夜雨聆风
从古人用绳子打结计数，到今天一部手机的计算力超过1969年登月飞船——这中间发生了什么？
从结绳记事到ChatGPT，人类花了五千年，让算力提速了10万亿亿倍。这不是科幻，是我们真实走过的路。
一、原始算力时代：人脑就是第一台"计算机"
人类最早的"算力"藏在脑子里。原始人靠心算来分猎物、记数量，但人脑不仅速度慢，还容易忘、容易错。
为了弥补人脑的不足，古人发明了一系列"外挂"：
| 工具 | 时代 | 能力 |
|---|---|---|
| 结绳记事 | 史前 | 记录数量和事件，最早的"存储器" |
| 算筹 | 中国古代 | 竹木小棍排列表示数字，可做加减乘除 |
| 算盘 | 约公元1200年 | 首个成熟手动计算工具，今天仍在使用 |
这些工具的本质不是"替代"人脑，而是辅助人脑记忆——最早的"计算机"其实是人 + 工具的组合。
二、机械计算时代：齿轮里的算力革命
17世纪起，数学家们开始尝试用齿轮和杠杆来"自动化"计算。
| 发明 | 年份 | 发明者 | 意义 |
|---|---|---|---|
| 滚轮式加法器 | 1642 | 帕斯卡（法） | 世界首台机械加法器 |
| 步进计算器 | 1672 | 莱布尼茨（德） | 首台能自动四则运算的机器 |
| 分析机（设计） | 1834 | 巴贝奇（英） | 现代计算机的雏形构想 |
| 首个算法程序 | 1843 | 艾达·洛夫莱斯（英） | 人类历史上第一位程序员 |
有趣的是：巴贝奇的"分析机"已经包含了存储、运算、控制、输入输出四大核心单元——这与今天所有计算机的冯·诺依曼结构惊人相似。只是因为当时没有精密加工技术，这个"超前200年"的构想始终没能造出来。
三、电子计算时代：从一间房到一粒沙
1946年，算力正式从机械时代迈入电子时代。
| 年份 | 技术 | 关键变化 | 算力跃迁 |
|---|---|---|---|
| 1946 | ENIAC（电子管） | 占地170m²，重30吨，1.7万根电子管 | 5000次/秒加法 |
| 1947 | 晶体管发明 | 贝尔实验室，诺奖级突破 | 体积缩小1000倍 |
| 1954 | TRADIC | 首台全晶体管计算机 | 功耗<100瓦 |
| 1958 | 集成电路 | 基尔比 & 诺伊斯独立发明 | 芯片时代的起点 |
核心逻辑：电子管 → 晶体管 → 集成电路，三级跳把"一间房大小的计算机"缩成了"一粒沙大小的芯片"。1946年的ENIAC每秒5000次加法，而2026年的一颗手机芯片每秒能进行超过10万亿次运算。
四、PC时代与摩尔定律：计算机走进千家万户
1971年，英特尔推出世界上第一颗商用微处理器 4004——指甲盖大小的芯片集成了2300个晶体管，算力却堪比占地170平方米的ENIAC。
英特尔创始人戈登·摩尔在1965年提出了著名的摩尔定律：芯片上的晶体管数量大约每18-24个月翻一倍，算力也随之增长。
这个"预言"在随后的50多年里惊人地准确——CPU主频从几MHz一路飙到几GHz，个人电脑走进了千家万户。同一时期，超级计算机也从亿次突破到了百亿亿次。
但到了2010年代，摩尔定律开始放缓。晶体管尺寸逼近硅原子的物理极限，单纯靠"缩小"来提升算力这条路，越来越不好走了。
算力发展六大里程碑
五、云计算时代：算力像水电一样随取随用
2006年，亚马逊推出EC2弹性计算云服务，算力正式从"固定资产"变成了"按需使用的公共服务"。
以前要做一个AI模型，你得自己买服务器、搭机房、配网络——投入动辄百万起步。现在，打开网页点几下，几千张GPU就任你用。
与此同时，互联网和移动互联网的爆发，产生了海量数据——搜索引擎、电商、短视频、社交媒体……每一秒产生的数据量都在刷新纪录，对算力的需求也被推到了前所未有的高度。
六、AI智算时代：GPU凭什么成为"算力之王"？
2012年是AI算力的转折点。在一场图像识别大赛中，一个叫AlexNet的模型用2块游戏显卡（GPU），把错误率从26%暴降到15%，吊打了所有用CPU训练的对手。
从此，算力世界分成了两条路：
| CPU | GPU | |
|---|---|---|
| 角色 | 全能教授：会解微积分、写论文、作决策 | 一万个小学生：每人只会加减乘除 |
| 核心数 | 8-24个强核 | 1.6万+小核 |
| 擅长 | 复杂逻辑、分支判断、串行任务 | 海量重复、并行计算 |
| AI训练 | 慢（用人脑算微积分） | 快（用一万人同时算加减法） |
| 内存带宽 | 约90 GB/s | 约3,350 GB/s（H100） |
| AI算力 | 约0.8 TFLOPS | 约989 TFLOPS（H100） |
一句话：AI的本质就是"一万个人同时算加减法"——GPU天生就是干这个的。
CPU vs GPU 架构对比示意图
GPU进化史
| 年份 | 里程碑 | 意义 |
|---|---|---|
