人工智能（AI）的飞速发展带来了巨大的算力需求。AI模型所需算力每100天就要翻一倍，远超摩尔定律的18～24个月。5年后，AI所需算力规模将是今天的100万倍以上。打破算力瓶颈的途径无非来自硬件或者软件。单从硬件角度来看，按照当前计算性能的发展速度，迟早有一天会无法满足日益增长的需求，因此需要软件来协调统筹计算能力，智能计算成为答案。

　　AI开启大规模算力时代

　　当前，人类社会正从信息社会迈入智能社会，计算已经成为规范和推动社会发展的关键因素。在万物互联的数字文明新时代，传统的数据计算已经远远不能满足人类对更高智能水平日益增长的需求。

　　由于深度学习的空前普及和成功，AI已被确立为人类探索机器智能的前沿领域，并在此基础上取得了一系列突破性研究成果。2016年3月，DeepMind推出的人工智能围棋程序AlphaGo与世界顶级人类围棋大师李世石展开对战，引起了全世界前所未有的关注。这场划时代的人机大战最终以人工智能的压倒性胜利而告终，成为将人工智能浪潮推向一个全新高度的“催化剂”。

　　人工智能的另一个重要推动者是大型预训练模型，这些模型已经开始广泛用于自然语言和图像处理，在迁移学习的帮助下处理各种各样的应用。

　　智能为计算带来变革

　　计算能力是支撑智能计算的重要因素之一。由于信息社会中天文数字般的数据源、异构的硬件配置和不断变化的计算需求，智能计算主要通过垂直和水平架构来满足智能任务对计算能力提出的要求。

　　垂直架构的特点是同质化的计算基础设施，主要通过应用智能方法提高资源利用效率，进而提升计算能力。相比之下，水平架构协调和安排异构、广域（wide-area）计算资源，能够最大限度提高协作计算效率。例如2020年4月，为了满足全球开展新冠肺炎研究而产生的计算需求，Folding@home在三周内联合40万名计算志愿者实现了2.5EFlops（每秒浮点运算次数）的计算量，比世界上任何一台超级计算机的计算能力都要强。

　　数字化浪潮带来了前所未有的应用数、连接数、终端数、用户数以及由此产生的数据量的增长，背后都需要巨大的计算能力支持。随着摩尔定律逐渐失效，要跟上如此快速增长的计算能力要求非常富有挑战性。此外，智能社会中大规模任务的处理依赖于各种具体计算资源的有效组合，传统的硬件模式不能很好地适应智能算法，大大限制了软件的发展。

　　智能计算应对挑战

　　时至今日，仍然没有一个被广泛接受的智能计算的定义。

　　一些研究人员将智能计算视为人工智能和计算技术的结合。这种观点将智能计算的定义限制在了人工智能领域之内，忽略了人工智能固有的局限性以及人类、机器和事物之间三元互动的重要作用。

　　另一个学派将智能计算视为计算智能（computational intelligence），模仿人类或生物智能来打造解决特定问题的最优算法，并将智能计算主要视为一种算法创新。

　　从解决复杂的科学和社会问题的角度来看，智能计算需要提出一个全新定义，同时考虑到世界的三个基本空间（人类社会空间、物理空间和信息空间）的日益紧密融合。智能计算是指在支持世界互联的数字文明时代，包含了新的计算理论方法、架构系统和技术能力的全新领域。智能计算根据具体的实际需要，以最小的成本完成计算任务，匹配足够的计算能力、调用最好的算法，获得最佳的结果。智能计算应以人为本，追求高计算能力、高能效、高智能、高安全。其目标是提供普遍、高效、安全、自主、可靠和透明的计算服务，以支持大规模复杂的计算任务。

　　智能计算既不是现有计算机、云计算、边缘计算以及其他计算技术（如神经形态计算、光电计算和量子计算）的替代品，也不是技术的简单整合；与之相反，它是一种计算形式，根据任务要求系统、全面地优化现有的计算方法和资源来解决实际问题。相比之下，现有的主要计算学科，如超级计算、云计算和边缘计算，属于不同的领域：超级计算旨在实现高计算能力，云计算强调跨平台／设备的便利，而边缘计算则追求服务质量和传输效率。

　　智能计算应当充分利用现有的计算技术，更重要的是促进新的智能计算理论、架构、算法和系统的形成。智能计算动态地协调边缘计算、云计算和超级计算领域之间的数据存储、通信和计算，构建了各种跨领域的智能计算系统，支持端到端的云协作、云间协作和超级计算互联。

　　当前，随着大数据时代信息技术应用的发展，物理空间、信息空间和人类社会之间的界限已经变得越来越模糊。人类社会已经演变成一个新的空间，特点是人类、机器和事物紧密融合，社会系统、信息系统和物理环境构成了一个动态耦合的大系统。在这个系统中，人、机器和事物以高度复杂的方式整合和互动，促进了未来新计算技术和应用场景的发展和创新。与此相应，智能计算有助于应对未来“人类—物理—信息”三大空间融合发展中出现的新挑战。