以下是現場速記。

浪潮信息產品方案營銷部、集團客戶部總經理 劉志勇

 

劉志勇：每年都跟大家見面，就不客套了，直接開始我們的主題。去年講的是計算中心的基礎架構，前幾年講的更多的是應用，包括智能制造，今年國家提出數字中國的建設等等一系列政策，IT市場的角度還是挺繁花似錦的，但有一個根本的問題就是算力，因為所有的一切都是計算出來的。我們現在遇到了一個比較大的問題，就是未來算力是什么樣子的。

 

曾經有人說過這樣一句話，全世界最多只需要五臺計算機，是誰說的呢?1943年IBM的創始人Wason說的，就是指ENIAC，全世界第一臺晶體管計算機。當時Wason講這句話的時候這臺機器還在研發階段，三年以后在加州大學，這臺機器作為科研成果被發布。又過了七年這臺機器才真正面世。但從當時的情況看，IBM認為只需要很少的一點點算力，實際上到了現在，M13主機在處理性能上是當時ENIAC的240億倍，所以從算力的角度，即便是這些高瞻遠矚的大企業家、大科學家也沒有預料到今天全世界的算力要求居然有這么大。

 

下面從幾個角度和大家分析一下目前面臨的算力困境。

 

算力是從哪里來的?最近幾年，英特爾也好、AMD也好，每隔十八個月就會把產品更新一代，平均算下來，差不多每十八個月提升大概20%-30%，但會在短短的五六個月以內迅速地被應用吃掉，只要算力提升，很短的時間就會有新的、匹配的硬件和軟件。比較典型的就是游戲，不管NVIDIA怎么提高自己的顯卡性能，基本上都會100%吃掉，你購買的最新游戲永遠是卡頓的。這些算力是被誰吃掉了呢?個人娛樂和家庭辦公，包括游戲、影視，十幾年前我們在電腦上看所謂的全高清畫質的電影覺得就已經很不錯了，但現在4K已經落后了，馬上就是8K，8K對計算機算力的壓榨是非常充分的，更何況疫情期間大家都習慣上網課和網上辦公等等。企業OA和各種內部服務，包括給員工提供的，園區的無人化值守和巡更等等。生產經營就不用說了，最近幾年一直在進步，中國和全世界的角度都是如此。AI和科研，去年大家覺得AI也就這樣了，沒有什么熱點了，到了2月突然ChatGPT出現，引發一波全球算力的軍備競賽，每十八個月提升20%左右的算力會迅速地被各種應用吃掉。

 

圖中展示的是計算機行業算力角度兩個最大的定律：摩爾定律和多納德定律。算力增長1倍的時間是三年半，1985年到2003年算力增長是一年半，也是英特爾和AMD日子最好過的時候，但之后速度明顯變慢。因為2003年以后多納德定律已經基本失效，這種定律的原理是單位面積功耗不變的情況下最大限度堆放各種各樣的晶體管，但到了7納米出現量子碎川效率，突破了人類物理定律的極限，物理定律已經做不下去了，所以導致電子管漏電，但在7納米還是可以控制良品率的。十年前英特爾供應的情況，一段時間CPU良品率不夠，所以導致供應緊張。那個時候可以控制，到了3納米以后基本上已經控制不了，馬上就有出現2納米、3納米的芯片。到了2010年左右，算力增長1倍需要六年的時間，所以會變得越來越緩，現在大概需要二十年的時間。摩爾定律也在逐漸失效，現在不斷縮小制程的前提下，現在已經做不到每十八到二十四個月晶體管數量增加1倍，性能也隨之提高1倍，價格也降低一半。因為芯片核數越來越多，很多核不能從事工作，產生蝶變效應。

 

過去的二十年到底發生了什么?英特爾講過不斷增加晶體管數量，增加到一定程度以后不斷提高主頻，一直在做主頻游戲。隨著3納米、2納米時代的到來，這個事情做不到了，AMD提出多核概念，就是CPU有多核共同計算，但今天也走不下去了，因為多核會出現電子管漏電的問題，導致很多核并不能夠工作。

 

下一步算力到底要從哪里獲得?我們面臨著算力的尷尬，但全球數據中心規模和算力需求還在不斷增長。數據顯示，2020年到2025年數據中心對算力的需求會有30倍的增長，AI模型算力要求是每3.4個月翻1倍，特別是最近大模型在全球流行，國內也有很多公司參與進來，包括個人、企業、政府信息化需求在持續增長，就像今年年初數字中國的國家級戰略，所以不用解釋，大家都可以看得見。

 

有了這么多需求，算力怎么辦?更何況從整個經濟大環境的角度，中國面臨和全世界其他國家競爭的問題。圖中可以看到中國一直在這方面全力追趕美國，去年中國AI服務器的支出已經超過美國，背后還有日本和德國這些傳統的西方發達國家追趕我們。去年浪潮和國家信息中心發布的算力報告中提到一個數據，就是算力指數每提高1點，數字經濟提高3.5%，GDP受到1.8%的刺激。因此從整個社會和國家層面，基本上還是會不斷追求更高更龐大的算力。

