上周在南京老门东闲逛，路过一家开了快二十年的网吧。玻璃门掉了半块漆，门口的灯管闪啊闪。推开门一股烟味混着空调吹出来的冷风，里面还坐着七八个刷怀旧服的玩家。我站在后面看了五分钟攻城，屏幕卡得技能都放不出来，有人拍桌子骂，“谁又开迅雷占算力了”。
那一瞬间我突然晃神。原来十几年前我们就已经在抢算力了，只是那时候没人把这个词当什么天大的概念，挂在嘴边天天炒。
你摸得到的算力，从来都不是冷冰冰的芯片
很多人现在一提起算力，第一反应就是满机房闪着指示灯的刀片服务器，或者堆在一起的AI加速芯片，好像只有云端的大集群才算算力。说实话，这个认知错得离谱。
小时候一块钱一小时上机，你关了QQ才能流畅玩游戏，那就是释放了更多本地算力给游戏。现在你拿手机刷短视频，刷到一半给你自动把低清改成高清，转码的过程就是算力在干活。你用修图APP给自拍磨个皮，几秒钟出效果，那也是手机芯片在输出算力。
说白了，只要是跑程序做运算，就是在消耗算力。算力就像电，你平时看不见摸不着，真不够用的时候，分分钟教你做人。
我前阵子帮朋友测试一个AI生成小视频的工具，他用的是云算力按需付费，生成一分钟1080P的视频要三块多。我自己用新笔记本本地跑，差不多配置的模型，跑了八分钟，没花钱，但是烫得能煎鸡蛋。你看，算力从来都不是只有一种形态，要么花时间要么花钱，本质都是算力的交换。
不过话说回来，这十几年最大的变化，就是算力越来越便宜了。十几年前做3D建模，要几十万的专业工作站才能跑，现在几千块的笔记本就能打开模型转着看，这不就是算力进步给普通人的红利吗？
现在吵得凶的“算力荒”，到底荒在哪
去年跟一个做AI创业的朋友喝茶，他说现在行业里最头疼的事，不是找投资找用户，是找能用的算力。训练一个几十万参数的小模型，排队排半个月，价格还比前年涨了三成。
很多人说，不就是多建几个数据中心吗？有什么难的？哪有这么简单。
先不说电的事，一个中型数据中心一年的耗电量，比得上长江边一个小县城的居民用电总量，不是你想扩容就能扩容的。就算你凑够了电，堆够了芯片，也不代表你就有了能用的算力。散热不行，芯片过热降频，直接砍一半性能。网络调度不行，两个机柜之间传数据延迟高，哪怕你芯片再强，跑起大模型来照样卡。
而且这里头还有挺多猫腻。我那个朋友就说，现在不少拿了投资的项目，先抢下一大块算力资源放着，就是等着算力涨价转手赚差价，整机架的GPU放两三个月，连程序都没跑过一次。真正缺算力的小创业团队，拿不到配额，只能等着，这也是挺无奈的事。
还有个很多人踩的误区：觉得算力就是GPU堆得越多越好。不对，你跑AI大模型的并行训练，和跑单帧3D渲染，对算力的需求完全不一样。有的任务要高并发，有的任务要低延迟，堆错了芯片，就是活生生的浪费。我见过有人为了做自然语言处理，买了一堆偏渲染的芯片，结果跑起来效率还不如人家一半数量的专用芯片，亏了几百万。
算力接下来会落到生活的哪个角落
现在打开科技新闻，全都是谁谁又建了超算中心，谁的大模型参数又破了万亿，好像算力就是要往大了做，越大越牛。我倒是觉得，接下来十年，算力会往“小”了走，会往普通人身边走。
什么叫往小了走？就是原来什么运算都往远端大云端扔，接下来很多任务会放到你身边来算。比如你家里的智能音箱，现在喊它开空调，还要把语音传到云端识别，再发指令回来，偶尔断网就用不了。以后本地的小芯片就能搞定语音识别，不用连网，一秒响应，还不用担心你的谈话被传上去。
还有现在的自动驾驶，说白了就是把算力装到了车身上。路上的摄像头每秒拍几十帧画面，每帧都要实时识别出哪里是车哪里是人，哪里有红灯，全靠车载算力扛着，少一帧都可能出问题。现在新出的车型，车载算力已经是比马力更重要的参数了，你敢信？
当然，也有躲不开的问题。现在大家都在说算力太费电，一堆大模型一天跑下来，耗的电够一个家庭用几十年，到底值不值？这个问题现在业内还在吵，有人说新的芯片架构能省一半电，有人说把全网闲置的个人算力拼起来就能用，不用建那么多大中心，谁对谁错现在还说不准。
说实话，我现在刷淘宝，刷出来的东西全都是我最近想看的，有时候我都有点后背发麻——原来这么多算力天天在背后算我喜欢什么，这到底是方便还是绑架？对吧？
不过话说回来，当年大家刚用上电的时候，也有人说电会把人变成机器的奴隶，现在还不是离不开了。算力其实也一样，它就是个工具，怎么用，还是看握着它的人想干什么。
那天从网吧出来，我买了门口梅花糕摊子的一块梅花糕，拿着手机扫付款码，一秒就付完了。我咬了一口烫得嘶嘶哈哈，突然反应过来，这一秒钟里，从扫码识别到扣款成功，背后不知道多少算力在跑。原来我们早就在算力的网里了，只是之前没感觉到而已。
风一吹，老门东的梧桐叶子掉下来，落在我肩膀上。日子该过还是过，只是有些东西，早就悄悄变了。
作者|科技
排版|科技
审核|安然