“算力经济”时代扑面而来,智算中心成未来数据中心进化方向

作为一种新型生产力,算力是支撑数字经济蓬勃发展的重要“底座”,是激活数据要素潜能、驱动经济社会数字化转型、推动数字政府建设的新引擎。

本文来自科技云报到。

自第三次工业革命以来,算力与人们生活越来越密不可分。

2345截图20220818151609.png

如今,算力正在成为像水、电一样必不可少的基础设施,尤其是近三年疫情倒逼产业数字化的发展,进一步提升了算力对于社会运转的重要程度。

作为一种新型生产力,算力是支撑数字经济蓬勃发展的重要“底座”,是激活数据要素潜能、驱动经济社会数字化转型、推动数字政府建设的新引擎。

但如何更好地调用算力资源、分配算力,已成为当下行业关注的重点。

全球加速迈向

算力经济时代

算力对数字经济乃至经济社会数字化转型发展具有明显带动作用,是新发展格局下衡量经济状况的“晴雨表”和“助推器”。统计分析显示,计算力指数的水平,与国家GDP的发展水平,与数字经济的发展水平呈现出明显的正相关的关系。

2345截图20220818151609.png

根据分析结果,在15个国家里,算力指数每提高1%,数字经济和GDP将分别增长3.5‰和1.8‰。

2345截图20220818151609.png

图片数据来源:《2020全球计算力指数评估报告》

伴随万物感知、万物互联以及万物智能时代的开启,全球算力面临巨大缺口,其规模将以前所未有之势迅速增长。

据业界统计,2020年全球算力总规模达到429 EFLOPS(每秒浮点运算次数),增速达到39%。

预计未来五年,全球算力规模将以超过50%的速度增长。工信部数据显示,截至2022年6月底,我国算力总规模超过150 EFLOPS,位居全球第二。

算力具有极强的扩散性和渗透性,有着高度的产业前后向关联度,少量投入即有望直接带动区域经济发展质量的全面提升。

算力的快速发展,将加速数字产业化和产业数字化进程,算力经济已成为关乎国计民生的重要概念。

不断进击的算力基础设施

据中国信通院数据统计,2016-2021年,我国数字经济规模从22.6万亿元增至45.5万亿元,增长1.01倍,总量稳居世界第二,占GDP的比重39.8%。

2021年全年,我国数据产量达到6.6ZB,占全球数据总产量(67ZB)的9.9%,仅次于美国而位列全球第二;且近三年来,数据产量保持每年30%左右的增速。

与数据同步快速增长的还有算力基础设施数量。工信部数据显示,截至2021年底,我国在用数据中心机架总规模达520万标准机架,在用数据中心服务器规模1900万台,算力总规模超过140 EFLOPS。全国在用超大型和大型数据中心超过450个,智算中心超过20个。

迈入数字化时代后,数据呈指数级爆发,整个社会都在迎接强烈的算力需要。网购、追剧、游戏,甚至出行、吃饭,生活中的方方面面都需要算力的支撑。不仅如此,在工业制造、智慧金融、智慧医疗、智慧城市等领域,随着行业的数字化程度逐步提高,算力需求开始急速攀升。

在不同的需求背后,所需要的算力类型也有所不同。

按照规模,算力可分为基础算力(基于CPU芯片)、智能算力(基于GPU和NPU芯片)和超算算力。

基础算力用于满足日常的网购、游戏等基础需求;智能算力主要用于人工智能的训练和推理计算,常见如语音、图像和视频的处理;超算算力是超级计算机所提供的算力,一般用于行星模拟、基因分析等高科技研究领域。

随着人工智能、自动驾驶等智能化应用的持续发展,我国的算力结构也发生了一定变化。其中,智能算力的增长规模远超通用算力。

据中国信通院预测,到2023年,智能算力在总算力中的比重将超过70%,发挥核心拉动作用。

管理咨询公司罗兰贝格也提到,从2018年到2030年,自动驾驶对算力的需求将增加390倍,智慧工厂需求将增长110倍,主要国家人均算力需求将从今天的不足500 GFLOPS(每秒10亿次的浮点运算数),增加20倍,到2035年将达到10000 GFLOPS。

从“计算”到“智算”

19世纪末,西方国家每个工厂、每条电车道都有自己的发电设备,有的城市电力有10种不同的频率、32种不同的电压、70种不同的电价。

经过多年努力,才形成了同一频率、同一电压的电力公共基础设施。

目前,人们所希望的算力网络像供水和供电一样“一点接入,即取即用”,还只是一种愿景。

算力网络的实现比交通和能源网络复杂得多,至少需要关注三个问题。

一是接口,用户如何和资源进行对接?

二是服务设备,用户通过什么设备将资源转换成服务?

三是产品的异质性,计算是一种复杂的服务,不同的编程语言和硬件如何兼容?

现在,科研工作者正在研究包括任务交换技术、智能流抽象、资源赋名、控域、网程、标签化体系结构、内构安全、在网计算等技术,算力网络的关键技术正在逐步突破。

与此同时,随着越来越多智能化场景的出现,以数据为核心的AI场景智能化应用的使用趋势正在增加,算力也因需而变,正在从计算走向智算。

智能计算和通用计算的区别,在于通用计算主要面向传统的计算处理任务,或者离线大数据的计算,而智能计算可以满足许多领域对人工智能、机器学习、深度学习的新需求,比如科研、自动驾驶、生物制药、智能制造、数字孪生、空间治理等一系列的场景。

简单来说,智算中心就是专门服务于人工智能的数据计算中心,能够为人工智能计算提供所需的专用算力。

随着智能推荐、自动驾驶、智能制造等领域发展迅速,超大规模AI模型对算力的需求不断提高,智算中心的建设也纷纷被提上日程。

2345截图20220818151609.png

数据来源:《智能计算中心规划建设指南》

相比传统数据中心,智算中心能满足更具针对性的需求,以及更大的计算体量和更快的计算速度。

从硬件上来看,传统数据中心多采用通用计算的CPU,而智算中心中更多的是GPU等进行AI训练的芯片;软件上,智算中心会部署不同的人工智能框架,用于分配计算任务提高效率,并且提供了人工智能应用开发工具。

而智算中心不仅包含算力基础设施,还有算法基础设施。算力基建化只是第一步,接下来,还需要加强算法基础设施建设。

只有实现算法基建化,才能让更多的企业享受普适普惠的智算服务。

当前,全球计算产业正步入黄金时代。据IDC预测,全球计算产业投资空间预计到2023年实现1.14万亿美元。

中国作为全球计算产业的主要推动力,市场份额约占全球的10%,近1043亿美元。

我国明确提出,在全国布局算力网络国家枢纽节点,同时积极推进智能计算中心建设,发力构建普适普惠、安全可靠的现代化基础设施体系和生态,打造更多强大的算力“底座”。

未来,智算中心将围绕开放标准、集约高效、普适普惠三个原则开展建设,并呈现出三个主要趋势:更加开放多元的架构与标准体系;通过算力、算法的基建化和一体化,让服务更高效;建立智算生态,让智算中心更好用。

在数字化时代,当算力成为核心竞争力,这张十年织就的网络,即将迎来更大的爆发时刻。

THEEND

最新评论(评论仅代表用户观点)

更多
暂无评论