 

事實上從最基礎的教科書的角度，我們的算力是從哪里來的?傳統服務器的算力，所有學習計算機硬件的本科生教材都是這樣寫的，相信以后也會這樣。算力最早來自ASIC芯片和CPU，后來出現了網卡，又過了一段時間出現視頻卡，年紀稍微大的應該知道2000年左右有一個東西叫做硬解碼，看電影需要買一個卡做硬解碼，后來慢慢地發展出了軟解碼，要把一個卡插在主板上面。后來為什么被淘汰了?因為軟件發展充分利用CPU計算資源，所以硬解碼卡被淘汰。今天這個卡又加回來了，因為有大量的視頻數據，8K和4K需要處理。之后GPU出現，最早服務器里面哪有顯卡這個說法?會有一個顯存，二十年前是8MB，那個時候認為沒有必要增加，后來多了GPU，然后出現加速卡和FPGA，最近幾年已經是很成熟的產業了，然后逐漸出現DPU，未來還會在主板上多一個計算單元專門做數據，就是在計算的時候CPU會有一部分計算請求分配到DPU，然后再返回CPU上來。

 

我們可以想像在服務器內部，計算位置已經從原來最早的只有CPU發展到有這么多地方在做計算。我們把眼光放到整個數據中心，可以看到計算會放在核心交換機，需要進行各種發包計算，平衡整個網絡資源，很多算力也是放在存儲端。我們在服務器之外，可以發現算力又增加到其它地方，所以在機柜或者數據中心會有更多的算法。

 

理論上講，算力在數據中心就結束了，但其實還沒有結束，出了數據中心，邊緣端還有計算。邊緣計算在國內的翻譯其實有點問題，我一直認為這個翻譯是錯的，不應該叫做邊緣，應該叫做邊端計算，因為到了邊緣是分為邊計算和端計算，二者是不一樣的。邊可以理解為邊緣云和邊緣數據中心，端是和傳感器各種攝像頭、數據采集直接連接的部分。現在算力甚至已經離開數據中心了，只能叫做算力中心。站在算力中心的角度來看，服務器有不同位置的計算，數據中心內部有不同位置的計算，離開數據中心以后還有很多計算，所以這就是今天我們看到的算力來源。算力從哪里來?就是從所有這些地方來，每個地方都有計算。

 

以前我們說到計算想到的可能就是英特爾或者AMD，如果再看二十年前和十五年前，想到的可能是Power或者當時的奔騰，包括更早一點的Alpha，但今天我們把市場上所有的算力都寫全，可以看到兩大陣營：精簡指令集，就是傳統的RISC部分，包括IBM和現在的浪潮，因為IBM已經退出“一帶一路”國家的業務研發，奔騰和Alpha還有人在用，以前中國我最早的鐵道部全是用Alpha，現在這項技術用的人更少了，但還是有人在用，然后是ARM。精簡指令集合為什么回潮?以前我們想到精簡指令集可能會覺得不如X86復雜指令集的運算效率高，今天制程受限的情況下，RISC體系在回潮。目前最大的精簡指令集的使用者是ARM，國內央企國企提到ARM就會想到信創，應該是先有ARM后有信創。二十年前ARM技術就已經有了，那個時候由于精簡指令集計算的問題，今天我們用的手機芯片幾乎全部都是ARM。英特爾自己出過一款符合手機的，但做出來還是不如ARM，因為功耗達不到手機要求。ARM全球最大的兩個客戶都是美國的公司，終端是蘋果，我們現在看到的薄薄的筆記本待機動不動就是將近10個小時，用的都是ARM的技術，英特爾的技術能夠扛四五個小時就很不錯了。服務器領域最大的用戶是亞馬遜，不是中國的公司，盡管最近兩年中國講信創很多，最大的客戶依然是亞馬遜，亞馬遜的服務器數量已有20%遷移到ARM平臺，2023年這一數據會達到25%。

 

站在這個角度重新來看，所謂傳統的復雜指令集X86還會繼續存在，未來很長一段時間還是統治地位，RISC精簡指令集一定會慢慢趕上來，因為CPU制程瓶頸、量子計算物理學極限決定了ARM體系可能會越來越多。這些就是我們看到的，每個公司都有自己的芯片技術。我們已經有22納米的芯片量產，中芯國際代工，今年7月會有7納米芯片，今年12月之前報工信部。我們其實一直在做，用的就是Power技術。

 

