什么是“算力” 這篇文章值得一看

　　今天這篇文章，我們來(lái)聊聊算力。

　　這兩年，算力可以說(shuō)是ICT行業(yè)的一個(gè)熱門概念。在新聞報(bào)道和大咖演講中，總會(huì)出現(xiàn)它的身影。

　　那么，究竟到底什么是算力?算力包括哪些類別，分別有什么用途?目前，全球算力正處于怎樣的發(fā)展?fàn)顟B(tài)?

　　接下來(lái)，小棗君就給大家詳細(xì)科普一下。

　　什么是算力

　　算力的字面意思，大家都懂，就是計(jì)算能力(Computing Power)。

　　更具體來(lái)說(shuō)，算力是通過(guò)對(duì)信息數(shù)據(jù)進(jìn)行處理，實(shí)現(xiàn)目標(biāo)結(jié)果輸出的計(jì)算能力。

　　我們?nèi)祟�，其�?shí)就具備這樣的能力。在我們的生命過(guò)程中，每時(shí)每刻都在進(jìn)行著計(jì)算。我們的大腦，就是一個(gè)強(qiáng)大的算力引擎。

　　大部分時(shí)間里，我們會(huì)通過(guò)口算、心算進(jìn)行無(wú)工具計(jì)算。但是，這樣的算力有點(diǎn)低。所以，在遇到復(fù)雜情況時(shí)，我們會(huì)利用算力工具進(jìn)行深度計(jì)算。

　　遠(yuǎn)古時(shí)期，我們的原始工具是草繩、石頭。后來(lái)，隨著文明的進(jìn)步，我們有了算籌(一種用于計(jì)算的小棍子)、算盤等更為實(shí)用的算力工具，算力水平不斷提升。

　　到了20世紀(jì)40年代，我們迎來(lái)了算力革命。

　　1946年2月，世界上第一臺(tái)數(shù)字式電子計(jì)算機(jī)ENIAC誕生，標(biāo)志著人類算力正式進(jìn)入了數(shù)字電子時(shí)代。

　　ENIAC，1946年

　　再后來(lái)，隨著半導(dǎo)體技術(shù)的出現(xiàn)和發(fā)展，我們又進(jìn)入了芯片時(shí)代。芯片成為了算力的主要載體。

　　世界上第一個(gè)集成電路(芯片)，1958年

　　時(shí)間繼續(xù)推移。

　　到了20世紀(jì)70-80年代，芯片技術(shù)在摩爾定律的支配下，已經(jīng)取得了長(zhǎng)足進(jìn)步。芯片的性能不斷提升，體積不斷減小。終于，計(jì)算機(jī)實(shí)現(xiàn)了小型化，PC(個(gè)人電腦)誕生了。

　　世界上第一臺(tái)PC(IBM5150)，1981年

　　PC的誕生，意義極為深遠(yuǎn)。它標(biāo)志著IT算力不再僅為少數(shù)大型企業(yè)服務(wù)(大型機(jī))，而是昂首走向了普通家庭和中小企業(yè)。它成功打開(kāi)了全民信息時(shí)代的大門，推動(dòng)了整個(gè)社會(huì)的信息化普及。

　　在PC的幫助下，人們充分感受到IT算力帶來(lái)的生活品質(zhì)改善，以及生產(chǎn)效率提升。PC的出現(xiàn)，也為后來(lái)互聯(lián)網(wǎng)的蓬勃發(fā)展奠定了基礎(chǔ)。

　　進(jìn)入21世紀(jì)后，算力再次迎來(lái)了巨變。

　　這次巨變的標(biāo)志，是云計(jì)算技術(shù)的出現(xiàn)。

　　云計(jì)算，Cloud Computing

　　在云計(jì)算之前，人類苦于單點(diǎn)式計(jì)算(一臺(tái)大型機(jī)或一臺(tái)PC，獨(dú)立完成全部的計(jì)算任務(wù))的算力不足，已經(jīng)嘗試過(guò)網(wǎng)格計(jì)算(把一個(gè)巨大的計(jì)算任務(wù)，分解為很多的小型計(jì)算任務(wù)，交給不同的計(jì)算機(jī)完成)等分布式計(jì)算架構(gòu)。

