英文：Computing Power 分类：infra
通常以 FLOPS 及其派生单位（如 EFLOPS）衡量，表示每秒可完成的浮点运算次数。大模型训练与推理的算力需求可用参数量、Token 数与训练时长估算，是 AI 基建投资的核心计量口径。
AI基础设施的核心是：算力（GPU/NPU）、网络（InfiniBand/RoCE）、存储（并行文件系统Lustre）与调度（Kubernetes+Slurm）。千卡集群需重点关注：网络拓扑（Rail-Optimized）、故障检测与自动迁移、液冷散热PUE。
从2012年AlexNet用2块GTX 580训练，到2020年GPT-3用上万张A100，算力需求增长了超过10万倍；网络也从千兆以太网演进到400G InfiniBand。
云厂商提供按需GPU实例（如阿里云PAI、AWS EC2 P4d），降低了训练门槛；中小团队通常租用云资源，头部企业自建万卡集群以控制成本。