1 算力基礎(chǔ)設(shè)施戰(zhàn)略?xún)r(jià)值巨大

本章節(jié)內(nèi)容節(jié)選自《2022-2023全球計(jì)算力指數(shù)評(píng)估報(bào)告》，由IDC、浪潮信息、清華全球產(chǎn)業(yè)院。內(nèi)容有調(diào)整。

通過(guò)數(shù)字技術(shù)推動(dòng)業(yè)務(wù)變革，進(jìn)而實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型，已經(jīng)成為傳統(tǒng)企業(yè)發(fā)展的必由之路。隨著數(shù)字技術(shù)的不斷進(jìn)步和發(fā)展，以及數(shù)據(jù)量的爆發(fā)性增長(zhǎng)，強(qiáng)大的算力，成為了創(chuàng)新和突破的關(guān)鍵要素。

以人工智能領(lǐng)域?yàn)榈湫?，人工智能大模型的發(fā)展，受算力發(fā)展的直接影響。人工智能算法和技術(shù)被應(yīng)用于各種領(lǐng)域和行業(yè)（AI+），如自動(dòng)駕駛汽車(chē)、醫(yī)療診斷、金融預(yù)測(cè)等。   

算力的發(fā)展不僅激發(fā)數(shù)字技術(shù)的創(chuàng)新和突破，也推動(dòng)了數(shù)字技術(shù)在各行各業(yè)的廣泛應(yīng)用與深度融合，為各行業(yè)能夠?qū)崿F(xiàn)科技創(chuàng)新提供了重要支撐。

在數(shù)字經(jīng)濟(jì)時(shí)代，算力是國(guó)家經(jīng)濟(jì)增長(zhǎng)的關(guān)鍵驅(qū)動(dòng)力之一。根據(jù)上圖可以看到，算力的提高對(duì)一國(guó)經(jīng)濟(jì)增長(zhǎng)的拉動(dòng)效應(yīng)非常顯著，且隨著計(jì)算力指數(shù)的增加，提升效應(yīng)會(huì)越來(lái)越明顯。

評(píng)估結(jié)果顯示，十五個(gè)樣本國(guó)家的計(jì)算力指數(shù)平均每提高1點(diǎn)，國(guó)家的數(shù)字經(jīng)濟(jì)和GDP將分別增長(zhǎng)3.6‰和1.7‰。

總之，算力基礎(chǔ)設(shè)施支撐并加速新質(zhì)生產(chǎn)力和千行百業(yè)的發(fā)展，算力基礎(chǔ)設(shè)施是整個(gè)國(guó)民經(jīng)濟(jì)發(fā)展的重中之重。   

2 算力基礎(chǔ)設(shè)施的風(fēng)險(xiǎn)和挑戰(zhàn)

雖然算力和我們的鐵路、公路、水利、電力等行業(yè)一樣，被稱(chēng)為基礎(chǔ)設(shè)施。但算力是新型基礎(chǔ)設(shè)施，和這些傳統(tǒng)基礎(chǔ)設(shè)施相比，仍存在非常大的差異性。而這些差異性，也基本上就是算力基礎(chǔ)設(shè)施存在的風(fēng)險(xiǎn)和挑戰(zhàn)。

本章節(jié)，我們就算力基礎(chǔ)設(shè)施的風(fēng)險(xiǎn)和挑戰(zhàn)進(jìn)行分析，無(wú)法面面俱到，僅限拋磚引玉。關(guān)于算力基礎(chǔ)設(shè)施的風(fēng)險(xiǎn)和挑戰(zhàn)，希望能夠得到全行業(yè)的重視。全行業(yè)一起努力，能夠構(gòu)建符合技術(shù)和市場(chǎng)規(guī)律，并且能夠支撐國(guó)家數(shù)字經(jīng)濟(jì)快速發(fā)展的新型算力基礎(chǔ)設(shè)施。

2.1 算力難以標(biāo)準(zhǔn)化

如果算力可以公平且標(biāo)準(zhǔn)化的度量，那么算力就可以像電力一樣，大規(guī)模生產(chǎn)和消費(fèi)。但實(shí)際的情況，遠(yuǎn)比想象的要復(fù)雜的多。

我們通過(guò)兩個(gè)案例進(jìn)行分析。首先是CPU處理器的案例。CPU是最通用的處理器，沒(méi)有之一。我們以CPU中兩個(gè)重要的部件進(jìn)行分析：

