特點。

首先，高性能計算與雲計算已經深度結合。高性能計算通常是以MPI、高效通信、異構計算等技術為主，偏向獨占式運行，而雲計算有彈性部署能力與容錯能力，支持虛擬化、資源統一調度和彈性系統配置。

隨著技術發展，超級計算與容器雲正融合創新，高性能雲成為新的產品服務，AWS、阿里雲、騰訊、網路以及商業化超算的代表「北龍超雲」，都已基於超級計算與雲計算技術推出了高性能雲服務和產品。

其次，超算應用從過去的高精尖向更廣、更寬的方向發展。隨著超級計算機的發展，尤其是使用成本的不斷下降，其應用領域也從具有國家戰略意義的精密研製、信息安全、石油勘探、航空航天和「高冷」的科學計算領域向更廣泛的國民經濟主戰場快速擴張，比如制葯、基因測序、動漫渲染、數字電影、數據挖掘、金融分析及互聯網服務等，可以說已經深入到國民經濟的各行各業。

從近年中國高性能計算百強排行榜（HPC TOP100）來看，超算系統過去主要集中於科學計算、政府、能源、電力、氣象等領域，而近5年互聯網公司部署的超算系統占據了相當大比例，主要應用為雲計算、機器學習、人工智慧、大數據分析以及短視頻等。這些領域對於計算需求的急劇上升表明，超算正與互聯網技術進行融合。

從HPC TOP100榜單的Linpack性能份額看，算力服務以46%的比例占據第一；超算中心佔24%，排名第二；人工智慧、雲計算和短視頻分別以9%、5%和4%緊隨其後。

可以看出，人工智慧佔比的持續增加與機器學習等演算法和應用的快速崛起，以及大數據中的深度學習演算法的廣泛應用有很大關系。互聯網公司通過深度學習演算法重新發現了超級計算機，特別是GPU加速的異構超級計算機的價值，紛紛投入巨資建設新系統。

綜合來看，目前的算力服務、超算中心、人工智慧、科學計算等領域是高性能計算的主要用戶，互聯網、大數據，特別是AI領域增長強勁。

再次，國家層面已經制訂了戰略性的算力布局計劃。今年5月，國家發展改革委等四部門聯合發布《全國一體化大數據中心協同創新體系算力樞紐實施方案》，提出在京津冀、長三角、粵港澳大灣區、成渝以及貴州、內蒙古、甘肅、寧夏建設全國算力網路國家樞紐節點，啟動實施「東數西算」工程，力促把東部的數據送到西部進行存儲和計算，同時在西部建立算力節點，改善數字基礎設施不平衡的布局，有效優化數據中心的布局結構，實現算力升級，構建國家算力網路體系。

最後，人工智慧的算力需求已成為算力發展主要動力。機器學習、深度學習等演算法革新和通過物聯網、感測器、智能手機、智能設備、互聯網技術搜集的大數據，以及由超級計算機、雲計算等組成的超級算力，被公認為是人工智慧時代的「三駕馬車」，共同掀起最新一輪的人工智慧革命。

在人工智慧蓬勃發展這一背景下，虛擬化雲計算向高性能容器雲計算演進，大數據與並行計算、機器學習融合創新就成為了產業發展的最新方向。

此外，在智能計算評測方面，我國已經提出了包括AIPerf 500在內的眾多基準測試程序，這是對傳統Linpack測試標準的有力補充。

這些發展表明超算技術向產業滲透的速度加快，我們已經進入一個依靠算力的人工智慧時代，這也是未來發展的必然趨勢之一。隨著用戶對算力需求的不斷增長，算力經濟必將在未來 社會 發展中占據重要地位。

作者 武延軍（中國科學院軟體研究所研究員）

開源發展可圈可點並非只是今年的事。最近幾年，開源領域發生了很多重要的事情。

例如，RISC-V開源指令集及其生態的快速崛起。這與上世紀90年代初Linux誕生一樣。當時，UNIX和Windows是主流，很少有人能夠預料到今天以Linux為內核的操作系統已經遍及人們生活的方方面面。

如今，人們每天使用的App，超過80% 概率是運行在以Linux為內核的安卓操作系統上，而且，支撐其業務的後端伺服器上運行的操作系統很大概率也是Linux發行版。

所以，今天的RISC-V也同樣可能被低估，認為其不成熟，很難與ARM和X86抗衡。但也許未來RISC-V就像Linux一樣，最終成為全球范圍內的主流指令集生態，產品遍及方方面面。

