凱文·凱利在2015年刊行的《必然》一書中曾論證：“科技在本質上有所偏好，使得它朝往某種特定方向。”在全球經濟周期同戚戚的當下，這個特定方向指向哪里，已成為整個商業科技領域最大的命題。

如果從現代商業史上尋找蛛絲馬跡，格林斯潘與伍爾德里奇合著的《繁榮與衰退》似乎能夠給出一些指引。這部著作作為對美國經濟史的考察與分析，在兩位作者看來，將衰退時鐘擰向繁榮，為為關鍵的方法論就是約瑟夫·熊彼特提出的“創造性破壞”（creativedestruction）：通過大規模的技術與組織創新淘汰舊的技術和生產體系，并建立起新的生產體系。

如果更為具體的考察“大規模的技術與組織創新”如何實現，羅伯特·戈登所著的《美國經濟增長的起落》一書是個值得參考的文本。作者通過對過去150年經濟數據的擬合分析，給出的相應結論大致在于有形之手與無形之手的共同主導——在蕭條周期背景下，前者會策動最廣泛的社會資源資助以先進制造業為核心的基礎設施建設，后者通過企業家精神的釋放與此形成共振，最終實現新的生產體系的建立，以開啟新周期。

這既是美國持續繁榮的秘密，也是中國經濟起飛的注腳，更是經濟發展國別競爭的核心指標。

當周期時鐘擺動到21世紀20年代，歷史又押著相同的韻腳輪回來過。這一次，從宏觀視角細致觀察，我們得以發現，這個“某種特定方向”正漸漸明朗：

人類社會正從電力、互聯網流量時代，拐入算力時代之中。

01

算力即綜合國力

開篇之處，仍要代入一個在我們此前研究中曾多次出現的案例場景：

作為一名司機，你是否設想過這樣一個問題——在非極端路況下，為何人們摩肩擦踵在一條小巷里，卻不至于交通阻塞，而可以有秩序的通過；但在寬闊的馬路上，人駕駛車輛，卻往往會因一個小事故而擁堵成災？

這其中會有物理體積和行為機制的原因，但更重要的一個原因在于，人個體的算力遠大于傳統汽車駕駛狀態下的計算能力。

換言之，擁有更高算力的智能車輛，將會通過智能云計算、邊緣計算、仿真溝通等類人手段，通過最優路徑解決擁堵問題。而這樣的實質，也就是智能汽車與傳統汽車最本質的區別：所謂交通擁堵，實質上是算力擁堵。

智能汽車只是以算力為底座的智能經濟的一個分部。可以預期的是，在其之外，農業、工業與服務業所轄的種種商業形態，在將基于算力重構之后，新的經濟周期便將水落石出。

理解了這一點，也就理解了算力時代的本質價值：處理信息能力具有指數級強勢的智能算力，對絕對弱勢傳統能源經濟的平權賦能。

今年3月，由IDC、浪潮信息、清華大學全球產業研究院聯合編制的《2021-2022全球計算力指數評估報告》，初步量化揭示了“算力與國力”的基本關系：報告顯示，計算力指數平均每提高1點，數字經濟和GDP將分別增長3.5‰和1.8‰。

該報告同時指出，全球各國算力規模與經濟發展水平呈現出顯著的正相關關系，算力規模越大，經濟發展水平越高；美國和中國的計算力指數分別為77分和70分，同屬國別計算力的領跑者，明顯領先其他國家的計算力指數。

由此我們可以得出一個重要結論，數字經濟時代，算力正在成為衡量一個國家綜合國力的重要指標。

當時當下，算力時代邏輯的逐步呈現，很大程度上是歸結于全球在互聯網經濟時代的基礎設施建設——即基于云計算與AI等先進生產力的進一步縱深發展，所自然衍生呈現的結果。這層啟示，已經完全還原到數字經濟的核心價值之中：