| 1999 | 英伟达GeForce 256，首提GPU概念 | GPU诞生，最初只为打游戏 |
| 2006 | 英伟达推出CUDA平台 | GPU从游戏芯片变成通用计算平台 |
| 2017 | Volta架构，首次引入Tensor Core | 专为AI矩阵乘法优化，训练速度提升6倍 |
| 2024 | Blackwell架构发布 | AI算力再上新台阶 |
英伟达能垄断全球AI芯片90%以上市场，靠的不只是硬件，更是CUDA软件生态——全球600万+开发者、900多个优化库、所有主流AI框架都原生支持。换芯容易，换生态难如登天。
七、大模型时代：算力需求爆炸式增长
2022年底ChatGPT引爆大模型时代，算力需求呈现出"每3.4个月翻一倍"的疯狂增速——远超摩尔定律的18-24个月。
| 模型 | 参数规模 | 训练GPU | 训练时长 | 训练成本 |
|---|---|---|---|---|
| GPT-3（2020） | 1750亿 | ~1024张A100 | ~34天 | 约1200万美元 |
| GPT-4（2023） | ~1.8万亿 | ~25000张A100 | 90-100天 | 约6300万美元 |
| DeepSeek-V3（2025） | 671亿 | 2048张H800 | 56天 | 约600万美元 |
| 国产万亿参数 | ~1万亿 | ~10000张昇腾910C | ~60天 | 约2亿人民币 |
DeepSeek-V3用不到GPT-4 10%的成本，实现了相近的性能。算法优化同样能"省算力"。
大模型训练成本对比
推理算力：下一个万亿赛道
训练大模型需要天量算力，但当模型训练完投入使用时——每次你问ChatGPT一个问题、每次AI帮你修图——消耗的是推理算力。
| 年份 | 推理算力占比 | 趋势 |
|---|---|---|
| 2025 | 55% | 推理首次超过训练 |
| 2026（预测） | 66% | 推理增速是训练的4倍 |
| 2030（预测） | 80% | 推理成为绝对主力 |
行业核心逻辑已经从"谁大模型强"变成了"谁能把推理成本打下来"——这才是AI真正走进千家万户的关键。
八、中国算力：被"卡脖子"之后的逆袭
2018年起，美国对中国AI芯片实施多轮制裁，2022年直接禁售英伟达A100/H100，2023年连"中国特供版"H800/A800也禁了。
但封锁反而成了国产芯片的催化剂。
华为昇腾、阿里平头哥、寒武纪、海光信息等国产厂商集体爆发：
| 厂商 | 代表产品 | FP16算力 | 对标 | 市场份额(2026Q1) |
|---|---|---|---|---|
| 华为昇腾 | 910C | 560 TFLOPS | H100(70%) | 36.6% |
| 阿里平头哥 | 含光800 | - | 推理专用 | 6.3% |
| 海光信息 | 深算2号 | - | 兼容CUDA | 4.2% |
| 寒武纪 | 思元590 | - | NPU路线 | 2.8% |
| 百度昆仑芯 | 3代 | - | 文心一言验证 | 2.8% |
2025年，中国AI芯片出货量中国产占比首次超过50%。2026年Q1进一步升至52.3%，英伟达在华份额从巅峰的95%暴跌至42.7%。
2026Q1 中国AI芯片市场份额
九、差距仍在，但未来可期
尽管进步巨大，国产芯片与英伟达仍有差距：
- 硬件性能：910C单卡≈H100的70%
- 软件生态：CANN开发者远少于CUDA
- 制程工艺：国产只能做7nm+，英伟达已进入3nm
- 供应链：先进制程制造仍依赖海外
但方向已经明确：以华为为代表的国产厂商，正在从硬件、软件、生态三线并进，目标是打造完整的国产算力闭环。
十、算力的下一个十年
当传统"缩小晶体管"这条路越来越难走，算力的未来在哪里？
| 技术方向 | 原理 | 潜力 |
|---|---|---|
| 存算一体 | 存储和计算合二为一，打破"存储墙" | 能效提升10-100倍 |
| 光电计算 | 用光子代替电子进行计算 | 速度极快、功耗极低 |
| 量子计算 | 用量子比特并行计算 | 某些问题比经典计算机快万亿倍 |
| 类脑计算 | 模仿人脑神经元结构 | 超低功耗的AI推理 |
华为提出的"韬定律"——不再只拼晶体管密度，而是从系统架构、时延优化、软硬协同三个维度同步突破——可能成为后摩尔时代中国算力追赶的一条新路径。
写在最后
从结绳记事到AI大模型，人类用五千年把算力提升了10万亿亿倍。
算力的每一次革命，都带来了文明的跃迁——机械计算催生了工业革命，电子计算开启了信息时代，而AI智算正在重新定义"智能"本身的含义。
今天，算力已经成为国家战略资源、数字经济的核心引擎。中国正在这条赛道上奋力追赶，虽然差距仍在，但方向和速度都前所未有地清晰。
下一个五千年的算力故事，可能才刚刚开始。
轻分享 · 与你了解这个时代