僅2020年，RISC-V International（RVI，RISC-V基金會遷入瑞士之後的新名稱）的會員數增長了133%。其實RVI遷入瑞士這件事情本身也意義重大，是一次開源領域面對大國競爭保持初心不「選邊站」的經典案例，值得全球其他開源基金會參考。

在國內，2019年底，華為公司牽頭，中國科學院軟體研究所、麒麟軟體等參與的openEuler操作系統開源社區正式成立。在短短的兩年內，社區已經匯聚了7000名活躍開發者，完成8000多個自主維護的開源軟體包，催生了10多家廠商的商業發行版。

這是中國基礎軟體領域第一個真正意義上的「根社區」，雖然與20多年 歷史 的Debian、Fedora還有差距，但邁出了重要一步，對學術研究、技術研發、產業創新來說，終於有了國內主導的、可以長期積淀的新平台。

同時，華為在遭遇安卓操作系統GMS（谷歌移動服務）海外斷供之後，推出了鴻蒙操作系統HarmonyOS，並在開放原子開源基金會下啟動開源項目OpenHarmony。

目前OpenHarmony短時間內已經吸引了國內眾多廠商參與，也側面反映了國內產業界對新一代萬物互聯操作系統的旺盛需求。盡管其在生態規模和技術完整程度方面與安卓仍有差距，但畢竟邁出了打造自主生態的第一步。

這相當於為源代碼合理使用劃定了一個邊界，即合理使用僅限於介面，一旦深入到介面的實現代碼，則需要遵守相關許可。這對開源知識產權的法律界定具有重要參考意義。

今年5月，《2021中國開源發展藍皮書》重磅發布。它不僅系統梳理了我國開源人才、項目、社區、組織、教育、商業的現狀，並給出發展建議，而且為國家政府相關管理部門制定開源政策、布局開源戰略提供參考，為科研院所、 科技 企業以及開源從業者提供更多的案例參考和數據支撐。

而不論是開源軟體向圍繞開放指令集的開源軟硬體生態發展，還是開源有嚴格的法律邊界約束，抑或是國內龍頭企業正嘗試通過開源 探索 解決「卡脖子」問題，且已經取得了一定的效果……眾多案例都指向一個方向——開源趨勢不可阻擋。因為它源自人類分享知識、協同創造的天性，也是人類文明在數字時代薪火相傳的重要模式。

當然，不可否認的是，開源還存在很多問題，例如，開源軟體供應鏈安全的問題。這里的安全既有傳統意義上軟體質量、安全漏洞的問題，也有開源軟體無法得到持續有效維護的問題（如OpenSSL在出現HeartBleed問題時只有兩位兼職維護者，log4j出現問題時只有三位兼職維護者），更有大國競爭導致的「斷供」問題（如GitHub曾限制伊朗開發者訪問）。

隨著開源軟體向GitHub這類商業平台的集中，這一問題會更加突出，甚至演變為重大風險。開源軟體這一本應屬於全人類的智慧資產，可能變為實施「長臂管轄」的武器。為了避免這一問題，開源代碼託管平台、開源軟體構建發布平台等公共基礎設施需要「去中心化」。世界需要多個開源軟體基礎設施，以最大程度消除政治力量對開源社區的威脅。

對於中國來說，隨著開源軟體成為眾多科研、工業等重大基礎設施的重要支撐部分，開源軟體本身也要有一個基礎設施，具備代碼託管、編譯、構建、測試、發布、運維等功能，保證開源軟體供應的安全性和連續性，進而增強各行各業使用開源軟體的信心。

未來，核心技術創新與開源貢獻引領將成為國內企業發展的新動力，或將我國開源事業推向另一個高潮。

Ⅳ 山東聯通構建全光算力網路 釋放雲端澎湃算力

數字經濟 社會 ，算力就是生產力，已成為全行業的共識。中國信通院《中國算力發展指數白皮書》指出，在算力上每投入1元，將帶動3~4元的經濟產出。「算力」時代，具備高品質、確定性、高安全、低時延、低抖動的全光網，對於高端雲計算和IDC服務有不可或缺的關鍵價值，打造光雲一體的全光算力網路，就是打造了一張高質量確定性的算力網路。

中國聯通是業界較早提出算力網路概念的電信運營企業之一，2019年11月，中國聯通就率先發布了《算力網路白皮書》。山東聯通始終踐行中國聯通 CUBE-Net 3.0 理念，以客戶體驗為本，通過全光算力網路的理念，構建智慧光雲城市的基礎設施，把雲端澎湃算力輸送到千行百業，提升智慧城市的服務能力，助力省會、膠東、魯南三大經濟圈區域一體化發展。

