趙先明

（1.北京紅山信息科技研究院，北京 100176；2.哈爾濱工業(yè)大學(xué)，黑龍江 哈爾濱 150001）

0 引言

從部落社會(huì)的結(jié)繩計(jì)算到農(nóng)業(yè)社會(huì)的算盤計(jì)算，再到工業(yè)時(shí)代的計(jì)算機(jī)計(jì)算，人類文明的發(fā)展離不開算力的進(jìn)步。從狹義上看，算力是設(shè)備通過處理數(shù)據(jù)，實(shí)現(xiàn)特定結(jié)果輸出的計(jì)算能力。2018年諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)獲得者William D.Nordhaus在TheProgress of Computing[1]一文中提出：算力是設(shè)備根據(jù)內(nèi)部狀態(tài)的改變，每秒可處理的信息數(shù)據(jù)量。從廣義上看，算力是數(shù)字經(jīng)濟(jì)時(shí)代的新生產(chǎn)力，是支撐數(shù)字經(jīng)濟(jì)發(fā)展的堅(jiān)實(shí)基礎(chǔ)。數(shù)字經(jīng)濟(jì)時(shí)代的關(guān)鍵資源是數(shù)據(jù)、算力和算法，其中數(shù)據(jù)是新生產(chǎn)資料，算力是新生產(chǎn)力，算法是新生產(chǎn)關(guān)系，它們共同構(gòu)成數(shù)字經(jīng)濟(jì)時(shí)代最基本的生產(chǎn)基石。

1 算力改變世界

縱觀近20年的算力發(fā)展歷史，可以發(fā)現(xiàn)算力的發(fā)展已經(jīng)重新定義了生產(chǎn)力和生產(chǎn)關(guān)系。從作為生產(chǎn)力基礎(chǔ)工具的終端、網(wǎng)絡(luò)、平臺(tái)，到代表新型生產(chǎn)關(guān)系的移動(dòng)互聯(lián)網(wǎng)創(chuàng)新商業(yè)模式、行業(yè)數(shù)字化社會(huì)化協(xié)同模式，都是依托算力發(fā)展演進(jìn)衍生的。

1.1 算力改變終端

從大型計(jì)算機(jī)到個(gè)人PC機(jī)，從智能手機(jī)到可穿戴設(shè)備，算力日益改變終端發(fā)展形態(tài)。

最初的基本邏輯元器件采用的是電子管，體積大、耗電量大、結(jié)構(gòu)脆弱。1946年2月，世界上第一臺(tái)通用電子數(shù)字計(jì)算機(jī)埃尼阿克（ENIAC）研制成功，它使用17 840只電子管，重達(dá)28噸，加法運(yùn)算速度每秒5 000次。1947年，貝爾實(shí)驗(yàn)室研制出了第一個(gè)半導(dǎo)體三極管，即晶體管，其體積很小、成本低、壽命長。因此，晶體管一問世，立即得到迅速發(fā)展，取代了電子管，將運(yùn)算速度提高到每秒幾十萬次，邏輯運(yùn)算功能大幅提高。2020年蘋果發(fā)布A14仿生處理器，這是全世界首款批量生產(chǎn)的5 nm處理器，集成了118億個(gè)晶體管。算力的發(fā)展推動(dòng)終端能力不斷增強(qiáng)，最終實(shí)現(xiàn)終端產(chǎn)品全面升級(jí)。更廣泛的連接能力和具備更強(qiáng)大的算力能力促使終端設(shè)備更加智能。

智能終端作為第一落點(diǎn)，推動(dòng)數(shù)智生產(chǎn)力孕育發(fā)展：構(gòu)建更大連接范圍，由十億級(jí)的人與人的連接擴(kuò)展到百億級(jí)的人、機(jī)、物的連接；傳遞更多維度信息，由視頻、語音、圖像等多媒體信息躍升為視覺、聽覺、觸覺等多維度信息；提供更深層次服務(wù)，由以連接為主的通信服務(wù)變革為以算力為中心的算力服務(wù)。

1.2 算力改變網(wǎng)絡(luò)

網(wǎng)絡(luò)是萬物互聯(lián)的基石，是移動(dòng)互聯(lián)網(wǎng)近二十年技術(shù)創(chuàng)新的基礎(chǔ)。移動(dòng)互聯(lián)網(wǎng)最基層的網(wǎng)絡(luò)已經(jīng)被算力重新定義多輪，包括設(shè)備級(jí)的重構(gòu)，如軟件定義無線電（Software Defined Radio，SDR），以及網(wǎng)絡(luò)級(jí)的重構(gòu)，如軟件定義網(wǎng)絡(luò)（Software Defined Network，SDN）、網(wǎng)絡(luò)功能虛擬化（Network Functions Virtualization，NFV），甚至5G中提升性能最為關(guān)鍵的大規(guī)模多輸入多輸出（Massive Multi-Input Multi-Output，Massive MIMO）技術(shù)，其實(shí)質(zhì)也是以算力換無線空口性能。