據《云網融合：算力時代的數字信息基礎設施》一書統計分析顯示，云計算與互聯網不斷融合之下，算力支撐數字經濟向縱深發展，使得我國數字經濟占GDP比重由2015年的14.2%提升至2020年的38.6%。

摸著傳統數字經濟過河，駛向智能算力經濟新周期，正在成為全球主要經濟體共同的歷史抉擇。新一輪國別競爭與產業競爭，已經啟動：

中國啟動“東數西算”戰略；

美國“核高基”十四五計劃；

日本出臺《第2期戰略性創新推進計劃（SIP）》；

法國出臺“人工智能國家戰略”新計劃；

韓國發布“人工智能半導體產業發展戰略”……

在產業競爭維度，“算力+”商業模式，正在成為以互聯網經濟與高端制造業為代表的先進生產力經濟的下一站:“日益優化的高性能計算使得數據價值被充分挖掘并使用，從而推動大規模制造升級為大規模定制、農作物生產開始出現智能預測以及服務領域千人千面的個性化需求日益凸顯……”

02

中國的新比較優勢

從互聯網經濟拐入智能算力經濟，可以預期的是，新一輪大級別創新周期正在開啟。基于以下3大比較優勢，我們可以篤定，中國產業經濟將在這場“算力戰爭”中大有可為。

1）有效需求和有效供給

產業競爭，需要知己知彼。

2021年，美國的云計算產業規模占據全球總量超44%，增速超過34%；而中國云計算產業規模大概2300億元，約占全球總量的13%，增速超過30%，位列全球第二大云計算市場。

從這組比較數據上看，我們的產業基礎仍距美國存在客觀差距。但不必過于悲觀的是，我國在傳統云計算的迭代模式——智能云產業的發展勢頭已經超越美國：2021年中國AI服務器支出規模同比大幅增長44.5%，貢獻了上述15個國家AI算力支出增長的近60%。

更重要的是，透過智能云產業的迅猛發展，我們得以看到這樣一重事實：中國具備智能算力持續爆發的事實基礎——我們有著全球范圍內最具質量的有效需求與有效供給。

相關數據顯示，全世界在2018年創建、捕獲、復制和消耗的數據總量為33ZB（1ZB約相當于1萬億GB），2020年這一數字增長到59 ZB，預計到2025年將達到令人難以想象的175 ZB。其中，中國數據生成速度以超過全球平均3%的速度增長，預計到2025年當年將產生約48ZB，超過美國的約30ZB，成為第一大數據國。

事實上，在疫情的影響作用下遠程辦公、在線教育、網絡會議等新的協作模式開始興起，這使云計算的市場規模快速提升，基礎需求也在不斷擴容。更為難得的是，我國在智能汽車、智慧交通、智能電網、智慧城市的智能化推動下，AI算力正成為數智化改造升級的新抓手，成為確保中國算力進入高質量發展黃金時代的客觀條件。

而據賽迪研究院觀點，2020年我國通用算力規模為77 EFLOPS（百億億元次），AI算力為56.23 EFLOPS，到2025年我國基礎算力和AI算力總量將分別超過300 EFLOPS和1800 EFLOPS。

而在供給側，通過在消費互聯網時代的長期實踐，以阿里云為代表的中國云計算產業鏈，正從基礎算力供應商向智能算力更為有效的供給轉變。從近年AI企業核心技術分布看，超過41%的技術集中在大數據和云計算為代表的算力上，這將在各垂直領域加速滲透，使得“中國算力”方案能夠成為有效供給。

此外，為了響應“碳達峰碳中和”目標，新型算力中心正成為IT行業綠色供給新方案的代表。我國數據中心年用電量已占全社會用電的2%左右，針對綠色低碳的發展需要，新規劃的數據中心PUE（能源效率的重要指標）普遍將不得高于1.3。

