【八年级大数据第三单元作文】“东树西山”核“核心”问题：需要新技术突破

资料来源：[科学网]

随着“东水西山”国家战略于2022年2月启动，全国一体化算力网络国家枢纽节点建设速度进一步加快。算力网络基础设施的普及是智能时代的标志之一，高效算力资源层是算力网络这一建筑的基础，基础的稳固将直接影响算力网络愿景能否实现。

特别是根据目前的低功耗需求，计算力网建设存在低碳限制，直接扩大规模，间接限制了改变计算力增长的技术路线。软件生态可以逐步改善，运营模式可以调整，各抽象层的界面标准可以逐步规范。但是核心问题是，现有的基本处理芯片、数据传输等物理层的产品和技术能否支撑“计算力网络”的概念。

笔者认为，山力网络建设的最大挑战除了资源整合、服务创新外，新的核心技术突破——主要从山力芯片的角度进行分析。相关内容不能涵盖算力网络底层核心技术的全貌。

现有的算力资源还很难支撑算力网络的愿景

直观理解计算力网络由两个关键部分组成。一个是“计算力”，另一个是“网络”。但是，“算力网络”的效力应该是“乘数”，而不是两者的简单总和，可以通过互联网增强算力，承载更多的应用程序。计算能力不足的网络只能用作数据传输网络，如果互联网的算力不足，使用价值也会大幅下降。

根据著名的梅特卡夫定律，一个网络的价值等于该网络内节点数的平方。对于算力网络，从宏观上看，“节点”包括各种算力中心(如数据中心、超级计算中心、智能计算中心、边缘计算节点等)和服务的终端应用(如PC、智能手机等具有强大交互作用的设备、摄像头、智能仪表等弱交互设备)。互联网的发展已经显示出梅特卡夫定律的巨大威力，将人类带入了信息时代。如果算力网络的梅特卡夫法则继续发挥作用，那么将人类带入新时代——可能就是智能时代。

但是新酒还需要新瓶子。现有的计算、网络和存储基础架构可能还不能完全支撑计算网络的愿景。

研究表明，从1940年到2010年的60年间，我们看到计算能源效率随着时间的推移出现了稳定的指数增长，大约每1.6年，这个效率指标就会增加——倍。这得益于摩尔定律和登纳德扩大定律在此期间的基本有效性。随着计算效率的持续指数水平的提高，线性计算节点的大小和能耗水平的提高，可以获得指数水平的计算力。因此，在本世纪的头十年，我们可以将一台电脑的计算能力安装在手机上，直接实现移动互联网的快速发展。

与计算力的增加相比，数据量的增加率也毫不逊色，甚至已经形成了赶超趋势。从2005年到现在，数据量大约每两年翻一番，IDC预测到2025年将达到175泽字节(ZettaBytes)。但是摩尔定律从2015年开始放缓，单位能源消耗带来的计算力增长已经随着数据量的增长逐渐拉开差距。现有的网络化计算能力可以部分解决利用率不平衡的问题，但不能从根本上解决计算能力增长放缓的情况。

应用层算力和基础层算力。

为了便于分析与算力相关的核心基础技术，将算力分为应用层算力和基础层算力两大类。应用层算力顾名思义，是指用于执行业务层应用程序(如视频分析、数据查询、路径规划、图像呈现等)的算力。通常对应于全系统分层体系结构SaaS和PaaS层。基本层计算力是用于执行基本层负载的计算力，包括资源池化、数据传递、压缩存储、加密解密、文件系统、网络功能虚拟化等，大致相当于IaaS层。预计应用计算的增加主要来自于专用服务器的采用，但应用层计算一方面可以从高性能CPU、GPU的采用中获益，另一方面，在计算从普通转向专用的过程中，可以从各种FPGA和ASIC芯片的引入中获益。虽然引进了大量的专用计算设备，但从宏观上看，得益于CPU的核心地位，可以保持计算力的通用性。

基础层计算力主要与网络、存储和安全性有关，基础计算力的增加预计主要是由于采用数据处理单元(DPU)、5G移动边缘计算技术、超高速光电混合网络技术、NVMe-oF等技术。网络和存储都依赖于多种协议处理、不同的物理层实施。基本层计算还需要帮助提高IO带宽、减少延迟、保持访问方法的一致性以及满足应用程序要求。这些复杂的要求在很大程度上依赖于更灵活的网络可编程性、更高效的硬件虚拟化技术。