山東聯通於2019年率先推出了「SD-FAST」智慧光網，並於2021年提出從智慧光網邁向智慧光雲，啟動了智慧光雲十六城的建設規劃，逐步演進到全光算力網路，支持業務快速上線和最終用戶的彈性擴容需求，通過全光調度OXC平台、ASON業務自動恢復技術、扁平化網路架構等多項先進技術構築大帶寬、毫秒級低時延圈、99.999%高可靠的精品網路。同時，山東聯通基於「自研雲網光雲協同器+ SDN 智慧管控控制器」實現光和雲的協同管控，並依託中國聯通全國集中運營的業務支撐系統，實現從訂單受理到業務發放的一站式開通。後期採用流量 AI 分析預測技術，還將實現業務流量的自動彈性擴縮。

截止目前，山東聯通的智慧光網已經廣泛服務於黨政軍、金融、醫療、製造等各行業客戶，其中一個典型應用就是將國家超級計算濟南中心（以下簡稱「濟南超算」）的算力快捷地輸送給千行百業。

濟南超算創建於2011年，是三大國家千萬億次超級計算中心之一，系統綜合水平處於當今世界先進行列。山東聯通的智慧光網為濟南超算提供強大的運力，聯接科研單位和超算中心，打破科研單位和超算中心之間的距離限制瓶頸，讓澎湃算力可以得到充分釋放，已為400多家單位提供服務。另外，依託山東聯通的智慧光雲城市網路，濟南超算實現全省天氣數據的實時匯聚，建成集合數值天氣預報平台，為山東省天氣預報及災害性、關鍵性、轉折性重大天氣的精確預報提供技術支撐。

「十四五」期間，產業數字化在數字經濟中的主引擎地位將不斷鞏固，全光算力網路作為產業數字化轉型的關鍵新型基礎設施，將為數字經濟高質量保駕護航。山東聯通將基於全光網、人工智慧、大數據等多種前沿技術，進一步構建澎湃的算力+強大的運力，持續為黨政軍、金融、醫療、教育等千行百業提供強有力的業務支撐，攜手共贏數字未來。（李壯志）

通訊員 葛濼雙 報道

Ⅳ 算力大陸和比特大陸有區別嗎

沒有。算力大陸就是指比特大陸，所以兩者是沒有區別的。比特大陸是全球領先的數字貨幣礦機廠商，旗下品牌ANTMINER長期在行業內保持技術和市場優勢地位，客戶覆蓋全球100多個國家和地區。

Ⅵ 知識+數據+算力：演算法進化升級的路徑是什麼|德外獨家

演算法融入信息傳播，帶來了傳播的深刻變革。推薦演算法基於大數據和人工智慧技術，通過演算法模型，進行信息與用戶的匹配，成為智能傳播中的主導力量。

然而，經過演算法過濾選擇後，匹配給用戶的信息對個人認知、判斷以及 社會 性的負面影響，引起了廣泛的關注和擔憂。

作者從智能傳播中演算法的缺陷入手，圍繞演算法優化和升級，與人工智慧行業專家、國家廣播電視總局廣播電視科學研究信息與安全技術研究所王磊博士，展開探討，以期為演算法進化找到可行路徑。

以下為兩人對談的詳細內容。

推薦演算法只能依從用戶

個人的偏好、需求嗎？

於烜： 演算法融入信息傳播，改變了信息採集、生產、分發和反饋等過程，帶來了傳播的深刻變革。在移動互聯網時代，演算法主導信息分發，演算法的個性化推薦（簡稱推薦演算法），有效應對了信息超載帶來的分發危機，解決了海量信息與用戶間的供需匹配問題，優化了生產和消費的資源配置效率，無疑是一種先進的技術和生產力。

但是， 推薦演算法存在一個明顯的缺陷。 我們知道在現代 社會 中，傳播的一個重要功能是實現 社會 整合，以傳統媒體為代表的大眾傳播發揮了 社會 整合的作用，傳媒能夠把不同階層、人群、族群凝聚起來，形成 社會 共識，這就是媒體公共性的體現。

然而，個性化演算法推薦，依據的是網路中用戶本人或相似人群的個人興趣、愛好、習慣、需求，只體現了個性，缺少公共性， 公共性缺席是演算法主導信息傳播的一個明顯的缺陷。推薦演算法只能依從用戶個人的偏好、需求嗎？