目前，云計算廠商已具備提供更低能耗供給的能力，例如阿里云利用全浸沒液冷技術，使其仁和液冷數據中心整體PUE下降至1.09，達到行業領先水平。

2）基礎設施與核心技術能力

同時，目前世界上大約有600個超大規模的數據中心，每個都擁有超過5000臺服務器，其中約39%在美國，是中國的4倍，而中國、日本、英國、德國和澳大利亞的服務器數量總和約占總數的30%。

一邊是急劇增長的數據需求，一邊是相對滯后的存儲運算供給，表明數據中心的建設發展仍要提速。為此，2022年初國務院發文開始正式全面啟動“東數西算”戰略工程，將在京津冀、長三角、粵港澳大灣區、成渝、內蒙古、貴州、甘肅、寧夏等8地啟動建設國家算力樞紐節點，并規劃了10個國家數據中心集群。

根據CDCC數據，現階段西部地區部分數據中心上架率僅為30%—40%，未能滿足65%的標準，“東數西算”將有效推動西部現有數據中心上架率提升，并就近消納西部綠色能源。預計我國數據中心（IDC）市場規模年復合增速在2021-2030年或將達到17.2%，預計到2025年，我國IDC市場規模將達到近6000億元。

當然，數據中心只是算力的基礎設施，而光靠基礎設施數量的變化并不足以實現“中國算力”方案。在需求和供給之間、在硬件與應用之間，我們還需要一個高效管控的算力架構來實現兩端的聯動，保障算力系統的動態均衡，而這卻是云計算的傳統架構面臨的一大挑戰。

隨著硬件數據維度的快速發展，超大規模的數據擴充將挑戰整個行業對數據處理、延時、冗錯管理等方面的極限能力，這將令傳統云計算架構面臨壓力考驗。

如果把過去十多年云計算分為兩個發展階段，第一階段就是分布式和虛擬化技術，滿足企業上云后的算力彈性需求；第二個階段是資源的池化，將每個端機的計算和存儲分離開，再進行規模化整合，從而提供更大規模的計算和存儲能力。但這都是基于CPU為中心的體系構架去做優化，已經觸及瓶頸。

所以，行業需要考慮在現有的云計算軟硬架構的基礎之上作重修或迭代。而在這一時間節點上，“中國算力力量”正在展現出自身的核心技術能力。

以阿里云為例，其于日前提供了它的解題思路，發布了新一代云計算體系架構——CIPU（Cloud Infrastructure Processing Units，云基礎設施處理器）。

CIPU是基于阿里云的內部體系創新，將以往以CPU為中心的體系架構變為以CIPU為中央調度的系統架構，CIPU向下接入物理的計算、存儲、網絡資源，快速云化并進行硬件加速；向上接入飛天云操作系統，管控阿里云全球上百萬臺服務器，讓算力虛擬化損耗降到0，并通過規模化應用RDMA網絡技術，讓訪問云端比訪問本地硬盤更快。

實際上，這是云計算系統架構在設計思路上的邏輯轉變。

以往的云系統是建立在硬件基礎之上，是硬件向上定義軟件或系統，是供給決定需求的過程，例如云上的圖像運算需求多了，這個時候為了減少CPU的運算壓力，會嵌入GPU做相關的運算，但GPU的運作仍需要CPU參與管理，整體的邏輯仍是圍繞CPU在擴充，DPU和IPU都是類似的邏輯。隨著數據種類和數量的增長，CPU系統管理的復雜度隨之增加，新需求并不能得到完美的（無損耗的）供給。

而CIPU的邏輯是從需求端（即飛天云操作系統）向下尋求硬件適配軟件的智能解決模塊，這一模塊無需再通過CPU的控制單元來調配與軟件所適配的硬件供給，模塊直聯各類硬件終端構成一套新的智能云系統管理架構，直接響應飛天系統內的多元化應用需求，實現更智能的軟硬一體化。

這套有CIPU加入的新計算架構體系在通用計算、大數據、人工智能等場景中展現了更好的性能。在通用分布式計算領域，Redis性能提升了68%、MySQL提升了60%，Nginx提升了30%。而應用在高吞吐量的互聯網業務上，則在相較自建物理機提升了30%的吞吐量的同時高峰期延遲下降了90%。對云端而言，這種提升無疑是巨大的。

