今天这篇文章,我们来聊聊算力。
这两年,算力可以说是 ICT 行业的一个热门概念。在新闻报道和大咖演讲中,总会出现它的身影。
那么,究竟到底什么是算力?算力包括哪些类别,分别有什么用途?目前,全球算力正处于怎样的发展状态?
接下来,小枣君就给大家详细科普一下。
什么是算力
算力的字面意思,大家都懂,就是计算能力(Computing Power)。
更具体来说,算力是通过对信息数据进行处理,实现目标结果输出的计算能力。
我们人类,其实就具备这样的能力。在我们的生命过程中,每时每刻都在进行着计算。我们的大脑,就是一个强大的算力引擎。
大部分时间里,我们会通过口算、心算进行无工具计算。但是,这样的算力有点低。所以,在遇到复杂情况时,我们会利用算力工具进行深度计算。
远古时期,我们的原始工具是草绳、石头。后来,随着文明的进步,我们有了算筹(一种用于计算的小棍子)、算盘等更为实用的算力工具,算力水平不断提升。
到了 20 世纪 40 年代,我们迎来了算力革命。
1946 年 2 月,世界上第一台数字式电子计算机 ENIAC 诞生,标志着人类算力正式进入了数字电子时代。
▲ ENIAC,1946 年
再后来,随着半导体技术的出现和发展,我们又进入了芯片时代。芯片成为了算力的主要载体。
▲ 世界上第一个集成电路(芯片),1958 年
时间继续推移。
到了 20 世纪 70-80 年代,芯片技术在摩尔定律的支配下,已经取得了长足进步。芯片的性能不断提升,体积不断减小。终于,计算机实现了小型化,PC(个人电脑)诞生了。
▲ 世界上第一台 PC(IBM5150),1981 年
PC 的诞生,意义极为深远。它标志着 IT 算力不再仅为少数大型企业服务(大型机),而是昂首走向了普通家庭和中小企业。它成功打开了全民信息时代的大门,推动了整个社会的信息化普及。
在 PC 的帮助下,人们充分感受到 IT 算力带来的生活品质改善,以及生产效率提升。PC 的出现,也为后来互联网的蓬勃发展奠定了基础。
进入 21 世纪后,算力再次迎来了巨变。这次巨变的标志,是云计算技术的出现。
▲ 云计算,Cloud Computing
在云计算之前,人类苦于单点式计算(一台大型机或一台 PC,独立完成全部的计算任务)的算力不足,已经尝试过网格计算(把一个巨大的计算任务,分解为很多的小型计算任务,交给不同的计算机完成)等分布式计算架构。
云计算,是分布式计算的新尝试。它的本质,是将大量的零散算力资源进行打包、汇聚,实现更高可靠性、更高性能、更低成本的算力。
具体来说,在云计算中,中央处理器(CPU)、内存、硬盘、显卡(GPU)等计算资源被集合起来,通过软件的方式,组成一个虚拟的可无限扩展的“算力资源池”。
用户如果有算力需求,“算力资源池”就会动态地进行算力资源的分配,用户按需付费。
相比于用户自购设备、自建机房、自己运维,云计算有明显的性价比优势。
▲ 云计算数据中心
算力云化之后,数据中心成为了算力的主要载体。人类的算力规模,开始新的飞跃。
算力的分类
云计算和数据中心之所以会出现,是因为信息化和数字化的不断深入,引发了整个社会强烈的算力需求。
这些需求,既有来自消费领域的(移动互联网、追剧、网购、打车、O2O 等),也有来自行业领域的(工业制造、交通物流、金融证券、教育医疗等),还有来自城市治理领域的(智慧城市、一证通、城市大脑等)。
不同的算力应用和需求,有着不同的算法。不同的算法,对算力的特性也有不同要求。通常,我们将算力分为两大类,分别是通用算力和专用算力。
大家应该都听说过,负责输出算力的芯片,就有分为通用芯片和专用芯片。
像 x86 这样的 CPU 处理器芯片,就是通用芯片。它们能完成的算力任务是多样化的,灵活的,但是功耗更高。
而专用芯片,主要是指 FPGA 和 ASIC。
-
FPGA,是可编程集成电路。它可以通过硬件编程来改变内部芯片的逻辑结构,但软件是深度定制的,执行专门任务。
-
ASIC,是专用集成电路。顾名思义,它是为专业用途而定制的芯片,其绝大部分软件算法都固化于硅片。
ASIC 能完成特定的运算功能,作用比较单一,不过能耗很低。FPGA,介于通用芯片和 ASIC 之间。
我们以比特币挖矿为例。
以前,人们都是用 PC(x86 通用芯片)挖矿,后来越挖难度越大,算力不够。于是,开始使用显卡(GPU)去挖矿。再后来,显卡的能耗太高,挖出来的币值还抵不上电费,就开始采用 FPGA 和 ASIC 集群阵列挖矿。
在数据中心里,也对算力任务进行了对应划分,分为基础通用计算,以及 HPC 高性能计算(High-performance computing)。
HPC 计算,又继续细分为三类:
-
科学计算类:物理化学、气象环保、生命科学、石油勘探、天文探测等。
-
工程计算类:计算机辅助工程、计算机辅助制造、电子设计自动化、电磁仿真等。
-
智能计算类:即人工智能(AI,Artificial Intelligence)计算,包括:机器学习、深度学习、数据分析等。
科学计算和工程计算大家应该都听说过,这些专业科研领域的数据产生量很大,对算力的要求极高。
以油气勘探为例。油气勘探,简单来说,就是给地表做 CT。一个项目下来,原始数据往往超过 100TB,甚至可能超过 1 个 PB。如此巨大的数据量,需要海量的算力进行支撑。