• Cache，多核CPU中通常集成了L1-L3三級(jí)Cache。如果遇到流式數(shù)據(jù)處理，此刻Cache幾乎沒(méi)有價(jià)值；如果是循環(huán)等結(jié)構(gòu)的業(yè)務(wù)算法，Cache的價(jià)值就非常大。反過(guò)來(lái)，流式數(shù)據(jù)處理，會(huì)優(yōu)先選擇Cache盡可能小一些的處理器；而循環(huán)類(lèi)結(jié)構(gòu)的業(yè)務(wù)算法，會(huì)優(yōu)先選擇大Cache的處理器。
• 協(xié)處理器，CPU內(nèi)部也集成協(xié)處理器，如Intel AVX/AMX指令協(xié)處理器。如果是傳統(tǒng)的控制類(lèi)任務(wù)，就不需要AVX/AMX協(xié)處理器。但如果是視頻、圖像等任務(wù)，就需要AVX；如果是AI類(lèi)處理，就需要AMX。反過(guò)來(lái)說(shuō)，如果是控制類(lèi)的任務(wù)，AVX/AMX協(xié)處理器對(duì)我來(lái)說(shuō)沒(méi)有價(jià)值，如果仍需要為這些協(xié)處理器的算力付費(fèi)，則是相對(duì)不公平的。客戶(hù)會(huì)優(yōu)選沒(méi)有AVX、AMX等協(xié)處理器的CPU處理器。   

第二個(gè)案例，CPU vs 專(zhuān)用處理器。如果同樣的1000TOPS算力（折合成TOPS統(tǒng)一單位），CPU算力和專(zhuān)用處理器的算力哪個(gè)更好？一般來(lái)說(shuō)，CPU算力更好，因?yàn)镃PU算力更加通用，可以用在幾乎所有場(chǎng)景，并且對(duì)軟件和軟件開(kāi)發(fā)者的要求更低。而專(zhuān)用處理器，僅能支持某個(gè)特定場(chǎng)景，甚至某個(gè)特定算法算力，對(duì)其他的業(yè)務(wù)場(chǎng)景來(lái)說(shuō)，價(jià)值幾乎為零。這樣的話(huà)，這兩種算力，能賣(mài)相同的價(jià)格嗎？我們假設(shè)CPU 1000TOPS算力價(jià)格為1000元/月，那么，專(zhuān)用處理器 1000TOPS算力的價(jià)格10塊錢(qián)，都不一定能找到合適的客戶(hù)。

算力為什么難以標(biāo)準(zhǔn)化？本質(zhì)的原因在于計(jì)算引擎和業(yè)務(wù)算法的耦合性。在加減乘數(shù)等基本指令的通用CPU基礎(chǔ)上，做的任何優(yōu)化，其實(shí)都是面向某些特定規(guī)律的計(jì)算或算法優(yōu)化。這些加速計(jì)算引擎只有找到匹配的業(yè)務(wù)算法，才能發(fā)揮價(jià)值；反過(guò)來(lái)，如果沒(méi)有匹配的業(yè)務(wù)算法，計(jì)算引擎的價(jià)值就很低很低。簡(jiǎn)單總結(jié)如下：

• 一方面，計(jì)算引擎微架構(gòu)的復(fù)雜性，決定了計(jì)算性能的測(cè)量是一件非常復(fù)雜、難以面面俱到并且足夠公平的事情。
• 另一方面，計(jì)算的通用性，或者說(shuō)對(duì)業(yè)務(wù)算法的廣泛覆蓋性，也是一個(gè)非常重要的維度。而這個(gè)維度，在算力計(jì)量之外。
• 此外，計(jì)算引擎和業(yè)務(wù)算法的耦合性，決定了算力的價(jià)值到底能發(fā)揮幾何。計(jì)算引擎大體上可以分為三類(lèi)：通用的CPU、并行計(jì)算的GPU等、以及專(zhuān)用加速的各種DSA/ASIC，這些計(jì)算引擎的算力無(wú)法完全按照算力來(lái)折算，而要根據(jù)算法和計(jì)算引擎的匹配，來(lái)計(jì)算實(shí)際算力。
• 那么，我們是否可以以業(yè)務(wù)算法為基準(zhǔn)，誰(shuí)能夠更快速的完成一個(gè)特點(diǎn)單位的業(yè)務(wù)算法，誰(shuí)的性能就好，誰(shuí)的價(jià)值就高。答案也是否定的。因?yàn)闃I(yè)務(wù)算法千千萬(wàn)，單個(gè)業(yè)務(wù)算法無(wú)法評(píng)價(jià)，所有的算法加權(quán)綜合評(píng)價(jià)也意義不大。對(duì)具體的業(yè)務(wù)客戶(hù)來(lái)說(shuō)，自己的算法能不能更快速更低成本的計(jì)算，才是需要關(guān)心的事情。
• 還有一個(gè)重要的方面，業(yè)務(wù)算法本身的價(jià)值。比如，同樣的算力，如果用于AI計(jì)算，一般來(lái)說(shuō)，價(jià)值要高一些。如果用于網(wǎng)絡(luò) 存儲(chǔ)計(jì)算，則價(jià)值要低一些。這些也會(huì)影響到專(zhuān)用加速器算力的價(jià)格定義。
• 等等。

