生產(chǎn)力到創(chuàng)新力：智算中心煥新，促數(shù)實(shí)相融更上層樓

《“十四五”數(shù)字經(jīng)濟(jì)發(fā)展規(guī)劃》提出以數(shù)字技術(shù)與實(shí)體經(jīng)濟(jì)深度融合為主線，加強(qiáng)數(shù)字基礎(chǔ)設(shè)施建設(shè)，完善數(shù)字經(jīng)濟(jì)治理體系，協(xié)同推進(jìn)數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化，賦能傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)，培育新產(chǎn)業(yè)新業(yè)態(tài)新模式，不斷做強(qiáng)、做優(yōu)、做大我國(guó)數(shù)字經(jīng)濟(jì)，為構(gòu)建數(shù)字中國(guó)提供有力支撐。

為此，從2020年至今，發(fā)改委、工信部等先后發(fā)布多個(gè)文件，包括《關(guān)于加快構(gòu)建全國(guó)一體化大數(shù)據(jù)中心協(xié)同創(chuàng)新體系的指導(dǎo)意見》、《全國(guó)一體化大數(shù)據(jù)中心協(xié)同創(chuàng)新體系算力樞紐實(shí)施方案》、《新型數(shù)據(jù)中心發(fā)展三年行動(dòng)計(jì)劃（2021-2023年）》，全國(guó)統(tǒng)一的數(shù)據(jù)中心基礎(chǔ)設(shè)施建設(shè)已經(jīng)全面鋪開。

正是在這樣的大背景下，以“智算創(chuàng)見，數(shù)實(shí)相融”為主題的浪潮信息生態(tài)伙伴IPF2022召開。那么通過此次大會(huì)，我們能夠管窺到中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展中，作為基礎(chǔ)設(shè)施底座的算力怎樣的發(fā)展趨勢(shì)？對(duì)于國(guó)家大力推動(dòng)的數(shù)實(shí)融合會(huì)有何影響？相關(guān)企業(yè)對(duì)此有何新的產(chǎn)業(yè)洞見和舉措？

數(shù)實(shí)融合深化升級(jí)，算力從通用到智算大勢(shì)所趨

提及數(shù)實(shí)融合，從理論上看，就是數(shù)字世界同物理世界的融合，現(xiàn)實(shí)世界的需求推動(dòng)數(shù)字世界的發(fā)展，數(shù)字世界的發(fā)展來引導(dǎo)現(xiàn)實(shí)世界的運(yùn)行。而眾所周知的事實(shí)是，數(shù)字世界是“算”出來的世界，是運(yùn)行在服務(wù)器、終端等計(jì)算平臺(tái)上的世界，“數(shù)字世界一切皆計(jì)算”。

而上述理論落實(shí)到當(dāng)下全球及我國(guó)大力實(shí)踐的數(shù)字經(jīng)濟(jì)中，數(shù)實(shí)融合體現(xiàn)的則是以算力為基礎(chǔ)，將所謂物理世界中抽象的技術(shù)（例如目前炙手可熱的、物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等）應(yīng)用到百行千業(yè)（現(xiàn)實(shí)世界）中，轉(zhuǎn)換成實(shí)在的生產(chǎn)力，實(shí)現(xiàn)數(shù)字經(jīng)濟(jì)的量化（例如促進(jìn)GDP的增長(zhǎng)），提升國(guó)家的競(jìng)爭(zhēng)力。