王磊：從技術上說，演算法是一種中介， 通過演算法模型，將信息與用戶進行匹配，本質是要解決信息和用戶的精準匹配問題。無論是傳統的機器學習演算法，還是近年來興起的深度學習演算法，通過用戶個人屬性和網路應用使用過程中的數據記錄，挖掘用戶個人興趣、需求， 最終達成個人信息需求的精準匹配，這就是演算法的使命。

當演算法融入傳播，演算法主導的短視頻平台、資訊平台成為了媒體，作為媒體，需要傳播主流價值觀，需要承擔媒體公共性責任， 除了個性化的推薦，在演算法中應該體現出公共性，這是從媒體角度、傳播角度，對演算法的要求。

於烜： 目前的智能傳播中，演算法並沒有回應這樣的要求。也就是說，從傳播角度看，目前普遍應用的個性化推薦演算法技術自身是有缺憾的，換句話說， 僅僅依靠推薦演算法技術進行的傳播，是有缺陷的，需要進化。

王磊： 對，可以這樣理解。

於烜： 近年來，智能傳播中，經過演算法過濾選擇後匹配給用戶的信息，對個人認知、判斷以及 社會 性的負面影響，引起了傳播學研究的關注，比如信息繭房、演算法囚徒、圈層化，這些研究都提示了演算法帶來的風險。所以無論是從演算法技術自身的缺憾，還是演算法在現實傳播中帶來的問題兩個層面看，演算法需要升級。

王磊： 確實如此， 推薦類演算法需要從演算法技術路線和網路架構上進一步升級， 以嘗試解決上述問題。

演算法是否能夠發現用戶更全面多樣的內容？

於烜： 大眾傳播時代的信息也是要過經過媒體過濾選擇的，但是在新聞專業主義的准則下，信息選擇有明確的標准，要求客觀、平衡，以盡可能反映 社會 現實。

但是，演算法的根本邏輯是流量，以流量為目的進行信息匹配。研究表明，流量偏向情緒性、故事性、戲劇性內容，客觀、平衡這一新聞傳播大廈的基石已經被流量沖垮了。

100年後的今天，被演算法選擇的信息失衡、失真，擬態環境和現實世界不是越來越接近，相反卻是越來越偏離了。

演算法模型中，是否可以將客觀、平衡等專業價值觀要素導入進去？也就是說不僅僅找到迎合用戶表面的喜好，也能發現他潛在的需要，或者是他願意了解、也應該了解的更全面的這樣一些內容？在實現過程中面臨的困難和挑戰又是什麼？

王磊： 我想可以嘗試突破信息傳播失衡、失真的現狀，但是實現起來難度很大。 一種辦法是演算法+規則，即以現有深度學習演算法模型為基礎，將專業價值觀理念設定為相應規則，兩者結合形成新的計算模型，進行相應信息匹配。 但是，現實中難度很大。

還有一個辦法，需要通過技術演進來實現。從人工智慧發展歷程看， 現在正處於弱人工智慧時代， 即「數據+演算法」的時代，這一時期通過大量投喂數據，演算法精度較過去提高了很多，但是 存在一個難以破解的核心問題——無法解決海量數據之間的深層次語義層面的關聯關系，演算法的泛化能力比較差， 簡單說就是在一個數據集中的模型，運用在另一個相似數據集中，其效果會變差。

只有當技術演進到 「知識圖譜+演算法」 階段，能夠在數據間找到並建立起相應的關聯關系，破解數據語義層面的聯系，才有可能挖掘出用戶潛在的、多層次的需要，改變目前簡單迎合的狀況。

清華大學張鈸院士提出的第三代人工智慧，即 知識+數據+演算法+算力， 或許未來可以從這個方面突破，一定程度上彌補當前信息傳播中推薦類演算法的缺陷。

第二代人工智慧階段，

如何推動綜合評價體系建立？

於烜： 演算法驅動的內容平台通過組織生產和演算法分發，已然成為了智能傳播時代的主體，因此說需要通過規則導入，促使演算法進化。

目前個性化推薦演算法，強調的是迎合用戶個人個性化的精度，是不是可以從內容端的廣度進行考量， 比如說，內容的多樣性，讓觀點多樣、信源多樣、品類多樣的內容達到用戶？也就說是否可以通過內容的廣度，來體現新聞傳播客觀、平衡。

王磊： 是的， 除了精度，演算法的廣度應該成為一個評價指標，如對內容的非歧視性關聯推薦等。現階段綜合評價指標的合理設計將引導演算法不斷地優化升級。 當然，這些評價標準的制定也需要傳播學的專家加入，共同探討。

