21世紀經濟報道記者駱軼琪 深圳報道

(資料圖片僅供參考)

隨著各行各業積極擁抱數字經濟，算力正成為重要的資源條件，伴隨而來是對算力網絡的建設需求。

近日舉行的超算賦能高質量發展論壇期間，中科院計算所研究員、并行軟件實驗室主任張云泉在演講中提出，算力是硬件和軟件配合共同執行某種計算需求的能力，其越來越成為數字經濟社會發展的關鍵。

由于超算、云計算、大數據、AI正在融合創新發展，以計算為核心的算力經濟將成為衡量一個地方數字經濟發展程度的代表性指標和新舊動能轉換的主要手段。

中國工程院院士張宏科則指出，目前信息網絡已成為大國博弈的核心與關鍵，我國亟需研究和探索算力網絡技術創新來滿足自主可控和網絡強國等重大戰略建設需求及新興行業的技術創新需求。

在他看來，異構網絡的深度融合與網絡智慧化創新，正成為網絡技術發展的兩大必然趨勢，需要從基礎理論、關鍵技術和示范應用三個層面進行突破，創建替代兼容、自主可控、深度融合、高級智慧的算力網絡體系。

算力網絡協同發展

張宏科院士認為，算力作為資源，類似于通信、水力電力網絡等資源，未來的目標是實現“即插即用”，現在還在探路階段。

舉例來說，當前用戶的網絡是綁定某家運營商，計算機IP被捆綁在某個網端，不能把用戶和應用都遷移到相應的數據中心，就需要網絡技術端進行突破融合，這背后是從技術和體制層面都需要突破。

據張云泉介紹，算力網絡是一種根據業務需求，在云、網、邊之間按需分配和靈活調度計算資源、存儲資源以及網絡資源的新型信息基礎設施。這將成為數字時代的“電網”，讓計算更加隨時隨地、即開即用。

總體來說，狹義的算力經濟，是圍繞算力形成的計算產業，如數據中心、芯片、元器件、操作系統、應用軟件等。廣義的算力經濟包括數字產業化、產業數字化和城市數字化提供算力基礎設施和支撐保障的新模式新業態，即算力+產業體系。

目前國內的計算主體是以超算、智算、大數據中心、城市大腦四種形式并行發展。

受訪時張云泉向21世紀經濟報道記者表示，“算力網絡的發展可以追溯到十多年前，在超級計算領域有‘網格計算’概念，目的是把超算中心通過高速網絡連接起來，共同完成一件重要的計算項目。”張云泉介紹，這是通過模仿電網概念而來，意在將超算中心串聯成一張算力網絡執行計算任務。因此算力網絡與全國一體化布局的“東數西算”之間存在強耦合關系。

張云泉觀察發現，目前有多種部署算力網絡的運營模式。如有提出把智算中心能力進行連接的“鵬程云腦”；有推動超算中心能力連接的曙光智算；也有從標準和協議著手拉動核心產業鏈公司共同推動的算網云協同系統工作委員會模式等。

“當然，建立算力網絡還面臨一定難題，包括架構設計、軟件棧建設、算力和存力如何調度、不同算力中心能力如何整合等，需要進一步完成定性。”他進一步分析。

國家超級計算深圳中心主任馮圣中則向記者講述，早在上世紀60年代開始，美國就開始研究，如何保證在極端條件下，算力的可持續服務問題，互聯網即發端于此。到上世紀90年代相關技術成熟并演變為互聯網經濟。到今天，全世界的超算中心應該說早已連接在了一起，但應用生態成為算力融合發展的關鍵挑戰。

“超算應用的移植、優化、生態適配等還有大量工作要做，比如基于不同架構或系統的硬件之間，難以實現輕松融合。”他指出，當前超算面臨的首要問題就是建設生態，沒有生態就無法吸引應用在超算平臺落地。這將涉及操作系統、基礎軟件、應用軟件等多個層面，因此單純依靠某一家廠商完成不現實。

展望未來趨勢，張云泉表示，算力經濟的普及一定是走標準化道路，需要類似電力插座一樣的算力插座。那么未來會出現類似發電廠的算力工廠，尤其出現在西部新能源發達的地區。

其中，不同類型的產業角色：超算云公司（超算互聯網）、網絡通信公司（算網融合）、國家電網（近電廠算力中心）等，分別從不同技術途徑搶占算力服務市場，鹿死誰手尚未可知。

同時，他建議盡快推進國家算網、算力調度、算力交易等方面的新型組織機構和平臺的建設；推出算力服務的評測標準，確保算力服務健康發展。

大模型的機遇挑戰

去年底以來火熱全球的生成式AI浪潮，正對算力提出旺盛需求。

張云泉認為，通用模型不需要很多，只需要訓練出若干水平很高的大模型，然后由此衍生到各個行業落地，形成更多行業垂直模型、基于本地需要的模型、個人服務模型等不同類型垂直領域模型，如此可以減少對大模型的重復競爭問題，也能更資源集約、不會有上萬顆那么龐大的GPU需求。

不過他告訴記者，算力網絡與AI大模型的算力需求不太匹配，因為AI大模型多為單一對大算力的需求，需要上萬塊GPU卡工作，其對網絡帶寬的要求很高，由此也考驗GPU和內存間的高速互聯技術。

馮圣中則認為，從技術發展角度值得探討的話題是，能否用相對小的算力資源，達到不亞于當前GPT4所能實現的成果。這背后需要關注技術創新、算法創新等方向。

“舉例來說，我們常說人工智能還遠不是人類智能。人類孩童的成長其實是用小數據吸收和學習，而不是通過大數據訓練。那么計算機是否也可以不用那么多GPU卡，通過算法創新逼近人類智能？這是值得關注的。”他指出。

基于當前現狀，張云泉對記者分析，生成式AI對于國內相關計算產業鏈產業而言，有軟、硬兩方面值得關注。

具體來說，當前國產計算芯片多側重在發展推理能力，但如今備受爭搶的英偉達旗下芯片則涵蓋AI訓練能力，后者是需要補上的短板；此外，軟件生態的建設進展將對其落地產業起到重要作用，這尤其需要重視。為此，英偉達曾耗費不下10億美元研發CUDA語言，提供免費培訓、在學校開設課程等，由此培養出百萬量級CUDA工程師，這也是英偉達稱霸GPU市場的其中一個支點。

軟件生態的發展同樣對超算應用有重要作用。張云泉對記者分析，超算中心聚焦的領域相對窄，以服務科學計算為主，目前的短板在于面向工業、商業計算等領域，相關支持軟件較為缺乏。“難點在于，能否孵化服務超級計算機的CAD軟件、CAE軟件、工業軟件等。”他進一步指出，也要從法律和知識產權保護方面對軟件服務行業提供更多支持，由此才能為軟件生態構建提供更大發展空間。

關鍵詞：