基于此，從國(guó)家戰(zhàn)略層面看，當(dāng)下，中國(guó)經(jīng)濟(jì)已經(jīng)進(jìn)入高質(zhì)量發(fā)展階段，即對(duì)推進(jìn)數(shù)實(shí)融合的需求不僅迫切，而且呈現(xiàn)出高質(zhì)量的特征，而高質(zhì)量發(fā)展的基本特征就是以創(chuàng)新驅(qū)動(dòng)增長(zhǎng)，推動(dòng)經(jīng)濟(jì)發(fā)展向結(jié)構(gòu)更合理、附加值更高的階段演化，同時(shí)，數(shù)字經(jīng)濟(jì)的根本屬性也是科技創(chuàng)新。所以未來中國(guó)經(jīng)濟(jì)的數(shù)實(shí)融合，不論是從規(guī)模還是深度廣度上，都在向更高層次推進(jìn)，而伴隨著數(shù)實(shí)融合的不斷深入，數(shù)字經(jīng)濟(jì)不應(yīng)只帶來產(chǎn)業(yè)升級(jí)，更應(yīng)助力產(chǎn)業(yè)和社會(huì)價(jià)值的持續(xù)創(chuàng)新。

從產(chǎn)業(yè)和技術(shù)層面看，數(shù)實(shí)相融是一個(gè)逐級(jí)演進(jìn)的過程，可以分為自動(dòng)化、信息化、數(shù)字化、智慧化，并通過起始、初級(jí)、中級(jí)、高級(jí)階段予以呈現(xiàn)，而從技術(shù)的角度，自動(dòng)化、信息化、數(shù)字化是以傳統(tǒng)計(jì)算為基礎(chǔ)、以算數(shù)、完成完全可控的既定處理的計(jì)算技術(shù)，而智算就是以獲得知識(shí)、智慧為目的的計(jì)算技術(shù)，智慧化是信息化、數(shù)字化最終的目標(biāo)，也是發(fā)展的必然趨勢(shì)。

由此我們不難發(fā)現(xiàn)，無論是從國(guó)家數(shù)字經(jīng)濟(jì)發(fā)展的戰(zhàn)略層面，還是產(chǎn)業(yè)和技術(shù)的客觀發(fā)展規(guī)律，數(shù)實(shí)融合從促進(jìn)產(chǎn)業(yè)升級(jí)向加速產(chǎn)業(yè)創(chuàng)新的更高層次發(fā)展是大勢(shì)所趨。那么隨之而來的則是前述以生產(chǎn)力為主要屬性的傳統(tǒng)算力，向以創(chuàng)新力為主要特征的智算的演進(jìn)。

究其原因，智算可以從數(shù)據(jù)中發(fā)現(xiàn)創(chuàng)新點(diǎn)，有效縮短人類發(fā)現(xiàn)的時(shí)間、人力和成本消耗，從而讓企業(yè)、政府、科研機(jī)構(gòu)找到新方法、新路徑，實(shí)現(xiàn)轉(zhuǎn)型升級(jí)和創(chuàng)新。

這里我們以智算在人類生命健康的蛋白質(zhì)結(jié)構(gòu)解析為例來說明為何智算就是創(chuàng)新力。

傳統(tǒng)蛋白質(zhì)結(jié)構(gòu)的解析一般依賴?yán)鋬鲭婄R、核磁共振、X射線衍射三種方式，確定一個(gè)蛋白質(zhì)結(jié)構(gòu)需要幾個(gè)月甚至是幾年。過去半個(gè)多世紀(jì)，人類一共解析了五萬多個(gè)人源蛋白質(zhì)的結(jié)構(gòu)，僅是人類蛋白質(zhì)組里大約 17% 的氨基酸結(jié)構(gòu)信息。而基于深層神經(jīng)網(wǎng)絡(luò)的AlphaFold實(shí)現(xiàn)了原子精度的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)計(jì)算方法，在一年的時(shí)間內(nèi)，它將預(yù)測(cè)的結(jié)構(gòu)信息比例從17% 大幅提高到 58%，是一個(gè)典型的量變引起的質(zhì)變。可以說，AI在破解生命的蛋白密碼方面，已經(jīng)具備了相當(dāng)?shù)膭?chuàng)見能力。