　　云計(jì)算，是分布式計(jì)算的新嘗試。它的本質(zhì)，是將大量的零散算力資源進(jìn)行打包、匯聚，實(shí)現(xiàn)更高可靠性、更高性能、更低成本的算力。

　　具體來(lái)說(shuō)，在云計(jì)算中，中央處理器(CPU)、內(nèi)存、硬盤、顯卡(GPU)等計(jì)算資源被集合起來(lái)，通過(guò)軟件的方式，組成一個(gè)虛擬的可無(wú)限擴(kuò)展的“算力資源池”。

　　用戶如果有算力需求，“算力資源池”就會(huì)動(dòng)態(tài)地進(jìn)行算力資源的分配，用戶按需付費(fèi)。

　　相比于用戶自購(gòu)設(shè)備、自建機(jī)房、自己運(yùn)維，云計(jì)算有明顯的性價(jià)比優(yōu)勢(shì)。

　　算力云化之后，數(shù)據(jù)中心成為了算力的主要載體。人類的算力規(guī)模，開(kāi)始新的飛躍。

　　算力的分類

　　云計(jì)算和數(shù)據(jù)中心之所以會(huì)出現(xiàn)，是因?yàn)樾畔⒒�和�?shù)字化的不斷深入，引發(fā)了整個(gè)社會(huì)強(qiáng)烈的算力需求。

　　這些需求，既有來(lái)自消費(fèi)領(lǐng)域的(移動(dòng)互聯(lián)網(wǎng)、追劇、網(wǎng)購(gòu)、打車、O2O等)，也有來(lái)自行業(yè)領(lǐng)域的(工業(yè)制造、交通物流、金融證券、教育醫(yī)療等)，還有來(lái)自城市治理領(lǐng)域的(智慧城市、一證通、城市大腦等)。

　　不同的算力應(yīng)用和需求，有著不同的算法。不同的算法，對(duì)算力的特性也有不同要求。

　　通常，我們將算力分為兩大類，分別是通用算力和專用算力。

　　大家應(yīng)該都聽(tīng)說(shuō)過(guò)，負(fù)責(zé)輸出算力的芯片，就有分為通用芯片和專用芯片。

　　像x86這樣的CPU處理器芯片，就是通用芯片。它們能完成的算力任務(wù)是多樣化的，靈活的，但是功耗更高。

　　而專用芯片，主要是指FPGA和ASIC。

　　FPGA，是可編程集成電路。它可以通過(guò)硬件編程來(lái)改變內(nèi)部芯片的邏輯結(jié)構(gòu)，但軟件是深度定制的，執(zhí)行專門任務(wù)。

　　ASIC，是專用集成電路。顧名思義，它是為專業(yè)用途而定制的芯片，其絕大部分軟件算法都固化于硅片。

　　ASIC能完成特定的運(yùn)算功能，作用比較單一，不過(guò)能耗很低。FPGA，介于通用芯片和ASIC之間。

　　我們以比特幣挖礦為例。

　　以前，人們都是用PC(x86通用芯片)挖礦，后來(lái)越挖難度越大，算力不夠。于是，開(kāi)始使用顯卡(GPU)去挖礦。再后來(lái)，顯卡的能耗太高，挖出來(lái)的幣值還抵不上電費(fèi)，就開(kāi)始采用FPGA和ASIC集群陣列挖礦。

　　在數(shù)據(jù)中心里，也對(duì)算力任務(wù)進(jìn)行了對(duì)應(yīng)劃分，分為基礎(chǔ)通用計(jì)算，以及HPC高性能計(jì)算(High-performance computing)。