於烜： 如果要對今天的對話做一簡短小結，我想說，面對演算法技術的缺憾及引發的問題，演算法無疑需要進化。而演算法進化有賴於演算法技術自身的演進，有賴於演算法掌控者的倫理培養，有賴於監管部門的標准規范。同時，這需要學界、業界、政府共同努力。

編者按：

作者：於烜，北京廣播電視台高級編輯、新聞傳播學博士，德外5號特約作者。

Ⅶ 中國移動提出算力網路融合「ABCDNETS」8大核心要素,其中T代表什麼要素

中國移動提出算力網路融合「ABCDNETS」8大核心要素,其中T代表端，全稱（Terminal）。
1、其中雲（Cloud），邊（Edge）共同構成了多層立體的泛在算力架構。
2、算力網路在提供算力和網路的基礎上，需要融合豐富的技術要素為用戶提供多要素融合的一體化服務。

Ⅷ 王平：高等級自動駕駛晶元技術發展現狀如何丨汽車產經

2021年12月16日，由中國汽車工程學會和中國智能網聯汽車產業聯盟聯合主辦的2021第三屆國際汽車智能共享出行大會在廣州花都開幕。寒武紀行歌執行總裁、前麥肯錫董事合夥人王平以《高等級自動駕駛晶元技術現狀和趨勢》為題發表了演講。

王平

王平指出，自動駕駛晶元發展遇到的挑戰需要晶元企業和企業一起來克服。「不僅僅是一個單車的算力，它還要跟雲端、路側和車上其他的終端來進行協同。」

以下為演講實錄：

非常謝謝主辦方的邀請，能夠代表自動駕駛晶元企業做這樣一個交流。

人工智慧推動汽車智能化可以表現在三個方面：智能座艙、智能駕駛、車路雲協同。

今天早上包括李克強院士也分享了非常精彩的觀點，寒武紀行歌致力於在自動駕駛和母公司寒武紀一起在智能汽車和「車路雲」協同方面做出貢獻。智能汽車對於算力提出了越來越高的要求。最新發布的一些車子，比如一體機和智己，他們已經把算力放到了100tops以上，現在特別是智能電動汽車放了很多感測器、攝像頭、激光雷達，那麼這樣導致數據量大幅提升；另一方面，自動駕駛的演算法也是更加復雜，客觀上也要求更高算力的晶元。

那我們看到了一個行業的趨勢，我們是這樣看的，我們認為有兩個大特點：大算力、通用性。過去L1和L2時代，數據量是比較小的，演算法也是相對比較簡單的。那在這個階段可能以Mobile2為主的主流廠商是提供一攬子的黑盒子方案給OEM。這種場景下，OEM不能做OTA的升級。往前走進入L2+L3甚至L4時代，剛才提到了上周DIANA在德國拿到了L3高速下的許可，開始第一例進入L3的時代，汽車數據的數量更加復雜，更加需要大算力的晶元。

同時由於OTA的加速普及，像特斯拉包括國內新勢力的汽車企業都已經在推進OTA，硬體預埋，軟體和演算法可以在後續不斷地去更新，可以不斷地去升級我們的軟體。在這個階段，以英偉達為代表的國際廠商推出了通用的大算力晶元，所謂的通用性就是各個主機廠和演算法公司在此基礎上可以進行自主演算法升級。所以自動駕駛主控晶元有兩大發展趨勢：大算力、通用性。

那麼要做大算力和通用性的自動駕駛晶元其實是非常不容易的，我們認為有四大方面的挑戰：

第一，晶元的系統架構非常復雜。200T以上大算力的晶元要求非常高，需要支持超大的帶寬，這樣的結構相對來講是更加復雜的，國家在這方面的人才儲備也是不夠的。

第二，通用的AI軟體戰。我們這個演算法是要不斷地去升級和完善的，只有通用的AI軟體站才能支持不同的演算法和不同的主體，OEM和演算法公司對它進行升級。

第三，大尺寸晶元工程的挑戰，大算力晶元的尺寸更多，對於後端封裝設計、電源和熱設計、量產成本控制壓力很大。因為它良率的挑戰是非常大的。比如200tops這樣大尺寸的晶元需要7nm先進的工藝，國內來說還沒有7nm先進的車規級工藝。

以上幾個挑戰是我們要和企業一起來克服的，領先的車企開始部署雲邊車端，雲端、車端、邊端和終端來協同計算的能力，不僅僅是一個單車的算力，它還要跟雲端、路側和車上其他的終端來進行協同。特斯拉發布了打造全球算力最強的計算中心，來幫助他進行自動駕駛演算法的訓練。

