257
0引言
计算是人类认知世界的一种模式。所谓算力，简而言之就是计算能力，它指代了人类对数据的处理能力，也集中代表了人类智慧的发展水平。自20世纪40年代计算机正式诞生以来，计算技术始终保持快速创新的发展态势，不仅支撑了PC、互联网、云计算、移动互联网等信息通信产业数轮浪潮式迭代，更是科技、经济和社会创新发展的重要推动力。当前，人类社会正在从工业社会向数字社会迈进。需求和供给两方面的深刻变化推动计算技术和相关产业进入“百花齐放、百家争鸣”的创新阶段。为社会提供算力的产业不仅包括原有的集成电路和计算机产业，还将包括超算中心、数据中心、边缘计算中心等算力基础设施。本文从需求和供给两方面出发，分析了算力产业当前的发展趋势、面临的主要问题，并在此基础上给出针对我国算力产业发展的一些建议。
1、万物智能推动计算技术进入新一轮创新周期
当前，人类正在进入万物感知、万物互联和万物智能的新时代，包括人工智能、自动驾驶、物联网、工业互联网等在内的海量应用创新对计算提出新的需求，使得计算技术进入新一轮高速创新期。
1.1算力供给需求更大
5G、物联网等技术革命性地提升了设备接入和信息传输的能力，大数据、人工智能等技术使得数据的价值更好地释放，在多种ICT技术融合发展和各行业加速数字化、智能化转型的大背景下，全球数据量正在迎来新一轮爆发式增长。根据IDC的预测，未来3年全球新增的数据量将超过过去30年的总和，到2024年，全球数据总量将以26%的年均复合增长率增长到142.6 ZB。这些将使得数据存储、数据传输、数据处理的需求呈现指数级增长，不断提升对算力资源的需求。
1.2计算性能要求更高
典型应用创新亟需单场景设备芯片更强算力的支撑。例如，OpenAI的研究显示，2012—2018年，人工智能模型训练上的算力需求在6年内增长超过30 万倍，但芯片算力按摩尔定律同期仅增长7倍。根据英伟达的预测，L4级别的无人驾驶汽车在无法完全依靠优化算法的情况下，对车载算力约有50倍的提升要求；而L5级别无人驾驶汽车相对于L4级别预计约有10倍的算力增长要求。
1.3算力需求随时随地
随着万物互联和行业智能化的发展，未来很多智能应用都需要在线实时提供，这对算力的泛在供给和及时供给提出更高要求。例如，在智慧工厂场景，越来越多的物联网设备如传感器、射频扫码识别器、高清摄像头、AR/VR设备等将联网，采集到的数据需及时处理及时反馈；在车联网场景，自动驾驶汽车需要与周围车辆、路侧单元、信号灯等设施实时互动，在更广的地域范围内要求及时获得算力供给。
1.4算力需求更多样化
应用类型的多样化、算力部署的泛在化以及对成本、性能、功耗等的综合考虑，使得差异化的算力需求得到了市场的广泛支持。例如，由于智能工厂、车联网、VR/AR等众多应用需要低时延的算力支持，同时人工智能训练和推理两个不同阶段在具体需求方面存在显著差异，所以边缘计算得以快速发展；又如，科学计算、人工智能模型训练、传统互联网应用需要的算力之间差异显著，超算中心、智能计算中心和普通的云计算中心都得以发展。未来不同层级、不同体系的算力融合协同，将成为算力产业发展的一大趋势。
2、后摩尔时代计算技术进入多要素综合创新阶段
过去在很长时间里，经典计算系统是按照摩尔定律的步伐，通过工艺制程微缩的方式在同一芯片内增加晶体管堆叠的数量，来实现计算性能的提高，从而推动整个算力产业的不断升级。但是，随着工艺制程不断逼近物理极限，以及制程微缩带来的成本不经济性，摩尔定律逐渐失效，整个算力产业进入后摩尔时代，计算技术进入多要素综合创新阶段。当前，算力供给基本有4个层面：一是单芯片算力，二是整机算力，三是数据中心算力，四是网络化算力。不同层面的算力通过不同的技术方式进行持续演进升级，以满足万物智能时代的多样化算力供给需求。
在芯片层面，提升算力主要沿着3个方向：一是继续延续摩尔定律，即通过新工艺如环绕式栅极（GateAll-Around，GAA）技术的研制等来持续缩小栅极宽度，依靠寻找新的晶体管材料如碳纳米管材料以及新的互联材料如铋、光子（硅光技术）等来降低功耗，从而持续增加同一芯片内晶体管堆叠的数量。目前，台积电、三星、Intel等芯片制造厂商已经将后续工艺规划至3 nm之下。二是借助先进封装技术实现异构集成。其中，Chiplet模式是目前的明星技术，能够依靠不同工艺实现甚至是不同供应商提供的芯片功能模块集成到一起以提升芯片性能，从整体上降低芯片设计的复杂度和成本。