1.2.1 算力重構(gòu)網(wǎng)元節(jié)點(diǎn)

隨著移動(dòng)通信的發(fā)展，在20世紀(jì)90年代初，多種數(shù)字無線通信標(biāo)準(zhǔn)共存，如全球移動(dòng)通信系統(tǒng)（Global System for Mobile Communications，GSM）、碼分多址（Code Division Multiple Access，CDMA），使得不同制式下的手機(jī)無法互聯(lián)互通。為了解決這個(gè)問題，催生了軟件無線電技術(shù)，利用現(xiàn)代化軟件來操縱和控制傳統(tǒng)的“純硬件電路”的無線通信設(shè)備，打破了通信功能只能依賴硬件的發(fā)展格局。軟件無線電技術(shù)的出現(xiàn)是通信領(lǐng)域繼固定通信到移動(dòng)通信、模擬通信到數(shù)字通信之后的第三次革命。

1.2.2 算力重構(gòu)網(wǎng)絡(luò)

SDN[2]是由美國斯坦福大學(xué)提出的一種新型網(wǎng)絡(luò)創(chuàng)新架構(gòu)，是網(wǎng)絡(luò)虛擬化的一種實(shí)現(xiàn)方式。其核心技術(shù)OpenFlow通過將網(wǎng)絡(luò)設(shè)備的控制面與數(shù)據(jù)面分離，實(shí)現(xiàn)了網(wǎng)絡(luò)流量的靈活控制，為網(wǎng)絡(luò)及應(yīng)用的創(chuàng)新提供了良好的平臺(tái)。

如圖1所示，NFV利用虛擬化技術(shù)，將網(wǎng)絡(luò)節(jié)點(diǎn)的功能分割成幾個(gè)以軟件方式實(shí)現(xiàn)的功能區(qū)塊，不再局限于硬件架構(gòu)。NFV的核心是以軟件的方式實(shí)現(xiàn)了原來只能用硬件實(shí)現(xiàn)的網(wǎng)絡(luò)功能，例如路由器、用戶駐地設(shè)備（Customer premises equipment，CPE）、移動(dòng)核心網(wǎng)、IP多媒體系統(tǒng)（IP Multimedia Subsystem，IMS）、內(nèi)容分發(fā)網(wǎng)絡(luò)（Content Delivery Network，CDN）、防火墻等。

圖1 網(wǎng)絡(luò)功能虛擬化

NFV采用通用x86 CPU保證通用性，而喪失了專用性，即不擅長處理特定任務(wù)，比如處理編解碼轉(zhuǎn)換、報(bào)文轉(zhuǎn)發(fā)、加解密等并行處理任務(wù)。

NFV在特定任務(wù)處理上的性能或成本方面的不足，使得x86處理器配備現(xiàn)場(chǎng)可編程門陣列（Field Programmable Gate Array，F(xiàn)PGA）、圖形處理器（Graphics Processing Unit，GPU）等協(xié)處理器（加速卡）的方案重新出現(xiàn)在NFV架構(gòu)中。電信網(wǎng)絡(luò)經(jīng)歷了從專用硬件到通用硬件，再到通用硬件+專用加速卡的螺旋式發(fā)展歷程。

SDN實(shí)現(xiàn)了以算力換靈活度，NFV實(shí)現(xiàn)了以算力換功能，SDN與NFV的深度融合，真正實(shí)現(xiàn)了以算力換網(wǎng)絡(luò)的智能化發(fā)展。

1.2.3 以算力換性能

無線網(wǎng)絡(luò)中帶寬一直是最重要的指標(biāo)。受限于香農(nóng)定理，5G頻譜效率提升過程中，調(diào)制解調(diào)方面的提升不大，而Massive MIMO則成為提升吞吐量的關(guān)鍵。如圖2所示，Massive MIMO技術(shù)利用多用戶空間的獨(dú)立性，在空間上對(duì)不同用戶形成獨(dú)立的窄波束覆蓋，并應(yīng)用空間隔離系統(tǒng)同時(shí)傳輸不同用戶的數(shù)據(jù)，從而數(shù)十倍地提升系統(tǒng)吞吐量。理論分析表明，當(dāng)Massive MIMO的天線數(shù)趨于無窮時(shí)，各用戶信道之間趨于正交，因此系統(tǒng)容量只與用戶數(shù)量相關(guān)。實(shí)際商用網(wǎng)性能表明，即使用有限64T64R天線數(shù)的Massive MIMO，也可提升近10倍的單用戶鏈路性能和4～8倍的系統(tǒng)容量。

圖2 Massive MIMO

1.3 算力正在改變行業(yè)