簡單匯報一下寒武紀和行歌在做的一些工作，寒武紀布局了全算力的人工智慧晶元，從IP的終端授權給終端的手機等等，給他們授權。邊緣端有路側的晶元、雲端加速卡和雲端加速器，我們的特點是雲邊端的全系列覆蓋，在雲邊端採用了統一的架構和指定級，也採用了統一的開發平台。這樣的好處是什麼呢？當我們需要採用雲、邊、端協同的時候，我們的軟體演算法呢，比如在雲端訓練的演算法是可以以高效率很快Deploy到中端。

行歌是寒武紀的子公司，是今年成立的，我們的使命是用AI賦能來實現安全、快樂、低碳的出行。我們的路線圖：希望明年推出超過20T的SoC產品（自動駕駛主控晶元），這也是國內第一顆。按照目前的性能要求，這顆晶元將超過英偉達的Orin，是國際最先進的晶元，計劃於2022年下半年進行流片，2023年通過整個車規級的認證，在2023年底和2024年大概會上車。2024年會進一步退出超過500T的大算力的SoC晶元，繼續走在全國的前列。

剛才我介紹到，2022年會推出的超過200個T的晶元會採用7nm的工藝，會達到車規級的要求，具有獨立的安全島，也借用包括寒武紀已有成熟的軟體工具鏈。最後寒武紀和行歌還將推動雲、邊、車的協同。基於雲端有雲端大算力的數據中心的晶元；在路側也有邊緣端的晶元；同時車上基於行歌開發的自動駕駛晶元，這些會形成協同的感知、數據的融合，我們在雲端訓練的數據和模型可以非常快地發送到車端，實現OTA的升級，由於它們都採用統一平台級的基礎軟體，採用統一的處理器和指令級。

寒武紀行歌希望在自動駕駛用AI賦能，實現安全、快樂、低碳的出行，謝謝大家！

Ⅸ 源碼資本曹毅

一草源資本的創始合夥人

投資期限：15年。

投資：100元，代表項目有位元組跳動、美團點評、鏈家集團、趣店集團、易九皮、美利聯合/蘑菇街、自如、車和家、牛電科技、回收寶、Zenjoy、Bluepay等

2018年春天，有投資圈奧斯卡之稱的福布斯「全球最佳風險投資人」榜單出爐。人們注意到了榜單上的兩個人物：排名第一的紅杉資本全球管理合夥人沈南鵬，以及出生於1984年的源碼資本最年輕的3354創始合夥人一草。

自2014年一草離開紅杉中國創立source capital以來，人們一直將他描述為「最像拍鄭沈南鵬的年輕投資者」。他們的共同特點包括對賽道的判斷准確，出手迅速，在同組投資人中表現突出。

但現在不是討論一草有多少沈南鵬影子的時候。

評價一隻從老牌基金分化出來的新基金能否存活，創投行業有自己的標准：看第三隻基金能否募集到。

源基金一期和基金二期開始初見成效，募集到2.6億美元基金三期和16億人民幣基金三期。「活下來」應該沒有問襲李頌題。於是，新的問題出現了：進入「成熟階段」的源代碼如何面對自己的新挑戰？

「以前我們一直在為生存而奮斗，現在可以稍微喘口氣，抬頭看看天；之前被眼前的事情搞得不知所措。現在，我可以花更多的時間考慮一些相對長期的事情。」交談中，一草不時像「超級CPU」一樣思考。「數據、演算法、算力」是他不斷提到的關鍵詞。他要想趕上機構化的潮流，甚至成為行業的龍頭，就必須升級自己的系統。

從「自我實現」到在線學習

當他2004年加入公司時，一草經歷了很長一段時間的抑鬱。當時VC行業基礎設施比較差，互聯網行業處於千年泡沫破滅後的復甦初期。紅杉資本、北極光等風投相繼成立。

一草在台灣基金C Squared Capital獲得了P2P流媒體技術投資分析師的實習機會。這期間，他收獲了很多。在此期間，他結識了搜狗CEO王小川、PPS創始人雷亮、張洪宇等。為他日後進入聯創策源積累人脈。

但這段經歷也有一些遺憾，如行業內缺乏可追溯的記錄，同行間交流太少，方法的探索全靠「自我實現」。一草只能抓住一切機會跟著老闆和其他同事去開會，觀察他們如何找項目、做研究、做判斷。

現在每個月都有源代碼內部的方法論培訓，讓年輕人各方面「看得見、看得清、投得進去、幫得上忙」。

一草認為，一家公司的最終價值在很大程度上取決於它擁有什麼樣的人脈和質量，以及它擁有多少獨家的、有價值的數據。每個人都有自己的數據。他想做的是用相對較低的成本升級這些數據線，讓大家一起「上線」，不斷積累數據，直到形成一個足夠大家依靠的資料庫。