總結(jié)一下，我們認(rèn)為，計(jì)算是一件非常復(fù)雜的事情，算力（也即計(jì)算的能力）的標(biāo)準(zhǔn)化，幾乎是一個(gè)偽命題。   

2.2 業(yè)務(wù)的算力需求指數(shù)級(jí)增長(zhǎng)

從上圖可以看到，從2012年深度學(xué)習(xí)的興起，算力需求逐漸增強(qiáng)，跳脫摩爾定律約束，需要GPU加速處理器，以及Scale out的集群計(jì)算。這一時(shí)期，算力需求每3.4個(gè)月翻倍。從2018年開(kāi)始，隨著大模型的流行，算力需求進(jìn)一步加速，每2個(gè)月就會(huì)翻倍。與此同時(shí)，Scale Out也越來(lái)越難以為繼，集群規(guī)模從千卡到萬(wàn)卡，再到十萬(wàn)卡。集群規(guī)模的不斷擴(kuò)大，使得AI計(jì)算的成本越來(lái)越成為天文數(shù)字。

例如，微軟與OpenAI制定的新一代AI算力芯片和基礎(chǔ)設(shè)施項(xiàng)目星際之門(mén)，預(yù)計(jì)耗資1000億美元；目標(biāo)參數(shù)規(guī)模為1000萬(wàn)億，是GPT4的10000倍。

業(yè)務(wù)需求和算力基礎(chǔ)設(shè)施的差距成指數(shù)級(jí)增長(zhǎng)，兩者之間的矛盾進(jìn)一步加劇。要想根本性的解決問(wèn)題，一方面需要單節(jié)點(diǎn)的計(jì)算架構(gòu)的創(chuàng)新（Scale Up創(chuàng)新），也需要更高效的集群網(wǎng)絡(luò)解決方案，進(jìn)一步支持更大規(guī)模的集群計(jì)算（Scale Out創(chuàng)新）。

2.3 算力技術(shù)體系的門(mén)檻非常之高

算力涉及芯片、硬件及基礎(chǔ)設(shè)施、軟件以及業(yè)務(wù)四個(gè)主要的方案，每一項(xiàng)都非常的復(fù)雜，且有極高的技術(shù)門(mén)檻：

• 芯片，是計(jì)算（算力）的硬件載體。隨著芯片工藝進(jìn)入10nm以?xún)?nèi)，逐漸接近物理極限，芯片制造的門(mén)檻越來(lái)越高，一代新工藝投入通常在千億美金級(jí)別。單芯片所能容納的晶體管數(shù)量已經(jīng)達(dá)到數(shù)百億級(jí)，再加上Chiplet先進(jìn)封裝的加持，未來(lái)，單個(gè)芯片的晶體管數(shù)量會(huì)突破萬(wàn)億級(jí)大關(guān)。這么龐大的晶體管數(shù)量，如果進(jìn)行芯片的系統(tǒng)架構(gòu)和微架構(gòu)設(shè)計(jì)，也是非常大的挑戰(zhàn)。
• 硬件設(shè)備和外圍基礎(chǔ)設(shè)施。在智算時(shí)代，硬件設(shè)備的功耗都非常的恐怖。傳統(tǒng)CPU服務(wù)器單臺(tái)功率在300W左右，而目前主流GPU服務(wù)器的功耗都達(dá)到了10KW左右，整整提升了30倍以上。于是，傳統(tǒng)的風(fēng)冷散熱已經(jīng)逐漸走出歷史舞臺(tái)，更高技術(shù)要求的液冷成為了主流。此外，數(shù)據(jù)中心的功耗越來(lái)越大，綠色數(shù)據(jù)中心越來(lái)越成為必然的要求。如何降低PUE，需要數(shù)據(jù)中心基礎(chǔ)設(shè)施統(tǒng)籌的技術(shù)革新和綜合能耗優(yōu)化，甚至需要能源和電力產(chǎn)業(yè)的配合。
• 軟件，是計(jì)算的靈魂。系統(tǒng)級(jí)軟件如操作系統(tǒng)（如Linux）、集群操作系統(tǒng)（如Kubernetes），以及其他基礎(chǔ)軟件、數(shù)據(jù)庫(kù)軟件、中間件軟件，以及加速計(jì)算框架、業(yè)務(wù)框架等等，軟件生態(tài)五花八門(mén)。每一項(xiàng)都非常的復(fù)雜，每一項(xiàng)其生態(tài)的形成都經(jīng)過(guò)了漫長(zhǎng)而艱難的階段。
• 業(yè)務(wù)。新的技術(shù)、新的場(chǎng)景、新的業(yè)務(wù)落地，有非常大的難度。特別是跟硬件關(guān)聯(lián)度非常大，受硬件物理?xiàng)l件的約束的場(chǎng)景，如自動(dòng)駕駛智能汽車(chē)、XR元宇宙、人形機(jī)器人等。如何實(shí)現(xiàn)軟硬件深度協(xié)同和融合的綜合算力技術(shù)體系，受到很多現(xiàn)實(shí)的約束，實(shí)現(xiàn)的難度巨大，需要更多的創(chuàng)新驅(qū)動(dòng)。   