又如在考古學(xué)的古DNA分析領(lǐng)域，由于年代久遠(yuǎn)，DNA序列片段破損嚴(yán)重，相對(duì)于現(xiàn)代DNA，古DNA測(cè)序及分析更復(fù)雜，在傳統(tǒng)的計(jì)算方式下，一般完成一次古人類的全基因組樣本分析需要耗時(shí)至少兩周。浪潮信息聯(lián)合吉林大學(xué)，將AI加速技術(shù)運(yùn)用到古DNA基因測(cè)序中，打造了我國(guó)DNA考古領(lǐng)域的首個(gè)FPGA基因測(cè)序加速應(yīng)用方案，可在9.64小時(shí)內(nèi)完成全基因組分析，48分鐘完成全外顯子組分析，相比傳統(tǒng)計(jì)算方案，基因數(shù)據(jù)處理速度提升39倍，為重現(xiàn)新疆古人類文明做出了巨大貢獻(xiàn)。

生產(chǎn)力到創(chuàng)新力，算力演化帶來新挑戰(zhàn)

如前述，無論是從國(guó)家數(shù)字經(jīng)濟(jì)發(fā)展的戰(zhàn)略層面，還是產(chǎn)業(yè)和技術(shù)的客觀發(fā)展規(guī)律，數(shù)實(shí)融合從促進(jìn)產(chǎn)業(yè)升級(jí)，向加速產(chǎn)業(yè)創(chuàng)新的更高層次發(fā)展是大勢(shì)所趨，與此同時(shí)，由此引發(fā)的由生產(chǎn)力屬性為主的通用計(jì)算向創(chuàng)新力屬性為主的智慧計(jì)算演變的過程中，又出現(xiàn)了新的挑戰(zhàn)。

例如算力方面，供給與需求矛盾更加突出。目前，AI算力需求平均3.4個(gè)月就會(huì)翻一番，相比之下，通用芯片的性能年均僅提升3%，AI算力更多由GPU/TPU/FPGA/ASIC等提供，而目前的計(jì)算體系結(jié)構(gòu)并不適于多元算力的互聯(lián)融合及AI算力效率的發(fā)揮。

又如算法方面，多樣性、專業(yè)性、巨量化的挑戰(zhàn)日益明顯，主要體現(xiàn)在，深度學(xué)習(xí)發(fā)展至今，已產(chǎn)生了40多種基礎(chǔ)結(jié)構(gòu)，如注意力結(jié)構(gòu)、卷積結(jié)構(gòu)等，以及500多種不同的基礎(chǔ)算子，而這些基礎(chǔ)結(jié)構(gòu)及算子依據(jù)不同的建模方法構(gòu)成了近10萬種不同的模型；算法通用性、精度要求模型規(guī)模越來越大，萬億參數(shù)大模型近在咫尺，但高昂的成本和技術(shù)復(fù)雜度讓多數(shù)企業(yè)望而卻步；AI新算法、新理論層出不窮，使得智算人才培養(yǎng)難度和成本居高不下，傳統(tǒng)企業(yè)在短期內(nèi)很難獲得所需的人才。

這里我們以具體的金融業(yè)為例，由于金融業(yè)務(wù)的復(fù)雜性，金融AI算法開發(fā)的門檻較高，存在開發(fā)鏈條長(zhǎng)、開發(fā)周期長(zhǎng)、人力成本高等問題。此外，當(dāng)下人工智能開發(fā)中計(jì)算資源分散、訓(xùn)練數(shù)據(jù)的孤島現(xiàn)象以及開發(fā)環(huán)境和流程中的管理問題，也致使AI算法開發(fā)效率低下，進(jìn)而阻礙了金融業(yè)的顛覆式創(chuàng)新。

需要說明的是，由于算力和算法新挑戰(zhàn)的出現(xiàn)及彼此間的相互作用和影響（例如大模型需要更多算力），又出現(xiàn)了以此為基礎(chǔ)設(shè)施的數(shù)據(jù)中心面臨更加嚴(yán)峻的能耗和低碳的新挑戰(zhàn)。