數(shù)字經(jīng)濟(jì)正在爆發(fā)式發(fā)展，數(shù)字化進(jìn)程正處于由消費(fèi)領(lǐng)域向生產(chǎn)領(lǐng)域、由虛擬經(jīng)濟(jì)向?qū)嶓w經(jīng)濟(jì)延伸的過程中，“5G+工業(yè)互聯(lián)網(wǎng)”引領(lǐng)著技術(shù)變革、深度賦能數(shù)字化轉(zhuǎn)型和產(chǎn)業(yè)升級(jí)，利用以5G為代表的新一代信息通信技術(shù)，構(gòu)建與工業(yè)經(jīng)濟(jì)深度融合的新型基礎(chǔ)設(shè)施、應(yīng)用模式和工業(yè)生態(tài)。通過5G技術(shù)將人、機(jī)、物、系統(tǒng)等全面連接，構(gòu)建覆蓋全產(chǎn)業(yè)鏈、全價(jià)值鏈的全新制造和服務(wù)體系，為工業(yè)乃至產(chǎn)業(yè)數(shù)字化、網(wǎng)絡(luò)化、智能化發(fā)展提供新的實(shí)現(xiàn)途徑，助力企業(yè)實(shí)現(xiàn)降本、提質(zhì)、增效、綠色、安全發(fā)展。工業(yè)互聯(lián)網(wǎng)的發(fā)展，將工業(yè)系統(tǒng)與傳感、網(wǎng)絡(luò)互聯(lián)網(wǎng)、科學(xué)計(jì)算、智能分析等深度融合起來。在這個(gè)過程中，算力是支撐大規(guī)模數(shù)據(jù)采集、網(wǎng)絡(luò)化協(xié)同、工業(yè)大數(shù)據(jù)、工業(yè)智能的基石。

隨著數(shù)字經(jīng)濟(jì)進(jìn)入新發(fā)展階段，算力已成為核心資源之一。在未來的十年，特別是在未來的一兩年間，算力產(chǎn)業(yè)將以超出人們想象的速度推動(dòng)技術(shù)創(chuàng)新和行業(yè)變革。

2 算力發(fā)展面臨的問題及解決思路

人類社會(huì)正在經(jīng)歷從信息化時(shí)代到智能化時(shí)代、從物理現(xiàn)實(shí)到虛擬現(xiàn)實(shí)的轉(zhuǎn)化階段，且這一轉(zhuǎn)化過程還在以前所未有的速度不斷加快，但數(shù)字技術(shù)需求與供給之間的差距仍然較大，“算力墻”“存儲(chǔ)墻”“帶寬墻”和“能耗墻”等現(xiàn)象，從多個(gè)方面制約著數(shù)字技術(shù)創(chuàng)新和應(yīng)用的進(jìn)一步發(fā)展。

2.1 “算力墻”

CPU與GPU的構(gòu)造上的不同如圖3所示。CPU采用馮·諾依曼架構(gòu)[3]，將計(jì)算分為取指令、譯碼、發(fā)射、執(zhí)行、寫回等幾個(gè)階段，通過軟件調(diào)度，可以完成計(jì)算。當(dāng)前CPU的架構(gòu)已經(jīng)相當(dāng)復(fù)雜，真正的有效計(jì)算在其整體功耗占比不到10%，所以CPU適合控制復(fù)雜而計(jì)算密度不高的應(yīng)用場(chǎng)景。

圖3 CPU與GPU的構(gòu)造

GPU采用的是單指令多數(shù)據(jù)流（Single Instruction Multiple Data，SIMD）或單指令多線程（Single Instruction Multiple Threads，SIMT）架構(gòu)，雖然本質(zhì)上還是馮·諾依曼架構(gòu)，但減少了取值、譯碼開銷，所以GPU對(duì)于特定的計(jì)算任務(wù)，可以達(dá)到比CPU更高的計(jì)算速度，GPU在浮點(diǎn)運(yùn)算吞吐量上遠(yuǎn)超CPU。

FPGA為現(xiàn)場(chǎng)可編程門陣列，可認(rèn)為是細(xì)粒度可重構(gòu)芯片。FPGA非常適合數(shù)據(jù)流驅(qū)動(dòng)的計(jì)算架構(gòu)，具有高空間并發(fā)和低時(shí)延的特點(diǎn)，但FPGA開發(fā)周期比較長，對(duì)開發(fā)人員的專業(yè)技能要求比較高，影響了FPGA的廣泛應(yīng)用。

ASIC是為某種特定的需求而專門定制的芯片。ASIC與通用芯片相比，體積小、功耗低、計(jì)算性能高、計(jì)算效率高、芯片出貨量越大成本越低；但缺點(diǎn)也很明顯，只能針對(duì)特定的某個(gè)或某幾個(gè)應(yīng)用場(chǎng)景，一旦算法和流程變化可能會(huì)導(dǎo)致無法滿足原有需求。