總之，從算力芯片，到硬件以及相關(guān)軟件和開(kāi)發(fā)框架，軟硬件體系極度龐大和復(fù)雜，技術(shù)門(mén)檻非常高。

2.4 算力技術(shù)迭代很快

TSMC  3nm工藝已經(jīng)量產(chǎn)，2nm、1nm也都在未來(lái)幾年的路線圖中。并且，TSMC已經(jīng)開(kāi)始在攻關(guān)0.1nm工藝，半導(dǎo)體工藝即將進(jìn)入亞納米（埃米）時(shí)代。在存儲(chǔ)領(lǐng)域，近些年來(lái)還興起了3D封裝技術(shù)，使得集成電路從二維進(jìn)入三維。在封裝領(lǐng)域，Chiplet先進(jìn)封裝機(jī)制，把多個(gè)芯片裸DIE集成到一起，從3D到4D，都進(jìn)一步增強(qiáng)了單位面積的晶體管集成度。

隨著單芯片所能容納的晶體管數(shù)量逐漸增加，計(jì)算的架構(gòu)也越來(lái)越復(fù)雜，逐漸從CPU同構(gòu)、CPU+GPU的異構(gòu)，走向了CPU+GPU+DSAs的異構(gòu)融合。2023年9月15日，在湖南長(zhǎng)沙的世界計(jì)算大會(huì)上，《異構(gòu)融合計(jì)算技術(shù)白皮書(shū)》由工信部電子五所發(fā)布（關(guān)注軟硬件融合公眾號(hào)，回復(fù)“白皮書(shū)”，可下載此白皮書(shū)）。

算力芯片的設(shè)計(jì)模式，已經(jīng)從“硬件定義軟件”轉(zhuǎn)向“軟件定義硬件”。傳統(tǒng)的算力芯片設(shè)計(jì)模式，是先有芯片，然后是驅(qū)動(dòng)和開(kāi)發(fā)框架，再然后是基于框架的軟件任務(wù)。但這種方式，每家芯片公司都是一個(gè)獨(dú)立的架構(gòu)，獨(dú)立的生態(tài)。一方面，構(gòu)建生態(tài)的門(mén)檻非常高，另一方面，這種方式對(duì)客戶(hù)非常不友好。特別是在計(jì)算的主流方式從單機(jī)走向大規(guī)模集群計(jì)算的當(dāng)下，客戶(hù)既傾向于統(tǒng)一的計(jì)算平臺(tái)，又不想被特定的廠家綁定。軟件定義硬件的方式，是客戶(hù)和芯片供應(yīng)商最大的公約數(shù)。

這里就計(jì)算的形態(tài)再做進(jìn)一步展開(kāi)。隨著大模型的發(fā)展，計(jì)算需求的規(guī)模越來(lái)越大，和單顆芯片所能提供的性能差距的數(shù)量級(jí)，也在不斷增加。千卡集群、萬(wàn)卡集群，甚至十萬(wàn)卡、百萬(wàn)卡集群也已經(jīng)在路上。超大規(guī)模集群計(jì)算，甚至跨云邊端的融合計(jì)算，已經(jīng)成為了計(jì)算的主流形態(tài)。

