超融合可以降低云计算的设备成本？
1.直接采购成本降低
首先看一下这两种模式之间的架构差异:
算力的标准？
计算力是设备通过处理数据输出特定结果的计算能力，常用FLOPS作为计量单位。FLOPS是每秒浮点运算次数的缩写，即每秒浮点运算的次数(每秒浮点运算次数)。
一个MFLOPS(兆浮点)等于每秒一百万(10^6)次浮点运算；
AGFLOPS(gigaFLOPS)等于每秒十亿(10^9)次浮点运算；
ATFLOPS(万亿次浮点运算)等于每秒一万亿(10^12)次浮点运算；
一个PFLOPS(千万亿次浮点运算)等于每秒一万亿(10^15)次浮点运算；
一个EFLOPS(exaFLOPS)等于每秒十亿(10^18)次浮点运算。
计算能力可分为基础计算能力、智能计算能力和超级计算能力:
(1)基础计算能力，由基于CPU芯片的服务器提供，主要用于基础通用计算。日常提到的云计算、边缘计算都是基础计算力，为移动计算、物联网提供计算支持。基础计算能力占整体计算能力的比重从2016年的95%下降到2020年的57%，但仍是计算能力的主力军。
(2)智能计算能力，由基于GPU、FPGA、ASIC等AI芯片的加速计算平台提供，主要用于人工智能训练和推理计算，如语音、图像、视频处理等。在技术架构上，人工智能的核心计算能力由训练、推理等专用计算芯片提供，专注于单精度、半精度等多元化计算能力。在应用方面，人工智能计算中心主要支持人工智能与传统行业的融合、创新和应用，提高传统行业的生产效率，在自动驾驶、辅助诊断、智能制造等方面发挥重要作用。智能计算能力的规模近年来增长迅速，占整体计算能力的比重从2016年的3%上升到2020年的41%。预计到2023年智能计算能力占比将提升至70%。
(3)超级计算能力，由超级计算机等高性能计算集群提供，主要用于前沿科学领域的计算，如行星模拟、药物分子设计、基因分析等。在技术架构上，超级计算的核心计算能力由高性能CPU或协处理器提供，侧重双精度通用计算能力，追求精确数值计算。在应用方面，超级计算中心主要用于重大工程或科学计算领域的通用和大规模科学计算，如新材料、新能源、新药设计、高端装备制造、航天飞行器设计等领域的研究。超算能力在整体算力中的比例比较稳定，在2%左右。