通用圖形處理器（General-Purpose computing on Graphics Processing Units，GPGPU），是專門處理計(jì)算任務(wù)的圖形處理器，其特點(diǎn)是并行處理能力強(qiáng)、計(jì)算能效高、存儲(chǔ)帶寬大。GPGPU在處理大數(shù)據(jù)流時(shí)效率會(huì)很高，可應(yīng)用在人工智能（機(jī)器學(xué)習(xí)）模型訓(xùn)練與推理、高性能計(jì)算等領(lǐng)域。

因此，GPGPU成為打破算力墻的熱點(diǎn)計(jì)算技術(shù)，目前廣泛應(yīng)用于高性能計(jì)算、行業(yè)人工智能應(yīng)用、安防與政府項(xiàng)目、互聯(lián)網(wǎng)及云數(shù)據(jù)中心等。其主要應(yīng)用在人工智能模型訓(xùn)練與推理和高性能計(jì)算這兩個(gè)場(chǎng)景中。

2.2 “存儲(chǔ)墻”與“功耗墻”

現(xiàn)有馮·諾伊曼計(jì)算系統(tǒng)采用存儲(chǔ)和運(yùn)算分離的架構(gòu)，存在“存儲(chǔ)墻”與“功耗墻”瓶頸，嚴(yán)重制約系統(tǒng)算力和能效的提升。在馮·諾伊曼架構(gòu)中，計(jì)算單元要先從內(nèi)存中讀取數(shù)據(jù)，計(jì)算完成后，再存回內(nèi)存，這樣才能輸出。存儲(chǔ)器數(shù)據(jù)訪問速度跟不上處理器的數(shù)據(jù)處理速度，數(shù)據(jù)傳輸就像處在一個(gè)巨大的漏斗之中，不管處理器灌進(jìn)去多少，存儲(chǔ)器都只能“細(xì)水長流”。兩者之間數(shù)據(jù)交換通路窄以及由此引發(fā)的高能耗兩大難題，在存儲(chǔ)與運(yùn)算之間筑起了一道“存儲(chǔ)墻”。

于是業(yè)界開始尋找弱化或消除存儲(chǔ)墻及功耗墻問題的方法，開始考慮從聚焦計(jì)算的馮·諾伊曼體系結(jié)構(gòu)轉(zhuǎn)向存算一體結(jié)構(gòu)，其核心思想是將部分或全部的計(jì)算移到存儲(chǔ)中，計(jì)算單元和存儲(chǔ)單元集成在同一個(gè)芯片，讓存儲(chǔ)單元具有計(jì)算能力。這種極度近鄰的方式很大程度上降低了數(shù)據(jù)移動(dòng)的延遲和功耗，解決了“存儲(chǔ)墻”問題。最具有代表性的兩種技術(shù)是近存儲(chǔ)計(jì)算和存內(nèi)計(jì)算。

近存儲(chǔ)計(jì)算指的是計(jì)算操作由位于存儲(chǔ)芯片外部的獨(dú)立計(jì)算芯片完成。通過采用先進(jìn)的3D封裝方式把內(nèi)存和計(jì)算單元封裝在一起，可以達(dá)到幾千根甚至上萬根連線，兩者之間的帶寬增加，提高了數(shù)據(jù)搬運(yùn)速度。近存儲(chǔ)計(jì)算本質(zhì)上來說還沒有做到真正的存算“一”體。它從一開始設(shè)計(jì)計(jì)算芯片和存儲(chǔ)芯片的時(shí)候，就設(shè)計(jì)好了連接兩方的通路，將數(shù)據(jù)運(yùn)輸距離極致縮短。

存內(nèi)計(jì)算指的是通過在存儲(chǔ)器顆粒上嵌入算法，使得存儲(chǔ)芯片內(nèi)部的存儲(chǔ)單元完成計(jì)算操作，存儲(chǔ)單元和計(jì)算單元完全融合，沒有獨(dú)立的計(jì)算單元。在這種方式下，數(shù)據(jù)不需要單獨(dú)的運(yùn)算部件來完成計(jì)算，而是在存儲(chǔ)單元中完成存儲(chǔ)和計(jì)算，消除了數(shù)據(jù)訪存延遲和功耗，是一種真正意義上的存儲(chǔ)與計(jì)算融合。同時(shí)，由于計(jì)算完全依賴于存儲(chǔ)，因此可以開發(fā)更細(xì)粒度的并行性，獲得更高的性能和能效。存算一體對(duì)于符合的應(yīng)用會(huì)帶來較高的性能收益和能效收益，這種方式尤其適用于人工智能應(yīng)用。

2.3 “帶寬墻”和“綜合能效”