摩爾定律告訴我們，每18-24個(gè)月芯片的性能就會(huì)翻倍。NVIDIA黃仁勛的黃氏定律告訴我們，計(jì)算性能會(huì)每一年翻一倍。這兩個(gè)定律意味著，算力芯片的迭代周期是1-2年一代。

軟件的迭代就更快了，軟件開(kāi)發(fā)更是講究“小步快跑”，通常是2-3個(gè)月一個(gè)小迭代，一年一個(gè)大迭代，不然就趕不上業(yè)務(wù)快速發(fā)展的需要。   

2.5 算力基礎(chǔ)設(shè)施的生命周期非常短

傳統(tǒng)基礎(chǔ)設(shè)施，技術(shù)更新?lián)Q代較慢，傳統(tǒng)基礎(chǔ)設(shè)施的生命周期很長(zhǎng)，通常在50年以上，有的甚至100年以上。

而受算力各項(xiàng)技術(shù)的快速更新迭代，特別是摩爾定律和黃氏定律的影響，算力基礎(chǔ)設(shè)施的生命周期通常4-5年。因?yàn)椋?-5年時(shí)間之后，硬件的可靠性會(huì)越來(lái)越差，并且計(jì)算的各項(xiàng)支出越來(lái)越不夠經(jīng)濟(jì)，必須要更換更加先進(jìn)的計(jì)算設(shè)備和相應(yīng)的軟硬件技術(shù)棧。

3 開(kāi)放的技術(shù)棧，開(kāi)放的產(chǎn)業(yè)鏈

國(guó)產(chǎn)算力芯片最大的困境在于生態(tài)：構(gòu)建一個(gè)新的計(jì)算生態(tài)，門(mén)檻非常高，千億級(jí)投入都不一定成功。但行業(yè)除了NVIDIA CUDA生態(tài)之外，還有一個(gè)更加強(qiáng)大的生態(tài)，即全球幾乎所有互聯(lián)網(wǎng)公司（客戶(hù)）都支持的開(kāi)源軟件生態(tài)。基于開(kāi)源軟件，實(shí)現(xiàn)開(kāi)源軟件定義的開(kāi)放硬件，形成一個(gè)更加開(kāi)放更加強(qiáng)大的開(kāi)源的技術(shù)（棧）生態(tài)。   

國(guó)家多個(gè)部委發(fā)文，說(shuō)要構(gòu)建全國(guó)一體化算力網(wǎng)。但一體化算力網(wǎng)，并不意味著是一家公司獨(dú)大，而是意味著算力的充分利用和價(jià)值的最大化發(fā)揮。我們認(rèn)為，未來(lái)也是類(lèi)似公有云的競(jìng)爭(zhēng)態(tài)勢(shì)，最終形成5家左右具有全國(guó)甚至全球影響力的算力網(wǎng)公司，以及10家以上具有行業(yè)和領(lǐng)域特色的專(zhuān)業(yè)算力網(wǎng)公司?？傊?，整個(gè)產(chǎn)業(yè)鏈?zhǔn)情_(kāi)放的：

• IDC，聚焦數(shù)據(jù)中心的基礎(chǔ)設(shè)施；自身的基礎(chǔ)設(shè)施可以服務(wù)公有云和算力中心等各類(lèi)客戶(hù)。
• 算力中心，聚焦算力生產(chǎn)。通過(guò)融合計(jì)算的綜合算力創(chuàng)新優(yōu)化，實(shí)現(xiàn)算力的最高性能和最低成本，以及超大規(guī)模。算力可以賣(mài)給任何一家算力網(wǎng)公司，以及直接賣(mài)給大客戶(hù)。
• 算力網(wǎng)，聚焦業(yè)務(wù)落地。主要聚焦PaaS服務(wù)和算力解決方案，服務(wù)好客戶(hù)業(yè)務(wù)落地。
• 業(yè)務(wù)客戶(hù)，可以從自建的私有云、公有云以及算力網(wǎng)獲得優(yōu)質(zhì)而低成本的且“無(wú)處不在，隨時(shí)隨地可獲取”的算力，服務(wù)好自身的業(yè)務(wù)。

只有開(kāi)放，才能最大限度的發(fā)揮各自的創(chuàng)造力和和市場(chǎng)競(jìng)爭(zhēng)價(jià)值，才能最大限度的實(shí)現(xiàn)技術(shù)的快速進(jìn)步，才能實(shí)現(xiàn)算力芯片和算力產(chǎn)業(yè)鏈的獨(dú)立自主，甚至全球領(lǐng)先。

來(lái)源: 軟硬件融合

nina

<center id="3bcm7"></center>