據(jù)統(tǒng)計(jì)，數(shù)據(jù)中心的用電量從2012年的645億度提升到了2020年的2045億度，占到了全社會(huì)總用電量的2.7%。另據(jù)綠色和平和工業(yè)和信息化部電子第五研究所計(jì)量檢測(cè)中心聯(lián)合發(fā)布的《中國(guó)數(shù)字基建的脫碳之路：數(shù)據(jù)中心與5G減碳潛力與挑戰(zhàn)(2020-2035)》報(bào)告預(yù)測(cè)，2035年，中國(guó)數(shù)據(jù)中心和的碳排放總量將達(dá)2.3億—3.1億噸，約占中國(guó)碳排放量的2%—4%。其中，數(shù)據(jù)中心的碳排放將比2020年最高增長(zhǎng)103%。即便是在中國(guó)2030年全面實(shí)現(xiàn)碳達(dá)峰之后，數(shù)據(jù)中心的碳排放仍將持續(xù)增長(zhǎng)。

最后，在從計(jì)算向智算演化的過程中，由于多芯片（例如GPU、TPU、FPGA、ASIC等）的采用，不同的芯片往往都有單獨(dú)的指令集、開發(fā)運(yùn)行環(huán)境和操作規(guī)則，彼此之間互不融合，造成在此基礎(chǔ)之上發(fā)展起來的云、大數(shù)據(jù)、AI技術(shù)不同流派互不兼容；AI技術(shù)同云、大數(shù)據(jù)以及傳統(tǒng)應(yīng)用之間也互不兼容，生態(tài)割裂的新挑戰(zhàn)凸顯，并導(dǎo)致當(dāng)前AI創(chuàng)新減緩。

智算中心持續(xù)進(jìn)化，化挑戰(zhàn)加速數(shù)實(shí)融合創(chuàng)新

鑒于上述挑戰(zhàn)，在從傳統(tǒng)通用算力向智算的演化中，實(shí)現(xiàn)數(shù)實(shí)相融從促進(jìn)產(chǎn)業(yè)升級(jí)向推動(dòng)產(chǎn)業(yè)創(chuàng)新的更高層次發(fā)展，需要的是算力、算法、生態(tài)層面的融合創(chuàng)新，并通過集這些融合創(chuàng)新于一身的智算中心的煥新方能實(shí)現(xiàn)。

這里我們以浪潮信息聯(lián)合燧原科技打造的“錢塘江”智算中心解決方案為例來予以說明。

在應(yīng)對(duì)算力挑戰(zhàn)方面，其采用多次獲得全球AI基準(zhǔn)測(cè)試冠軍的浪潮AI服務(wù)器系統(tǒng)架構(gòu)，搭載燧原科技高能效AI算力芯片“邃思，單集群可提供高達(dá)200P峰值A(chǔ)I算力（TF32），支持按需橫向擴(kuò)容。“錢塘江”智算中心方案支持超強(qiáng)擴(kuò)展能力，采用高帶寬、全互聯(lián)拓?fù)錁?gòu)架，跨節(jié)點(diǎn)互聯(lián)帶寬高達(dá)448GB/s ，結(jié)合GCU-LARE 2.0多芯互聯(lián)技術(shù)，可實(shí)現(xiàn)千芯級(jí)大規(guī)模集群高速互聯(lián)，具備優(yōu)異的線性加速比，可支撐千億參數(shù)巨量模型高效并行訓(xùn)練。

而為了化解能耗和低碳的挑戰(zhàn)，其創(chuàng)新研發(fā)全球首臺(tái)開放加速模組液冷計(jì)算平臺(tái)，率先實(shí)現(xiàn)單節(jié)點(diǎn)8顆400W高性能AI芯片液冷散熱，支持中高溫水運(yùn)行，采用先進(jìn)變頻流量系統(tǒng)，大幅提高流量變化范圍、降低能耗， 智算中心整體PUE低于1.1。