　　HPC計(jì)算，又繼續(xù)細(xì)分為三類：

　　科學(xué)計(jì)算類：物理化學(xué)、氣象環(huán)保、生命科學(xué)、石油勘探、天文探測(cè)等。

　　工程計(jì)算類：計(jì)算機(jī)輔助工程、計(jì)算機(jī)輔助制造、電子設(shè)計(jì)自動(dòng)化、電磁仿真等。

　　智能計(jì)算類：即人工智能(AI，Artificial Intelligence)計(jì)算，包括：機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、數(shù)據(jù)分析等。

　　科學(xué)計(jì)算和工程計(jì)算大家應(yīng)該都聽(tīng)說(shuō)過(guò)，這些專業(yè)科研領(lǐng)域的數(shù)據(jù)產(chǎn)生量很大，對(duì)算力的要求極高。

　　以油氣勘探為例。油氣勘探，簡(jiǎn)單來(lái)說(shuō)，就是給地表做CT。一個(gè)項(xiàng)目下來(lái)，原始數(shù)據(jù)往往超過(guò)100TB，甚至可能超過(guò)1個(gè)PB。如此巨大的數(shù)據(jù)量，需要海量的算力進(jìn)行支撐。

　　智能計(jì)算這個(gè)，我們需要重點(diǎn)說(shuō)一下。

　　AI人工智能是目前全社會(huì)重點(diǎn)關(guān)注的發(fā)展方向。不管是哪個(gè)領(lǐng)域，都在研究人工智能的應(yīng)用和落地。

　　人工智能的三大核心要素，就是算力、算法和數(shù)據(jù)。

　　大家都知道，AI人工智能是一個(gè)算力大戶，特別“吃”算力。在人工智能計(jì)算中，涉及較多的矩陣或向量的乘法和加法，專用性較高，所以不適合利用CPU進(jìn)行計(jì)算。

　　在現(xiàn)實(shí)應(yīng)用中，人們主要用GPU和前面說(shuō)的專用芯片進(jìn)行計(jì)算。尤其是GPU，是目前AI算力的主力。

　　GPU雖然是圖形處理器，但它的GPU核(邏輯運(yùn)算單元)數(shù)量遠(yuǎn)超CPU， 適合把同樣的指令流并行發(fā)送到眾核上，采用不同的輸入數(shù)據(jù)執(zhí)行，從而完成圖形處理或大數(shù)據(jù)處理中的海量簡(jiǎn)單操作。

　　因此，GPU更合適處理計(jì)算密集型、高度并行化的計(jì)算任務(wù)(例如AI計(jì)算)。

　　這幾年，因?yàn)槿斯ぶ悄苡?jì)算的需求旺盛，國(guó)家還專門建設(shè)了很多智算中心，也就是專門進(jìn)行智能計(jì)算的數(shù)據(jù)中心。

　　除了智算中心之外，現(xiàn)在還有很多超算中心。超算中心里面，放的都是“天河一號(hào)”這樣的超級(jí)計(jì)算機(jī)，專門承擔(dān)各種大規(guī)�？茖W(xué)計(jì)算和工程計(jì)算任務(wù)。

　　我們平時(shí)看到的數(shù)據(jù)中心，基本上都屬于云計(jì)算數(shù)據(jù)中心。

　　任務(wù)比較雜，基礎(chǔ)通用計(jì)算和高性能計(jì)算都有，也有大量的異構(gòu)計(jì)算(同時(shí)使用不同類型指令集的計(jì)算方式)。因?yàn)楦咝阅苡?jì)算的需求越來(lái)越多，所以專用計(jì)算芯片的比例正在逐步增加。