智能计算这个,我们需要重点说一下。
AI 人工智能是目前全社会重点关注的发展方向。不管是哪个领域,都在研究人工智能的应用和落地。
人工智能的三大核心要素,就是算力、算法和数据。
大家都知道,AI 人工智能是一个算力大户,特别“吃”算力。在人工智能计算中,涉及较多的矩阵或向量的乘法和加法,专用性较高,所以不适合利用 CPU 进行计算。
在现实应用中,人们主要用 GPU 和前面说的专用芯片进行计算。尤其是 GPU,是目前 AI 算力的主力。
GPU 虽然是图形处理器,但它的 GPU 核(逻辑运算单元)数量远超 CPU,适合把同样的指令流并行发送到众核上,采用不同的输入数据执行,从而完成图形处理或大数据处理中的海量简单操作。
因此,GPU 更合适处理计算密集型、高度并行化的计算任务(例如 AI 计算)。
这几年,因为人工智能计算的需求旺盛,国家还专门建设了很多智算中心,也就是专门进行智能计算的数据中心。
除了智算中心之外,现在还有很多超算中心。超算中心里面,放的都是“天河一号”这样的超级计算机,专门承担各种大规模科学计算和工程计算任务。
我们平时看到的数据中心,基本上都属于云计算数据中心。
任务比较杂,基础通用计算和高性能计算都有,也有大量的异构计算(同时使用不同类型指令集的计算方式)。因为高性能计算的需求越来越多,所以专用计算芯片的比例正在逐步增加。
前几年逐渐开始流行起来的 TPU、NPU 和 DPU 等,其实都是专用芯片。
大家现在经常听说的“算力卸载”,其实不是删除算力,而是把很多计算任务(例如虚拟化、数据转发、压缩存储、加密解密等),从 CPU 转移到 NPU、DPU 等芯片上,减轻 CPU 的算力负担。
近年来,除了基础通用算力、智能算力、超算算力之外,科学界还出现了前沿算力的概念,主要包括量子计算、光子计算等,值得关注。
算力的衡量
算力既然是一个“能力”,当然就会有对它进行强弱衡量的指标和基准单位。大家比较熟悉的单位,应该是 FLOPS、TFLOPS 等。
其实,衡量算力大小的指标还有很多,例如 MIPS、DMIPS、OPS 等。
MFLOPS、GFLOPS、TFLOPS、PFLOPS 等,都是 FLOPS 的不同量级。具体关系如下:
▲ 浮点数有 FP16、FP32、FP64 不同的规格
不同的算力载体之间,算力差异是非常巨大的。为了便于大家更好地理解这个差异,小枣君又做了一张算力对比表格:
前面我们提到了通用计算、智算和超算。从趋势上来看,智算和超算的算力增长速度远远超过了通用算力。
根据 GIV 的数据统计,到 2030 年,通用计算算力(FP32)将增长 10 倍,达到 3.3 ZFLOPS。而 AI 智算算力(FP16),将增长 500 倍,达到 105 ZFLOPS。
算力的现状与未来
早在 1961 年,“人工智能之父”约翰・麦卡锡就提出 Utility Computing(效用计算)的目标。他认为:“有一天,计算可能会被组织成一个公共事业,就像电话系统是一个公共事业一样”。
如今,他的设想已经成为现实。在数字浪潮下,算力已经成为像水、电一样的公共基础资源,而数据中心和通信网络,也变成了重要的公共基础设施。
这是 IT 行业和通信行业辛苦奋斗大半个世纪的成果。
对于整个人类社会来说,算力早已不是一个技术维度的概念。它已经上升到经济学和哲学维度,成为了数字经济时代的核心生产力,以及全社会数智化转型的基石。
我们每个人的生活,还有工厂企业的运转,政府部门的运作,都离不开算力。在国家安全、国防建设、基础学科研究等关键领域,我们也需要海量的算力。
算力决定了数字经济发展速度,以及社会智能发展高度。
根据 IDC、浪潮信息、清华大学全球产业研究院联合发布的数据显示,计算力指数平均每提高 1 点,数字经济和 GDP 将分别增长 3.5‰和 1.8‰。
全球各国的算力规模与经济发展水平,已经呈现出显著的正相关关系。一个国家的算力规模越大,经济发展水平就越高。
▲ 世界各国算力和 GDP 排名(来源:迟九虹,华为算力时代峰会演讲)
在算力领域,国家之间的竞争博弈日益激烈。
2020 年,我国算力总规模达到 135 EFLOPS,同比增长 55%,超过全球增速约 16 个百分点。目前,我们的绝对算力,排名世界第二。
但是,从人均角度来看,我们并不占优势,仅处于中等算力国家水平。
▲ 世界各国人均算力对比(来源:唐雄燕,华为算力时代峰会演讲)
尤其是在芯片等算力核心技术上,我们与发达国家还有很大的差距。很多掐脖子技术未能解决,严重影响了我们的算力安全,进而影响了国家安全。
所以,脚下的路还有很长,我们还需要继续努力。
未来社会,信息化、数字化和智能化将会进一步加快。万物智联时代的到来,大量智能物联网终端的引入,AI 智能场景的落地,将产生难以想象的海量数据。
这些数据,将进一步刺激对算力的需求。
根据罗兰贝格的预测,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,增加 20 倍,变成 2035 年的 10000 GFLOPS。
根据浪潮人工智能研究院的预测,到 2025 年,全球算力规模将达 6.8 ZFLOPS,与 2020 年相比提升 30 倍。
新一轮的算力革命,正在加速启动。