提到液冷技術(shù)，我們想補(bǔ)充說明的是，最新發(fā)布的《2021-2022全球計(jì)算力指數(shù)評(píng)估報(bào)告》認(rèn)為，隨著數(shù)據(jù)中心系統(tǒng)對(duì)綠色節(jié)能的要求不斷提高，液體冷卻解決方案將在數(shù)據(jù)中心市場(chǎng)得到更廣泛的采用，到2023年數(shù)據(jù)中心中至少有約40%將配備液冷技術(shù)解決方案。而隨著智算中心布局和建設(shè)的不斷深入，液體冷卻解決方案將在數(shù)據(jù)中心市場(chǎng)得到更廣泛的應(yīng)用。

針對(duì)生態(tài)割裂的挑戰(zhàn)，其提供了普惠生態(tài)支持，支持業(yè)界主流深度學(xué)習(xí)框架，聯(lián)合元腦生態(tài)伙伴提供普適普惠的數(shù)據(jù)、算力、算法服務(wù)；方案搭載浪潮AIStation智能業(yè)務(wù)創(chuàng)新生產(chǎn)平臺(tái)、“源”巨量模型算法能力，構(gòu)成領(lǐng)先的算力算法一體化智算中心解決方案。

值得一提的是，隨著新挑戰(zhàn)的出現(xiàn)，智算中心也需與時(shí)俱進(jìn)，不斷進(jìn)化。

以已經(jīng)投入運(yùn)營(yíng)的南京智能計(jì)算中心為例，針對(duì)算法的新挑戰(zhàn)，其最新引入了“源”大模型，解決了模型與算力層的適配難點(diǎn)，通過對(duì)編譯器和推理架構(gòu)的針對(duì)性創(chuàng)新和優(yōu)化，將模型的推理性能提高了數(shù)十倍。此外，“源”落地南京智能計(jì)算中心之后，提供多種API接口，可供開發(fā)者直接調(diào)用；提供會(huì)話式AI SDK開放框架，開放YTK工具包，支持大模型+微調(diào)的AI開發(fā)新范式，行業(yè)用戶可以更快、更簡(jiǎn)便的方法進(jìn)行會(huì)話式AI模型定制開發(fā)。

總結(jié)：眾所周知，智算中心因具備開放標(biāo)準(zhǔn)，集約高效、普適普惠三個(gè)特征成為當(dāng)下中國(guó)數(shù)字經(jīng)濟(jì)的底座已經(jīng)成為業(yè)內(nèi)的共識(shí)。而隨著智算就是創(chuàng)新力時(shí)代的到來及出現(xiàn)的新的挑戰(zhàn)，本就是智算中心建設(shè)核心內(nèi)容的算力和算法的基建化就顯得尤為重要。

為此，浪潮信息在此前算力基建化的基礎(chǔ)上，提出了算法基建化，即通過在智算中心部署大模型所需要的訓(xùn)練、推理和數(shù)據(jù)處理系統(tǒng)，構(gòu)建出自然語言處理大模型、視覺大模型和多模態(tài)大模型，同時(shí)，以模型API服務(wù)、領(lǐng)域模型、開發(fā)者社區(qū)的形式對(duì)外提供算法基礎(chǔ)服務(wù)，緩解我們前述企業(yè)面對(duì)大模型訓(xùn)練成本高、技術(shù)門檻高的新挑戰(zhàn)，真正讓算法也能普惠大眾，助力行業(yè)智慧應(yīng)用高效開發(fā)，滿足數(shù)實(shí)融合向更高層次發(fā)展的需求。

“軟硬兼施”。算法基礎(chǔ)設(shè)施與算力基礎(chǔ)設(shè)施的強(qiáng)強(qiáng)聯(lián)合是否會(huì)成為未來智算中心的標(biāo)配，借此匯聚“大算力+大算法”更好地賦能千行百業(yè)，助力產(chǎn)業(yè)AI化進(jìn)程？一切均有待考量，但作為加速數(shù)實(shí)融合創(chuàng)新，促進(jìn)數(shù)字經(jīng)濟(jì)發(fā)展過程中新基建的智算中心，持續(xù)演化和與時(shí)俱進(jìn)肯定是大勢(shì)所趨。