　　前幾年逐漸開(kāi)始流行起來(lái)的TPU、NPU和DPU等，其實(shí)都是專用芯片。

　　大家現(xiàn)在經(jīng)常聽(tīng)說(shuō)的“算力卸載”，其實(shí)不是刪除算力，而是把很多計(jì)算任務(wù)(例如虛擬化、數(shù)據(jù)轉(zhuǎn)發(fā)、壓縮存儲(chǔ)、加密解密等)，從CPU轉(zhuǎn)移到NPU、DPU等芯片上，減輕CPU的算力負(fù)擔(dān)。

　　近年來(lái)，除了基礎(chǔ)通用算力、智能算力、超算算力之外，科學(xué)界還出現(xiàn)了前沿算力的概念，主要包括量子計(jì)算、光子計(jì)算等，值得關(guān)注。

　　算力的衡量

　　算力既然是一個(gè)“能力”，當(dāng)然就會(huì)有對(duì)它進(jìn)行強(qiáng)弱衡量的指標(biāo)和基準(zhǔn)單位。大家比較熟悉的單位，應(yīng)該是FLOPS、TFLOPS等。

　　其實(shí)，衡量算力大小的指標(biāo)還有很多，例如MIPS、DMIPS、OPS等。

　　MFLOPS、GFLOPS、TFLOPS、PFLOPS等，都是FLOPS的不同量級(jí)。具體關(guān)系如下：

　　浮點(diǎn)數(shù)有FP16、FP32、FP64不同的規(guī)格

　　不同的算力載體之間，算力差異是非常巨大的。為了便于大家更好地理解這個(gè)差異，小棗君又做了一張算力對(duì)比表格：

　　前面我們提到了通用計(jì)算、智算和超算。從趨勢(shì)上來(lái)看，智算和超算的算力增長(zhǎng)速度遠(yuǎn)遠(yuǎn)超過(guò)了通用算力。

　　根據(jù)GIV的數(shù)據(jù)統(tǒng)計(jì)，到2030年，通用計(jì)算算力(FP32)將增長(zhǎng)10倍，達(dá)到3.3 ZFLOPS。而AI智算算力(FP16)，將增長(zhǎng)500倍，達(dá)到105 ZFLOPS。

　　算力的現(xiàn)狀與未來(lái)

　　早在1961年，“人工智能之父”約翰·麥卡錫就提出Utility Computing(效用計(jì)算)的目標(biāo)。他認(rèn)為：“有一天，計(jì)算可能會(huì)被組織成一個(gè)公共事業(yè)，就像電話系統(tǒng)是一個(gè)公共事業(yè)一樣”。

　　如今，他的設(shè)想已經(jīng)成為現(xiàn)實(shí)。在數(shù)字浪潮下，算力已經(jīng)成為像水、電一樣的公共基礎(chǔ)資源，而數(shù)據(jù)中心和通信網(wǎng)絡(luò)，也變成了重要的公共基礎(chǔ)設(shè)施。

　　這是IT行業(yè)和通信行業(yè)辛苦奮斗大半個(gè)世紀(jì)的成果。

　　對(duì)于整個(gè)人類社會(huì)來(lái)說(shuō)，算力早已不是一個(gè)技術(shù)維度的概念。它已經(jīng)上升到經(jīng)濟(jì)學(xué)和哲學(xué)維度，成為了數(shù)字經(jīng)濟(jì)時(shí)代的核心生產(chǎn)力，以及全社會(huì)數(shù)智化轉(zhuǎn)型的基石。

　　我們每個(gè)人的生活，還有工廠企業(yè)的運(yùn)轉(zhuǎn)，政府部門的運(yùn)作，都離不開(kāi)算力。在國(guó)家安全、國(guó)防建設(shè)、基礎(chǔ)學(xué)科研究等關(guān)鍵領(lǐng)域，我們也需要海量的算力。

