学习算力网络必会关键词
算力网络（Computility Network）
算力网络是以算为中心、网为根基，网、云、数、智、安、边、端、链（ABCD-NETS）等深度融合、提供一体化服务的新型信息基础设施。算力网络的目标是实现“算力泛在、算网共生、智能编排、一体服务”，逐步推动算力成为与水电一样，可“一点接入、即取即用”的社会级服务。
算力（Computility）
算力是数据中心服务器对数据处理并实现结果输出的一种能力，是衡量数据中心计算能力的一个综合指标，包含通用计算能力、超级计算能力和智能计算能力。常用计量单位是每秒执行的浮点运算次数（FLOPS，1EFLOPS=10^18 FLOPS），数值越大代表综合计算能力越强。
中央处理器（Central Processing Unit 简称 CPU）
中央处理器（CPU）是个人电脑和服务器中的核心芯片，承担通用计算或控制任务。
图形处理器（Graphics Processing Unit 简称GPU）
图形处理器（GPU）又称显示核心、视觉处理器、显示芯片，是个人电脑、游戏设备、移动终端中进行图像 / 图形运算的处理器芯片，也用于人工智能的训练、推理等。
数据处理器（Data Processing Unit 简称DPU）
数据处理器（DPU）是面向以数据为中心的计算的新一代处理器，专注于数据处理，可以实现更高效的数据处理和计算。
x86中央处理器指令集（x86 instruction set architecture 简称x86）
X86指令集是一种基于Intel 8086微处理器的指令集架构，它属于复杂指令集计算机（CISC）。该指令集架构最初由英特尔公司开发，并被广泛用于其后续的处理器产品中。X86指令集支持16位、32位和64位运算，同时兼容不同的操作系统和应用程序。它定义了处理器与内存、输入/输出设备之间的交互方式，以及各种计算和控制操作。是计算机体系结构中最为广泛使用和认可的指令集之一。
ARM中央处理器指令集（Advanced RISC Machine instruction set architecture 简称ARM）
ARM指令集是ARM处理器系列所遵循的指令集架构，是ARM公司发布的最新版本的ARM指令集架构，它属于精简指令集计算机（RISC），它定义了处理器的工作方式、寄存器、异常处理等等。ARM指令集可以分为跳转指令、数据处理指令、程序状态寄存器(PSR)处理指令、加载/存储指令、协处理器指令和异常产生指令六大类。ARM指令集广泛应用于嵌入式系统、智能手机、平板电脑等设备中。
第五代精简指令集（RISC-V instruction set architecture 简称RISC-V）
RISC-V指令集是一种基于精简指令集（RISC）原则的开源指令集架构（ISA）。与大多数指令集相比，RISC-V具有更好的灵活性以及扩展性，并且它不需要任何授权费，可以应用于商业场景。该指令集设计适用于现代计算设备，如高端移动电话和微小嵌入式系统等，并具有众多支持的软件。
芯粒（Chiplet）
Chiplet将复杂芯片拆解成一组具有单独功能的小芯片单元die（裸片），通过 die-to-die 将模块芯片和底层基础芯片封装组合在一起。Chiplet可以大幅提高大型芯片的良率，可以降低设计的复杂度和设计成本，还能降低芯片制造的成本。
存算一体（Computing in Memory 简称CIM）
存算一体是一种新型的计算架构，通过将计算和存储集成到一个芯片上，形成一种紧密耦合的结构，计算操作可以直接在存储器中执行，而不需要经过传统的存储-计算-存储的流程，避免了频繁的数据传输，提高计算效率，降低数据传输能耗，打破了传统冯·诺依曼结构的瓶颈。
摩尔定律（Moore’s Law）
摩尔定律是英特尔创始人之一戈登·摩尔的提出的商业预测，其核心内容为：集成电路上可以容纳的晶体管数目在大约每经过18-24个月便会增加一倍。换言之，处理器的性能大约每两年翻一倍；同样性能处理器的价格大约每两年下降为之前的一半。
冯·诺依曼结构（Von Neumann Architecture）
冯·诺依曼结构由数学家冯·诺依曼提出，是当前主流的计算机结构，他提出计算机制造的三个基本原则，即采用二进制逻辑、程序存储执行以及计算机由五个部分组成（运算器、控制器、存储器、输入设备、输出设备）。
通用计算（General Computing）
通用计算是主要以通用算力（CPU芯片输出的计算能力）为主的计算类型，主要用于普通计算领域。以通用算力为主的算力中心一般称作通算中心（General Com-puting Center）。
智能计算（Intelligent Computing）
智能计算是以智能算力（基于GPU、FPGA、ASIC等芯片提供的人工智能训练和推理的计算能力）为主的计算类型，主要用于语音、图像和视频的处理。以智能算力为主的算力中心一般称作智算中心（Intelligent Computing Center）。
超级计算（Super Computing）
超级计算是以超算算力（基于超级计算机等高性能计算集群所提供的计算能力）为主的计算类型，主要用于尖端科学领域的计算，比如行星模拟、药物分子设计、基因分析等。以超级算力为主的算力中心一般称作超算中心（Supercomputing Center）。
边缘计算（Edge Computing）
边缘计算是在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘综合服务，满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。
端算力（Terminal Computility）
端算力是指用户侧终端设备（包括个人终端、家庭终端等）以及端侧集中部署的设备（包括小区入口设备、边缘节点等）的算力。这种计算模式使得设备能够实时响应用户的请求，提供更快的响应速度和更好的用户体验。端算力在智能家居、智能制造、智慧医疗等领域都有广泛的应用。
量子计算（Quantum Computing）
量子计算利用量子力学中的叠加态和纠缠等特性，通过量子比特（可同时表示0和1的叠加态）进行计算，能够在某些问题上比传统计算机更快地找到解决方案，可以用于通信、金融、化学、能源、人工智能、密码学、物联网、生物科学等领域。
云原生（Cloud Native）
云原生是在云上构建、运行、管理应用程序的一套技术体系和管理方法，依托微服务架构，敏捷基础设施与平台服务和高效研发运维模式，简化云上业务开发管理难度，构建敏捷健壮的业务系统。
算力原生（Cross Archs Migration Application 简称CAMA）
算力原生是以统一的算力资源模型和标准的编程接口为基础，通过跨架构编译优化技术和原生运行时技术，屏蔽复杂的软、硬件差异，实现同一应用一套代码、动态重构一体部署、灵活迁移高效执行。开发者无需为每种设备或环境重新编写代码，大大提高了开发效率和应用的适应性。
算力池化（Pooling of Computility）
算力池化是集中管理和动态分配计算资源的方法，通过灵活调度实现资源最大化利用。它根据需求动态分配资源，提高利用率。区别于传统虚拟化，算力池化注重资源的灵活调度和高效利用，具备负载均衡、可扩展性、优化管理、安全保障和节能环保等优点，适用于需求变化大的场景。
容器集群（Container Cluster）
容器集群是由多个容器节点组成的集群，每个节点上运行着容器引擎，可以创建、部署和管理容器化应用。
裸金属（Bare Metal）
裸金属服务器为无虚拟化层的物理机，用户可全权掌控硬件环境，自由安装软件与操作系统，并直接访问所有硬件资源，如CPU、内存和硬盘。裸金属服务器兼具物理机和虚拟机的优点，不仅具有高性能、稳定、安全隔离的特性，还能满足灵活性和资源弹性的需求，常用于高性能应用如大型数据库、游戏服务器等。