近存計(jì)算、存內(nèi)計(jì)算解決算力節(jié)點(diǎn)“存儲(chǔ)墻”和單節(jié)點(diǎn)的“功耗墻”后，用戶與算力節(jié)點(diǎn)、算力節(jié)點(diǎn)與算力節(jié)點(diǎn)之間的“通信墻”，以及綜合能效的矛盾變得尤為突出。隨著智慧城市、智慧工廠、全息通信、增強(qiáng)現(xiàn)實(shí)、虛擬現(xiàn)實(shí)等大帶寬、低時(shí)延業(yè)務(wù)的出現(xiàn)，數(shù)據(jù)交互時(shí)延成為業(yè)務(wù)體驗(yàn)的區(qū)分標(biāo)志，不同應(yīng)用的時(shí)延指標(biāo)要求如圖4所示。數(shù)據(jù)的傳輸加計(jì)算的總成本和綜合能效，也將成為數(shù)據(jù)中心組網(wǎng)的重要指標(biāo)。數(shù)據(jù)中心組網(wǎng)要在兼顧數(shù)據(jù)交互頻次、數(shù)據(jù)交互成本（傳送成本+能耗成本）的同時(shí)，特別關(guān)注數(shù)據(jù)交互時(shí)延，只有這樣組網(wǎng)才能達(dá)到既能滿足業(yè)務(wù)時(shí)延的需求，又能降低成本、綠色節(jié)能的目的。

圖4 不同應(yīng)用的時(shí)延指標(biāo)要求

新型綠色高性能算力中心模式采用“計(jì)算+超算+智算”協(xié)同，整合不同架構(gòu)的CPU、GPU、張量處理單元（Tensor Processing Unit，TPU）以及其他類型異構(gòu)高性能算力設(shè)備，實(shí)現(xiàn)聯(lián)合運(yùn)算，按需調(diào)度，最大限度地滿足各種應(yīng)用場(chǎng)景對(duì)數(shù)據(jù)中心極大規(guī)模、極端性能的動(dòng)態(tài)需求，形成多架構(gòu)、跨行業(yè)、跨層級(jí)的算力資源，為用戶提供個(gè)性化、定制化的精準(zhǔn)算力服務(wù)。

3 算網(wǎng)融合定義未來

“算力墻”“存儲(chǔ)墻”“帶寬墻”和“能耗墻”是數(shù)字化過程中必須解決的問題。隨著行業(yè)數(shù)字化的深入和升級(jí)，需要算力和網(wǎng)絡(luò)進(jìn)一步融合，并且需要網(wǎng)絡(luò)能夠感知業(yè)務(wù)算力需求，為數(shù)據(jù)到算力提供最優(yōu)路由和可信服務(wù)，邊緣網(wǎng)絡(luò)節(jié)點(diǎn)更是成為算力的邊緣載體，實(shí)現(xiàn)算力+網(wǎng)絡(luò)綜合能效的最佳匹配，滿足未來發(fā)展需求。

3.1 人工智能驅(qū)動(dòng)未來算力發(fā)展

近年來，在數(shù)字經(jīng)濟(jì)不斷推進(jìn)的大背景下，人工智能發(fā)展迅速，并與多種應(yīng)用場(chǎng)景深度融合。數(shù)據(jù)的爆發(fā)式增長為人工智能提供了充分的“養(yǎng)料”，深度學(xué)習(xí)算法在語音和視覺識(shí)別上實(shí)現(xiàn)突破，加快了人工智能產(chǎn)業(yè)落地和商業(yè)化高速發(fā)展。人工智能的水平建立在機(jī)器學(xué)習(xí)的基礎(chǔ)上，除了先進(jìn)的算法和硬件運(yùn)算能力，大數(shù)據(jù)是機(jī)器學(xué)習(xí)的關(guān)鍵。一方面，通過更大量的數(shù)據(jù)學(xué)習(xí)，機(jī)器判斷處理能力才能不斷上升，智能水平才會(huì)不斷提高。另一方面，隨著人工智能的應(yīng)用場(chǎng)景不斷擴(kuò)充，尤其是近期元宇宙的發(fā)展，圖像、視頻、三維空間等領(lǐng)域的數(shù)據(jù)呈現(xiàn)爆發(fā)性增長，這對(duì)算力提出了更高的要求。

隨著中國逐漸進(jìn)入智能社會(huì)，面臨算力升級(jí)、數(shù)字化轉(zhuǎn)型等問題，企業(yè)為了降本增效，適應(yīng)飛速發(fā)展的數(shù)字化智能社會(huì)，需要從底層算力方面解決問題。GPGPU涉及政府、企業(yè)、科研（醫(yī)學(xué)、能源、勘探、氣象、航空航天）等眾多應(yīng)用領(lǐng)域，不僅未來在我國需求量大，而且對(duì)國民經(jīng)濟(jì)發(fā)展至關(guān)重要。