　　算力決定了數(shù)字經(jīng)濟(jì)發(fā)展速度，以及社會(huì)智能發(fā)展高度。

　　根據(jù)IDC、浪潮信息、清華大學(xué)全球產(chǎn)業(yè)研究院聯(lián)合發(fā)布的數(shù)據(jù)顯示，計(jì)算力指數(shù)平均每提高1點(diǎn)，數(shù)字經(jīng)濟(jì)和GDP將分別增長(zhǎng)3.5‰和1.8‰。

　　全球各國(guó)的算力規(guī)模與經(jīng)濟(jì)發(fā)展水平，已經(jīng)呈現(xiàn)出顯著的正相關(guān)關(guān)系。一個(gè)國(guó)家的算力規(guī)模越大，經(jīng)濟(jì)發(fā)展水平就越高。

　　世界各國(guó)算力和GDP排名(來(lái)源：遲九虹，華為算力時(shí)代峰會(huì)演講)

　　在算力領(lǐng)域，國(guó)家之間的競(jìng)爭(zhēng)博弈日益激烈。

　　2020年，我國(guó)算力總規(guī)模達(dá)到135 EFLOPS，同比增長(zhǎng)55%，超過(guò)全球增速約16個(gè)百分點(diǎn)。目前，我們的絕對(duì)算力，排名世界第二。

　　但是，從人均角度來(lái)看，我們并不占優(yōu)勢(shì)，僅處于中等算力國(guó)家水平。

　　世界各國(guó)人均算力對(duì)比(來(lái)源：唐雄燕，華為算力時(shí)代峰會(huì)演講)

　　尤其是在芯片等算力核心技術(shù)上，我們與發(fā)達(dá)國(guó)家還有很大的差距。很多掐脖子技術(shù)未能解決，嚴(yán)重影響了我們的算力安全，進(jìn)而影響了國(guó)家安全。

　　所以，腳下的路還有很長(zhǎng)，我們還需要繼續(xù)努力。

　　最近，對(duì)手又打起了光刻機(jī)的主意

　　未來(lái)社會(huì)，信息化、數(shù)字化和智能化將會(huì)進(jìn)一步加快。萬(wàn)物智聯(lián)時(shí)代的到來(lái)，大量智能物聯(lián)網(wǎng)終端的引入，AI智能場(chǎng)景的落地，將產(chǎn)生難以想象的海量數(shù)據(jù)。

　　這些數(shù)據(jù)，將進(jìn)一步刺激對(duì)算力的需求。

　　根據(jù)羅蘭貝格的預(yù)測(cè)，從2018年到2030年，自動(dòng)駕駛對(duì)算力的需求將增加390倍，智慧工廠需求將增長(zhǎng)110倍，主要國(guó)家人均算力需求將從今天的不足500 GFLOPS，增加20倍，變成2035年的10000 GFLOPS。

　　根據(jù)浪潮人工智能研究院的預(yù)測(cè)，到2025年，全球算力規(guī)模將達(dá)6.8 ZFLOPS，與2020年相比提升30倍。

　　新一輪的算力革命，正在加速啟動(dòng)。

　　結(jié)語(yǔ)

　　算力是如此重要的資源，但事實(shí)上，我們對(duì)算力的利用仍然存在很多問(wèn)題。

　　比如算力利用率問(wèn)題，以及算力分布均衡性問(wèn)題。根據(jù)IDC的數(shù)據(jù)顯示，企業(yè)分散的小算力利用率，目前僅為10%-15%，存在很大的浪費(fèi)。

　　摩爾定律從2015年開(kāi)始放緩，單位能耗下的算力增速已經(jīng)逐漸被數(shù)據(jù)量增速拉開(kāi)差距。我們?cè)诓粩嗤诰蛐酒�算力潛力的同時(shí)，必須考慮算力的資源調(diào)度問(wèn)題。

　　那么，我們?cè)撊绾螌?duì)算力進(jìn)行調(diào)度呢?現(xiàn)有的通信網(wǎng)絡(luò)技術(shù)，能夠滿足算力的調(diào)度需求嗎?