事實上，整個產業從最初的分布式到中央調度式，阿里云都是各個時期的話語者。再到如今掀起的智能管控式，以阿里云CIPU架構為代表的國內云計算產業，在強化自身軟硬一體化同時，進一步提升行業整體的智能化表達，并融入各行各業的云效率語境中。

3）全面的場景反饋鏈路

在消費互聯網時代，中國挖掘互聯網應用場景的步伐大幅領先于世界，越來越多的場景實現了供需兩端的數字化聯動、個性化呈現，使得“中國算力”能夠依附在場景和鏈路反饋的循環上，實現“消費、算力、商業”正反饋的飛輪效益。

還是以阿里云為例，作為國內甚至亞洲最大的基礎云供應商，阿里云涉足的行業早已從電商拓展至互聯網、新零售、物流交通、金融、制造、醫療健康、政府等多個大領域，匯集成百上千的細分場景，已成為“中國算力”最具代表性的公司。

如今，阿里云的角色正從IaaS供應商轉向更為開放式的IaaS+PaaS的云計算供應平臺，將為更多場景提供云生態服務，例如這次的CIPU架構，從飛天云操作系統向下定義硬件；此前的“云釘一體”，將釘釘系統深入整合至阿里云平臺，這均是為多元化應用服務生態奠定基礎。

我們看到，在金融領域，阿里云為華瑞銀行提供金融一朵云服務，幫助后者的線上金融安全成本下降80%，云中控臺使人效提升3~5倍不斷釋放云下管理成本；

在工業制造領域，阿里云和攀鋼合作，從冷軋板的表面檢測的視覺AI服務開始，然后進入煉鋼核心的工藝優化，利用智能化的參數調優模型，為企業帶來一年1700萬的直接效益，大大增加了企業擁抱數字化轉型的信心；

在生命科學領域，阿里云為華大基因可伸縮性云平臺架構，每天處理測序數據幾十TB，幫助后者實現22小時內完成千人基因組分析的生產提升。

所有這些案例都會像毛細血管一樣，通過算力的推動最終匯聚在中國數字經濟的主脈中，成為我們跨入經濟新周期的生產資料。同時，它們也是國別算力戰爭的各個對壘點，是影響總戰局的關鍵因素。

03

結語：一場穿越周期宿命的挑戰

一言以蔽，以智能云計算為重要內核的算力戰爭，本質上是全球經濟穿越衰退周期的必由之路。和歷史上每個長波經濟周期一樣，這是必然要穿越過的宿命挑戰。

從第一次科技革命至今，時間跨度將近250年。約60年康波周期嵌入，人類社會經歷了4輪完整的經濟產業周期，分別對應著人類社會的機械化、電氣化、信息化、網絡化進程。

從1998年至今，各類經濟危機在亞太、歐美相繼爆發，全球經濟已進入第4輪長周期的下行周期。歷史告訴我們，每一輪周期都有上行期和下行期，后者往往會孕育新一代產業變革。

一如凱文·凱利所言：“科技在本質上有所偏好，使得它朝往某種特定方向”。移動互聯網經濟之后，智能算力經濟已經呈現出解鎖當前經濟周期的應然與必然性，它將成為新一輪科技和產業革命的核心生產力。

這場面向未來至少30年的“算力戰爭”，雖然中國產業經濟已經具備了先發競爭優勢，但不可否認的是，我們面臨的競爭劣勢與優勢一樣清晰可見——主要集中在芯片半導體所處的硬件基礎層領域。就像每一次智能硬件的革命性變化離不開產業環境的真實需求一樣，可以預期，作為算力之母的中國半導體產業，也需要完成新的協同式進化。

從“CPU”進化到“CIPU”，“中國算力力量”正跨出重要的一步。