7月20日工信部发布会公布了一组数字截至6月底我国智能算力达2185 EFLOPS上架率71.4%已开通超70条算力大通道。2185 EFLOPS全球领先没争议。但我看完通稿脑子里冒出一个不太合时宜的问题——算力堆到这个级别了喂给AI的数据准备好了吗算力是发动机数据是汽油这两年各地抢建智算中心大厂砸钱堆GPU投资人张口闭口算力即权力。但你想过没有一台超级计算机算力拉满如果输入的是重复的、过时的、矛盾的数据它算出来的东西有价值吗去年有个真实案例。某省政务大模型上线后市民问创业补贴怎么申领系统给出了三年前已废止的政策。不是模型不聪明是底层数据没治理好——数据源混杂、更新滞后、字段冲突。根据中国信通院报告国内超60%的企业级AI项目瓶颈不在算力和模型而在数据质量。翻译成大白话我们不缺算得快的机器缺的是算得对的数据。2185 EFLOPS背后藏着一个被忽视的漏斗原始数据 → 清洗 → 标准化 → 质量校验 → 资产入库 → 喂给AI → 产出应用算力解决的是最后一步算的问题。但前面五步——采集、清洗、标准化、校验、入库——没有一步是算力能替代的。这五步统称数据治理。一个地级市的产业大脑要对接工商、税务、知识产权等十几个数据源格式不统一、更新不一致怎么用一家公司想做行业大模型爬回来的数据重复率高达40%怎么训算力可以花钱买数据治理得一步一步来。先做数据治理的后发先至有个做产业大脑的朋友跟我说我们最早也觉得算力不够后来发现是数据太脏了。同一个企业工商叫一个名税务叫另一个名招投标又是一个。光对齐就花了三个月。但一旦对齐后面全顺了。他说他们自动做多源数据比对、清洗、去重和标准化大大缩短了从数据混沌到数据可用的周期。这个案例让我理解了一件事数据治理不是锦上添花它是AI时代的基础。2185 EFLOPS然后呢我们当然该为这个数字骄傲。但如果只庆祝算力不追问这些算力吃的是什么粮就像建了高速公路却忘了铺路。未来真正的竞争力可能不在谁算力更大而在谁的数据更干净、更可信、更可用。算力决定上限数据治理决定下限。
7月20日工信部发布会公布了一组数字截至6月底我国智能算力达2185 EFLOPS上架率71.4%已开通超70条算力大通道。2185 EFLOPS全球领先没争议。但我看完通稿脑子里冒出一个不太合时宜的问题——算力堆到这个级别了喂给AI的数据准备好了吗算力是发动机数据是汽油这两年各地抢建智算中心大厂砸钱堆GPU投资人张口闭口算力即权力。但你想过没有一台超级计算机算力拉满如果输入的是重复的、过时的、矛盾的数据它算出来的东西有价值吗去年有个真实案例。某省政务大模型上线后市民问创业补贴怎么申领系统给出了三年前已废止的政策。不是模型不聪明是底层数据没治理好——数据源混杂、更新滞后、字段冲突。根据中国信通院报告国内超60%的企业级AI项目瓶颈不在算力和模型而在数据质量。翻译成大白话我们不缺算得快的机器缺的是算得对的数据。2185 EFLOPS背后藏着一个被忽视的漏斗原始数据 → 清洗 → 标准化 → 质量校验 → 资产入库 → 喂给AI → 产出应用算力解决的是最后一步算的问题。但前面五步——采集、清洗、标准化、校验、入库——没有一步是算力能替代的。这五步统称数据治理。一个地级市的产业大脑要对接工商、税务、知识产权等十几个数据源格式不统一、更新不一致怎么用一家公司想做行业大模型爬回来的数据重复率高达40%怎么训算力可以花钱买数据治理得一步一步来。先做数据治理的后发先至有个做产业大脑的朋友跟我说我们最早也觉得算力不够后来发现是数据太脏了。同一个企业工商叫一个名税务叫另一个名招投标又是一个。光对齐就花了三个月。但一旦对齐后面全顺了。他说他们自动做多源数据比对、清洗、去重和标准化大大缩短了从数据混沌到数据可用的周期。这个案例让我理解了一件事数据治理不是锦上添花它是AI时代的基础。2185 EFLOPS然后呢我们当然该为这个数字骄傲。但如果只庆祝算力不追问这些算力吃的是什么粮就像建了高速公路却忘了铺路。未来真正的竞争力可能不在谁算力更大而在谁的数据更干净、更可信、更可用。算力决定上限数据治理决定下限。
![[C++]内存管理：串顺序存储的内存回收](http://pic.xiahunao.cn/yaotu/[C++]内存管理：串顺序存储的内存回收)