例如，对于带宽窄但延迟低的要求和带宽要求高但对延迟不敏感的应用程序，需要应用不同的网络资源。突发性高并发、小数据量和稳定性低、并发性低，但即使是数据量大的业务，网络和IO也必须分配给不同的资源。从算力网络的“匹配应用要求”的角度来看，软件定义网络、软件定义存储、软件定义加速器等一系列“软件定义”技术路线也可以得到很大提高。

算力网络底层的三大技术突破。

从以上分析来看，计算力网络的基础层预计会有以下三个方面的技术突破。

第一个方面是用专用架构延续算力的指数上升。

简而言之，如何增强应用算力。短期内，专用体系结构的广泛采用预计将保持2 ~ 3个阶段的计算能力提高潜力。这也是为什么部门规范体系结构(DSA)技术路线受到重视的原因。

DSA技术的采用必然会导致产力来源的异构化。在现有体系结构中，最大限度地提高DSA的能效，同时切断差异是一个巨大的挑战。

目前提出的内存计算、网络计算、类大脑计算等“非冯诺依曼体系结构”都在努力用非传统计算体系结构提高计算能力，从技术成熟度的角度来看，通用GPU报告预测、设备GPGPU和A

I芯片的AI服务器预计到2025年将达到算力总支出的25%。

第二个方面的技术突破是，通过DPU释放应用层算力的同时，扩容基础算力的管道。

基础算力层的核心功能之一，是构建算力流通的“管道”。在传统系统架构中，网络与计算是分离的：计算的主体是服务器，网络的主体是网卡、路由器和交换机。随着DPU技术的逐渐成熟，我们看到大量原本在服务器上运行的基础层负载可以被卸载（offload）到与服务器CPU直连的DPU上，保持网络特性的功能将不在由服务器端的CPU来维护。

DPU的存在，将本地物理资源虚拟化，也将远程访问本地化。DPU开始承载基础算力的角色，并且是在不改变现有路由器和交换机的前提下。此外，DPU的出现，也使得网内计算的成熟度得到进一步提升。

第三个技术突破，通过数据面代理赋能无服务器（Serverless）服务和云原生应用。

随着云原生微服务架构的普及，“服务网格”作为微服务间通信的专用基础设施层，可在微服务架构中实现可靠、快速和安全的服务间调用，同时可提供出色的可观测性、流量控制能力和安全保障。但是，服务网格也存在一定的局限性，主要体现在其增加了网络的复杂性。

服务网格能力的发挥依赖于数据面代理，为了保持应用与服务的解耦，采用非侵入性的数据面代理“边车机制”，任意两个微服务间的通信都增加了两跳七层应用代理，而基于CPU软件实现的七层应用代理数据处理周期较长，微服务间通信的时延显著增加，限制了云原生应用的大规模部署。

针对当前云原生服务网格存在的这一问题，可以通过DPU实现服务网格数据面代理，进而解决CPU和内存的消耗和微服务间访问延迟的问题。

总结一下，算力网络是实现算力基础设施化的一个重要载体，是一整套从技术到运营的系统性技术综合的成果。如果成功落地，“新瓶装新酒”，必将会有力促进我国数字经济的跨越式发展。

目前我们在构建算力网络上有较好的基础，比如基建化程度、网络覆盖率、运营水平、业务整体容量等，光纤到户比率远高于国际平均水平，但是在技术层面也还面临一些关键挑战，特别是核心算力芯片的自主率过低，核心光电器件主要依赖进口。在“东算西数”、构建全国一体化算力基础设施等相关政策的引导下，突破算力网络底层的核“芯”问题，可以看到巨大的“盘活存量、优化增量”的机遇，早日让“算力”成为普惠大众的生产力。

（作者系中科院计算所研究员、中科驭数创始人，本报记者赵广立整理）

本文来自【科学网】，仅代表作者观点。全国党媒信息公共平台提供信息发布传播服务。

ID：jrtt