數據的積累有兩種方式：內部和擾氏外部。

在內部，源資本建立了一套規則清晰、要求嚴格的記錄體系，從投資人開始接觸項目到最終投資決策，可以摸清每個項目的來龍去脈。

一草本人也受益於這種記錄方法。2007年加入聯創策源之前，王小川帶他去見了聯創策源的創始合夥人馮波。在離開之前，他給馮博寫了一封郵件，這封郵件對他得到這份工作起到了很大的作用。郵件中有一份兩頁的文檔，描述了他在實習期間看到的20個互聯網和P2P流媒體項目的判斷。

後來，這個工作方法被寫進了源代碼工作流。「記錄這件事仍然很重要，這有利於以後恢復工作，」一草說。

比如源碼2016年投入大量資源討論是否投資OFO，最後決定放棄。系統如實記錄了原因：單車共享的商業模式防禦性不夠，更適合成為AT、美團等更大的聚合體的一部分，而不是獨立發展。但大集團的買家有限，所以項目估值上升的空間有限。該項目估值約為3億美元，因此可以時尚地進入市場。如果超過5億美元，投資價值就比較小了。

對外，源資本創立時的重要出發點是建立核心圈。一草希望通過「代碼俱樂部」將成功的企業家聚集成一個圈子，並利用人脈撬動新的機會。

2014年8月，源資本成立。王興、張一鳴各投資500萬美元，與姚勁波、李想、李一男等數十位LP一起，聚集在一草周圍，形成了源代碼的圈子影響力。

不久前，一草舉辦了一場35人的晚宴。參會人員來自源碼投資部、美團投資部、頭條投資部、鏈家投資部。席間，大家互通有無，聊到了新的行業知識，新的投資思維。一草稱之為「在線學習」。

久批CEO王超成就得益於這種「在線學習」。每次代碼會議，王朝成都都會抽空參加。對於創業者來說，一方面，王朝成通過碼會與美團業務線負責人甚至王興進行深度溝通，達成戰略合作。另一方面，王超成也在代碼會上與其他創業者有了更深入的跨界交流。

讓每個CPU都有意識地優化自己的計算能力。

「提供相關工具和方法，增加基礎數據輸入，實現迭代演算法，提升計算能力」，一草總結了自己的投資方法論。這種話語體系是他在清華計算機系2002級學生、水木清華「未來之路」BBS副理事長時積累的。

他認為投資者認知提升有三個要素：數據、演算法、計算能力、人工智慧。數據是廣義的，演算法是指形成決策的思維方法論，計算能力是指人的腦力和體力。

一草把自己比作中央處理器。現在，源都大約有60個「CPU」。這些CPU 80%的計算能力用於自計算迭代，20%用於「在線」學習，提高了系統內的計算能力，從而讓大家的效率越來越高，時間分配越來越合理，狀態越來越穩定。

一草花了很多時間優化系統演算法。例如，在線學習的重要性

場合周例會，開會的機制就在持續迭代。是不是每個人都可以提交項目？提交之後，每個項目用多長時間討論最為合理？周例會30分鍾，形式改進的核心命題就是如何把60個人在這30分鍾里共15小時的算力充分利用起來。

早先，周例會對投資人提交的項目數量做出了限制。每個投資人每兩周最多提交一個項目。去年下半年開始，數量上的限制放開了，配額挪到了發言時間上，每人每季度累計可發言250分鍾，有分析師專門負責按計時器。

到了今年年初，規則調整為，投資人考核以年為時間跨度，看一年裡提交項目的過會成功率，比如一年只提交四個項目，四個項目都過會了，對組織資源的佔用要遠小於頻繁提交無法過會的項目，更符合曹毅設想的「算力最優」。

盡管這種「優化算力」的做法起初給投資經理帶來不小壓力，但它有顯而易見的好處，其中之一是逼迫每個「CPU」都不斷提升自己的「算力」，提前做好功課，把組織資源用在刀刃上。這正是曹毅得意的部分。

擴充合夥人補齊短板

對「系統」源碼來說，演算法、算力的提升還有另一個關鍵因素——新合夥人的加入。

源碼成立時，合夥人只有曹毅一人。一個人有一個人的好處，比如初期能夠相對高效地定義公司文化、投資策略、投後風格。

但一個人也有一個人的壓力和誘惑。一言堂的問題怎麼解決？自己狀態不好的時候、頭腦發熱的時候，誰來制衡你？這是壓力的部分。誘惑則是，多一個合夥人，基金規模或許可以更大一點。