3.2 算網(wǎng)融合重新定義算力

算網(wǎng)融合不是某一個(gè)單點(diǎn)的技術(shù)，而是一種未來網(wǎng)絡(luò)的架構(gòu)，描述了連接海量數(shù)據(jù)和高效算力，向千行百業(yè)提供智能服務(wù)的網(wǎng)絡(luò)架構(gòu)。架構(gòu)中包含了算力的服務(wù)化，以及數(shù)據(jù)和算力之間的高效調(diào)度。算網(wǎng)融合成為信息通信技術(shù)演進(jìn)發(fā)展的重要方向。進(jìn)入5G時(shí)代以來，從海量數(shù)據(jù)處理到爆發(fā)式應(yīng)用創(chuàng)新，智能計(jì)算被廣泛應(yīng)用于工業(yè)制造、零售醫(yī)療、電信服務(wù)等行業(yè)領(lǐng)域，帶來了呈幾何級(jí)數(shù)增長的算力需求，也給信息技術(shù)行業(yè)提出了一系列的嚴(yán)峻挑戰(zhàn)。

作為“計(jì)算+網(wǎng)絡(luò)”協(xié)同發(fā)展的重要錨點(diǎn)，算網(wǎng)融合強(qiáng)調(diào)了借助信息通信網(wǎng)絡(luò)協(xié)同異構(gòu)算力資源，實(shí)現(xiàn)了計(jì)算能力的統(tǒng)一調(diào)度和編排，全面重構(gòu)了網(wǎng)絡(luò)服務(wù)方式和計(jì)算模式。從B5G、6G到新型基礎(chǔ)設(shè)施，算網(wǎng)融合能夠助力構(gòu)建計(jì)算基礎(chǔ)設(shè)施，不僅能夠驅(qū)動(dòng)新一輪的內(nèi)生性經(jīng)濟(jì)增長，為宏觀經(jīng)濟(jì)形勢(shì)注入投資新動(dòng)能，而且可以助力關(guān)鍵技術(shù)實(shí)現(xiàn)突破，培育產(chǎn)業(yè)發(fā)展鏈條，賦能地方經(jīng)濟(jì)實(shí)現(xiàn)全面轉(zhuǎn)型，因此得到了業(yè)界的高度認(rèn)可。

傳統(tǒng)的云架構(gòu)之下，所有的智能都在云端，網(wǎng)絡(luò)所需要考慮的就是信號(hào)覆蓋、網(wǎng)絡(luò)質(zhì)量的問題。但隨著端系統(tǒng)數(shù)據(jù)處理能力需求的爆炸性增長，很多應(yīng)用場(chǎng)景開始傾向于將應(yīng)用處理放在邊緣，體現(xiàn)出一種“哪里生產(chǎn)，哪里消費(fèi)”的架構(gòu)思路。這種方式給網(wǎng)絡(luò)的邊緣賦予了足夠的“智能”，或者說處理能力。“端”變成了輔助“大腦”工作的“智能神經(jīng)網(wǎng)絡(luò)”。

這樣一來，一方面，邊緣服務(wù)在終端設(shè)備上運(yùn)行，反饋更迅速，解決了時(shí)延問題，使得一些工業(yè)用戶場(chǎng)景成為可能；另一方面，邊緣計(jì)算[4]將內(nèi)容與計(jì)算能力下沉，提供智能化的流量調(diào)度。業(yè)務(wù)實(shí)現(xiàn)了本地化，內(nèi)容尤其是熱門內(nèi)容實(shí)現(xiàn)了本地緩存，解決方案的效率得到了顯著的提升。

傳統(tǒng)的物聯(lián)網(wǎng)，智在數(shù)據(jù)中心，不在邊緣設(shè)備。盡管所有設(shè)備都在同一地區(qū)甚至同一建筑內(nèi)，都必須與遠(yuǎn)在千里外的數(shù)據(jù)中心通信，才能實(shí)現(xiàn)所需功能，這樣不僅會(huì)造成延遲，而且有可能因?yàn)榫W(wǎng)絡(luò)或其他原因降低整個(gè)系統(tǒng)的可用性。

智能邊緣計(jì)算提出了一種新模式：大規(guī)模部署、安全配置和管理邊緣設(shè)備，并根據(jù)邊緣設(shè)備類型和場(chǎng)景需求進(jìn)行算力智能分配，讓物聯(lián)網(wǎng)的每個(gè)邊緣設(shè)備都具備數(shù)據(jù)采集、分析計(jì)算、通信，以及最重要的智能功能，實(shí)現(xiàn)智能在云和邊緣設(shè)備間的流動(dòng)，形成邊緣智能。

通過這種模式，可以用邊緣設(shè)備自身的運(yùn)算和處理能力直接就近處理絕大部分物聯(lián)網(wǎng)任務(wù)，不僅可以降低數(shù)據(jù)中心工作負(fù)擔(dān)，還可以更及時(shí)準(zhǔn)確地對(duì)邊緣設(shè)備的不同狀態(tài)做出響應(yīng)。這樣，即使脫離云計(jì)算的支撐，邊緣智能也能夠?qū)崿F(xiàn)應(yīng)用場(chǎng)景的大部分智能。當(dāng)邊緣計(jì)算成為邊緣智能，局域、邊緣的物聯(lián)網(wǎng)系統(tǒng)將具備自治自律的行為能力。