由于该技术使用了现成的裸芯片，因此也提高了开发效率，还降低了对工艺的要求。业界普遍认为，Chiplet技术将带来IC设计、EDA工具、制造工艺、先进封测等各个产业链环节颠覆式的改变，是半导体产业继续发展的有效手段。三是改变冯·诺依曼架构，采用并行处理的工作模式，使量子计算、类脑计算、数据流计算、并行计算等成为新的发展趋势。当然，这一方向目前商业化难度还较大，但已从基础研究进入产业化探索阶段。
2.2整机算力
在数据中心层面，提升算力的主要方向是构建大规模数据中心，横向堆积更多的计算单元，从而提升数据中心的整体算力。根据美国市场调研机构Synergy Research发布的数据，截止到2020年第二季度，全球超大规模数据中心已达541 座，是2013年年初的3倍多。大规模数据中心的发展需要解决互联网络、功耗、散热和运维管理等方面的挑战。数据中心发展的另一个方向是适应时延敏感性业务的计算需求，发展边缘数据中心。
2.4网络化算力
在网络化算力层面，一是通过多云打通、云网融合等实现数据中心和数据中心之间的有效互联，以实现海量计算资源的有效联接和调度。二是积极发展云边协同，推动边缘计算的落地和云边算力的协调调度。当前，云原生技术正不断轻量化并持续下沉，为边缘侧提供与云上一致的功能和体验，推动边云协同。三是“云—边—端—网”的广域算力网络正在成为发展方向。要实现广域算力网络还需要解决计算资源的智能感知和智能调度、网络传输服务等级协议的保障、计算资源使用的可信记账等问题，目前尚未进入产业化阶段。
3、我国算力产业发展面临的机遇和挑战
经过多年发展，我国算力产业已取得长足进步。在基础理论方面，我国面向人工智能应用如模式识别、计算机视觉等方向的算法创新活跃，量子计算、类脑计算等前沿领域有所布局。在芯片技术方面，我国14 nm制造工艺量产，存储芯片批量生产，个人计算机及服务器端的CPU芯片产品线丰富，AI专用芯片快速发展。在计算系统方面，我国超算多年位列全球前位，大规模云计算系统与国际先进水平相当，面向新兴应用的边缘计算、异构计算等新系统和算力网络等新领域均有发展。在软件技术方面，我国操作系统企业供给质量持续提升，数据库领域不断涌现出新兴产品，开源生态的建设取得一定突破。在产业生态方面，我国龙头企业在架构、生态、算力、软件和方案等领域均积极布局，积极构建计算生态。
面向未来，我国算力产业发展具有三大机遇：一是全球计算技术发展正处于重大窗口期。当前全球算力产业正在百花齐放、百家争鸣，新概念新思路层出不穷，产业体系正在重新构建，这正是我国算力产业摆脱路径依赖、实现创新发展的大好时机。二是大国大市场的算力需求庞大。根据华为技术有限公司于2020年2月发布的《泛在算力：智能社会的基石》报告测算[1]，目前我国的人均算力约为553 GFLOPS，属于中等算力水平国家，而社会智能化成熟阶段的人均算力需达29 000 GFLOPS以上，这意味着我国的算力规模至少需要再翻52 倍。考虑到从总量来看，我国目前已是全球第二大算力国，这也可以看出我国未来的新增算力供给需求极其庞大。三是发达国家的技术封锁降低了我国国产技术的市场门槛。特别是在一些关键领域，即使我国新研制的技术与国际先进水平相比有差距，但仍能在国内找到一定的市场空间来获得持续发展的力量。
3.2我国算力产业发展面临的挑战
如上所述，虽然我国算力产业的发展面临机遇，但同时也面临不小的挑战，具体体现在以下几方面。
4、推动我国算力产业创新发展的建议
算力产业是数字经济时代的核心动力产业部门，驱动社会经济向数字化、网络化、智能化方向发展。从支撑经济社会长期增长能力、促进可持续发展的角度，我国必须高度重视算力产业的布局和发展，应从以下方面重点推进我国算力产业的创新发展。
5、结束语
[1] 华为技术有限公司. 泛在算力: 智能社会的基石[EB/OL]. 2020[2021-05-25]. https://www.huawei.com/cn/public-policy/ubiquitous-computing-power.
[2]中国移动通信有限公司研究院, 中国电信股份有限公司研究院, 中国联合网络通信有限公司研究院, 等. 多样性算力技术愿景白皮书(2021年)[R], 2021.
[3] 许居衍, 黄安君. 后摩尔时代的技术创新[J]. 电子与封装, 2020,20(12):3-6.
[4] 国家智库. 刘鹤开会, 提到的“后摩尔时代”是什么概念[Z], 2021.
[5] 赛迪智库. 2021年中国先进计算产业发展趋势[R]. 2021.
来源：控制工程网