前兩年，曹毅頻繁被LP問及這個問題，他的回答是好的合夥人團體可遇不可求，不要因為短期要證明什麼給LP看，就為發展埋下隱患。

比如，從Pre-A輪開始，VIPKID的連續三輪融資曹毅都有接觸，每次他都覺得很好，但又都「差了一點開槍的勇氣」。事後，曹毅總結原因，教育不是自己和源碼當時的團隊所擅長的主賽道，對賽道投入濃度不夠，導致遲遲無法下決定。

基於對教育、醫療等行業發展的判斷，曹毅做出了擴充源碼合夥人隊伍的決定。2017年下半年，繼前金山CEO張宏江博士加盟投資合夥人後，前經緯中國董事總經理黃雲剛也加入源碼，擔任合夥人。黃雲剛擅長的領域包括移動互聯網、交易平台類、企業服務和在線教育，和曹毅互補。

作為管理者，曹毅正在褪去青澀。源碼成立不久時，源碼資本投資部副總裁張星辰想知道曹毅對自己的評價，看看怎麼更好地工作，就主動問了曹毅。當時曹毅臉一紅，沒能立刻接上話來，答復說「這我回去想想再告訴你」。現在，面對這樣的問題，曹毅已經游刃有餘。

在王朝成看來，曹毅溫和但堅決捍衛原則。有一次，另外一家投資機構希望能夠看一下源碼資本對易久批的研究報告，曹毅果斷回復，「不行，這是源碼資本的核心資產，不會分享，對不起」。

從更長時間維度思考問題

經歷過VC行業的寂靜期、高歌猛進期以及如今的回歸理性，曹毅對VC的機構化也有更深的理解。

在曹毅看來，以被投企業在所處賽道中的位置評判，基金要做到賽道里的前三名，自身存在才有價值。

「如果去做大家都在扎堆做的事情，多我一個不多，少我一個不少，沒什麼參與感。但如果能夠成為某個行業的先行者，定義它的邏輯，摸索它的價值，事情就會有意思很多」，曹毅說。

2015年，曹毅入行11年，感到自己有了一點餘力，才開始摸索源碼投資的大框架。到2016年，確立了源碼在九大垂直領域的頂端使用層里所尋找、期待的機會。

在篩選項目時，該如何迭代自己的演算法？如何迭代投資基因中的價值觀問題？

他明確了做投資的一個願景是讓人們生活得更好，在需求與供給上如何進行更好的配置。他也承認，「每件事都有硬幣的兩面，要做更全面評估，對社會好的方面多於不夠理想的地方時，要彌補短板，讓對社會好的方面越來越放大」。

趣店上市後，破發、市值下跌，對此，曹毅在與其他創業者分享時說，「這就是投資的一部分，你要去接納它，沒什麼」。

他依然堅定長期看好整體賽道：互聯網金融的價值在於以科技化、普惠化的方式持續推進金融行業的發展，把金融機構里的錢引到毛細血管里去，還有很大的發展空間。

最近，他也給羅敏和幾位互聯網金融領域的被投企業CEO提了些建議：要有耐心，要做得更深、更重、更慢一些。

有耐心，從更長的時間維度上去思考問題，也是曹毅對自己和源碼的期待。以前，王興問他如何思考創投行業五年後的局面。被迫思考長期問題對年輕投資人來說是件痛苦事，但曹毅確實從中受益。

同題問答

VC行業經歷高歌猛進期以後，如今已經回歸理性，未來怎麼做才能把握機會？

曹毅：以前這個行業經歷了大爆發，但單槍匹馬、蜻蜓點水、閑雲野鶴也能賺大錢的時代已經過去了，未來可能還會有一些專注於垂直領域的手藝者能夠獲取不錯的回報，但對大部分機構來說，要求發展，就必須有所突破。VC從手工作坊到機器生產、從游擊隊到集團軍作戰的趨勢，要求機構在募投管退各個環節上的功能都要比較強，基金品牌也要不錯。只有這樣才能吸引到好的資金，只有好的資金能幫助你選到好的項目、吸引好的人才，建立起行業關系網路。

你怎麼看待源碼的文化？

曹毅：源碼成立時，我為期望擁有的文化寫下了幾個關鍵詞：自驅、求真、極致、開放、好奇。每個人都要自我驅動把事情做好，而不是等待組織設計的要求和標准壓到頭上再行動。現在，通過演算法升級，我感覺到這種文化上的統一感正在形成。

相關問答：