3.3 從基層節(jié)點(diǎn)開始重新定義未來

當(dāng)數(shù)據(jù)從傳感器流出時(shí)，邊緣設(shè)備通過加速AI計(jì)算的性能，將使得智能醫(yī)療保健、智能制造、智能運(yùn)輸和智慧城市等一切任務(wù)皆有可能實(shí)現(xiàn)。在這一進(jìn)程中，需要強(qiáng)大的邊緣計(jì)算能力處理海量數(shù)據(jù)，從而快速制定人工智能增強(qiáng)型決策以驅(qū)動(dòng)業(yè)務(wù)發(fā)展。

將來所有的超級(jí)計(jì)算都是分布式的，全世界變成一張網(wǎng)，其邊緣底層就在社區(qū)、街道、小區(qū)、產(chǎn)業(yè)園區(qū)，那里有所有的大數(shù)據(jù)，并且隨時(shí)可以開展超算和大的數(shù)據(jù)處理，所以將來是一個(gè)新的世界，全世界都可以連著一張網(wǎng)，所有的信息都可以促成人工智能、數(shù)字孿生。

3.3.1 場(chǎng)景1：邊緣超算提效科研仿真

在科研項(xiàng)目的推進(jìn)過程中，往往會(huì)面對(duì)復(fù)雜的數(shù)據(jù)密集型計(jì)算任務(wù)，例如仿真、數(shù)據(jù)建模、渲染等大量運(yùn)算場(chǎng)景。而智能邊緣計(jì)算的出現(xiàn)，通過將多個(gè)單元的計(jì)算能力進(jìn)行整合，打破了算力性能的局限，讓科學(xué)家隨時(shí)可以調(diào)用超級(jí)計(jì)算機(jī)級(jí)別的算力，讓其日夜不停地處理數(shù)據(jù)，構(gòu)建模型，最終成為科研攻堅(jiān)時(shí)不可或缺的利器。

3.3.2 場(chǎng)景2：邊緣超算助力創(chuàng)新型企業(yè)數(shù)智化發(fā)展

數(shù)字化是未來時(shí)代的發(fā)展趨勢(shì)，數(shù)字技術(shù)的每一次革新和進(jìn)步都會(huì)對(duì)個(gè)人、組織和社會(huì)的發(fā)展帶來深刻影響，甚至是顛覆。移動(dòng)互聯(lián)網(wǎng)將普通信息的傳播能力提升至毫秒級(jí)，但當(dāng)一切商業(yè)行為在線化，后臺(tái)需要更強(qiáng)大的算力來進(jìn)行高密度信息快速處理。

算力作為未來基礎(chǔ)設(shè)施的核心組成部分，是衡量數(shù)據(jù)處理能力強(qiáng)弱的標(biāo)尺，也是支撐數(shù)字化轉(zhuǎn)型和數(shù)字經(jīng)濟(jì)發(fā)展的基石。依靠強(qiáng)大的算力可利于企業(yè)產(chǎn)品和服務(wù)的創(chuàng)新，創(chuàng)建新型的商業(yè)模式，為用戶帶來更好的體驗(yàn)，使企業(yè)工作流程更加敏捷高效。

邊緣智能時(shí)代，任何一個(gè)智能設(shè)備都可能是一個(gè)“數(shù)據(jù)中心”，很可能在一個(gè)芯片上實(shí)現(xiàn)連接、傳感、存儲(chǔ)和計(jì)算的功能。對(duì)于海量的數(shù)據(jù)，傳統(tǒng)的數(shù)據(jù)處理方式已不能滿足企業(yè)業(yè)務(wù)需求，新型的大數(shù)據(jù)技術(shù)不僅能實(shí)時(shí)處理海量數(shù)據(jù)來完成敏捷式商業(yè)輔助決策，還能通過多源復(fù)雜數(shù)據(jù)融合創(chuàng)新來幫助企業(yè)完成跨業(yè)務(wù)環(huán)節(jié)的流程優(yōu)化和經(jīng)營改進(jìn)，從而提升企業(yè)的運(yùn)營效率。

3.3.3 場(chǎng)景3：邊緣超算開啟元宇宙入口，打造虛擬平行世界

“元宇宙”作為2021年最火爆的新概念異軍突起，當(dāng)下形形色色的元宇宙層出不窮，元宇宙將激發(fā)數(shù)字經(jīng)濟(jì)更大的活力。對(duì)于元宇宙，普遍認(rèn)知是虛擬跟現(xiàn)實(shí)世界的融合，基于AR/VR、虛擬空間、區(qū)塊鏈等技術(shù)所構(gòu)建的一個(gè)虛擬的現(xiàn)實(shí)世界，但其實(shí)針對(duì)元宇宙目前還沒有清晰的概念界定。元宇宙也被很多人寄予厚望，認(rèn)為是互聯(lián)網(wǎng)3.0的終極形態(tài)。伴隨著元宇宙的不斷發(fā)展有望帶動(dòng)新一輪創(chuàng)新周期開啟，催生第三次互聯(lián)網(wǎng)革命。元宇宙對(duì)網(wǎng)絡(luò)傳輸提出了更大帶寬、更低時(shí)延、更廣覆蓋的要求，相較云計(jì)算而言，更需要借助邊緣計(jì)算技術(shù)，以保障所有用戶獲得同樣流暢的體驗(yàn)。

計(jì)算能力是元宇宙一切行為的“燃料”，無論是物理計(jì)算、渲染、數(shù)據(jù)協(xié)調(diào)和同步、人工智能、投影、動(dòng)作捕捉和翻譯等多樣化功能，計(jì)算都是必不可少的。比如將觸覺傳感器的信號(hào)轉(zhuǎn)化成人物元宇宙相應(yīng)的動(dòng)作，其中復(fù)雜的轉(zhuǎn)換就需要計(jì)算能力的參與。更重要的是元宇宙將擁有人類歷史上最大的持續(xù)計(jì)算需求，元宇宙作為一個(gè)“鏡像世界”，它每時(shí)每刻都在運(yùn)轉(zhuǎn)，因此它需要的就是長足的持續(xù)計(jì)算能力。此外，計(jì)算能力的大小將決定元宇宙規(guī)模的上限，因?yàn)橛?jì)算能力不足的話，幾萬人同時(shí)在線的元宇宙只可能是天方夜譚。

元宇宙的發(fā)展與普及，一方面有賴于VR/AR等軟硬件產(chǎn)業(yè)生態(tài)的成熟發(fā)展，另一方面元宇宙的“沉浸感”“低延時(shí)”“隨地”特性也有賴于高度發(fā)達(dá)的邊緣計(jì)算等數(shù)字基礎(chǔ)設(shè)施的支撐與支持。

邊緣超算能很好地解決中心流量擁堵和智能終端爆發(fā)式增長帶來的計(jì)算資源匱乏等問題，是解決未來數(shù)字化難題的重要路徑。

3.3.4 場(chǎng)景4：邊緣超算打造數(shù)字社區(qū)，重新定義社區(qū)生活模式

數(shù)字社區(qū)是數(shù)字城市的重要組成單元，也是全面提升社區(qū)服務(wù)和治理能力的重要載體。數(shù)字社區(qū)總體功能及效果應(yīng)滿足社區(qū)居民的幸福感、獲得感與安全感需求；能對(duì)社區(qū)的相應(yīng)數(shù)據(jù)進(jìn)行動(dòng)態(tài)采集、反饋、分析和預(yù)測(cè)，并進(jìn)行標(biāo)準(zhǔn)化管理；能實(shí)現(xiàn)統(tǒng)一用戶管理、權(quán)限授權(quán)管理、信息推送、應(yīng)用管理等。

社區(qū)智能化過程中，越來越多的智能設(shè)備布置在社區(qū)中，采集了大量的數(shù)據(jù)資源，可受限于算力和算法的短板，這些數(shù)據(jù)沒有被智能化分析處理。數(shù)字社區(qū)中的計(jì)算場(chǎng)景以視頻、圖像類的處理為主，擅長并行計(jì)算的GPU成了最常見的算力需求，但GPU高昂的硬件成本是有了數(shù)據(jù)采集、卻缺少數(shù)據(jù)處理的直接誘因。而邊緣超算能夠滿足視覺、語音和自然語言處理在內(nèi)的多種計(jì)算場(chǎng)景。大幅度降低社區(qū)智能運(yùn)算的成本，提升社區(qū)智能水平。

4 結(jié)語

隨著信息通信技術(shù)的不斷發(fā)展，算網(wǎng)融合將不斷完善，未來必將成為數(shù)字化信息社會(huì)的重要服務(wù)基石。算力發(fā)展需要網(wǎng)絡(luò)域、計(jì)算域協(xié)同創(chuàng)新，是一系列新技術(shù)的集成融合和創(chuàng)新應(yīng)用。算力網(wǎng)絡(luò)目前已被納入6G和下一代互聯(lián)網(wǎng)關(guān)鍵技術(shù)之一，是網(wǎng)絡(luò)與計(jì)算融合發(fā)展的終極目標(biāo)。需要業(yè)界聯(lián)合打造算力產(chǎn)業(yè)技術(shù)體系，實(shí)現(xiàn)網(wǎng)絡(luò)無所不達(dá)、算力無處不在、智能無所不及，推動(dòng)千行百業(yè)數(shù)智化轉(zhuǎn)型。本文描述了以算力換功能、以算力換性能、以算力換服務(wù)的發(fā)展歷史，研究了算力提升的主要路徑，為算力與網(wǎng)絡(luò)融合，以及更好地服務(wù)未來行業(yè)業(yè)務(wù)創(chuàng)新開辟道路。