剛才幾位領導都有提到量子計算，目前為止我們專利排名已經不公布，兩年前是有一個排名，國科大的兩家公司，然后是微軟、浪潮和華為，當時量子芯片是有這種專利技術排名，今后我們不會再公布這個東西，AI的GPU算力基本上也是這些公司在做。今天我們面臨的算力就是多元化的算力，也會面臨各種各樣的技術路線。因為有這么多計算位置，所有計算位置采用的技術路線都不完全一樣，未來一定是面臨著一個數據中心里面有各種各樣的計算路線。

 

有了算力的支撐和保障，也弄清楚算力在數據中心之內和之外，就是所謂算力中心的位置，什么地方會出現計算，到底去了哪里?去了很多地方。關鍵算力、通用算力、AI算力、邊緣算力和特殊算力。現在數據中心的設計面臨著一個問題，就是以后如何看待數據中心，設計數據中心的思路變了。以前是有瓶頸就增加服務器，現在是計算中心建設起步階段就已經規劃好計算中心需要什么算力。全國最大的公司之一前年出現非常大的問題，就是大概投入4億元建設自己數據中心的時候，結果算力部署和分配上出現了問題，導致每個機架的功耗只有6KW，上線兩年以后租不出去了，承租率只有30%，因為忘記規劃AI算力，所以整個機柜功耗不夠。

 

特殊算力指的往往是科研計算和高性能，這一部分就不多解釋了，因為中國已經退出了全世界所有的超算排名，浪潮做的超算也不再參加，原因很簡單，看一看制裁名單，所有超算全部被制裁了，以后我們也不會公布任何跟超算有關的數據。

 

關鍵算力就是指原來RISC芯片，不只是中國在用，歐洲銀行也在持續使用Power算力或者RISC算力，要求就是高可靠、高性能、強數據、一致性，帶著毛病能跑，不會宕機，提供的是不間斷的算力。

 

通用算力是最常規的，最成熟、最全面的應用生態體系，幾乎是全場景覆蓋，未來很長一段時間仍然是主力，就是傳統的X86算力和一部分ARM算力。

 

AI算力的特點是計算當量相當大，模型訓練很困難，成本很高，要求的是極致和高效，要有自動的智能化算力調度，因為算力太貴了，以服務的形式隨需隨用。

 

邊緣算力剛才幾位領導都有講過，最大的特征就是實時，整個數據中心決策的時候，目前來看只有20%來自主數據中心，20%來自最接近端的部分，包括攝像頭和各種各樣的采集終端，60%來自于邊，因為叫邊緣計算不是很規范，應該叫做端邊運算才對。

 

未來設計數據中心的時候應該考慮數據中心承擔什么算力的特點，這里必須提云，我們就不解釋了，因為所有算力都要在一朵云上管理，就是所謂的一云多芯技術，不管是用多云、私有云還是公有云都是一樣的。云計算的管理就是關鍵算力、通用算力、AI算力、特殊算力和邊緣算力的管理。

 

云在算力中心的價值是什么?大規模多中心擴展，可以橫向聯系，一云多芯，一朵云下多技術芯片被統一管理起來，然后就是安全，需要做到關鍵服務的秒級恢復，金融級的業務高可用等等，這些都是對云的要求，也是體現出來的價值。

 

一個云平臺下，一云多芯和一機多芯技術支持特殊算力、關鍵算力、通用算力、AI算力和邊緣算力。

 

剛才講了半天CPU，其實光有CPU計算還是不夠的，因為這是協調系統和平衡系統，需要解決兩個問題：內存問題和IO問題。我們把有IO的列在圖中，現在有一個折中方案，就是英特爾AEP，介于內存和緩存，價格、能力都是二者之間，可以很大程度上緩解內存墻的問題。因為光算出來還不夠，還得傳得出去，某種程度上要解決內存的問題、IO的問題。

 

我們在主板設計上要有新的設計思路和設計方案，因為主板需要支持多技術路線的CPU，同時要把計算數據交互出來，這些是浪潮這樣的公司讓我們面臨的巨大挑戰。我們會逐漸推出一機多芯，一個服務器下面會支持各種各樣的成熟技術路線。目前我們需要解決IBM的Power和X86體系機箱共用、部件共用，一機多芯可能會帶來算力比較大的進步和革新。未來基于組織的多元化系統構架也會有很大改變，所有多元算力放在一個大的資源池里面，分成幾個子池，分別對應不同算力的特征或者技術路線，通過軟件定義的方式把所有計算服務放在云上面統一管理和調度，上面是操作系統和業務應用，這些是新的數據中心建設的邏輯思路。

 

在這種情況下，我們會得到一個全解耦的數據中心。計算單元和主機解耦，不再考慮到底是英特爾服務器還是沸騰服務器，同一個主機選擇不同技術路線就可以。操作系統和主機解耦，一云多芯在大規模虛機部署下徹底擺脫操作系統和主機之間必然的聯系。業務應用和操作系統解耦，應用就是應用，操作系統就是操作系統。算法和應用解耦。按照這個邏輯，我們基本上做到整個系統完全解耦，這些就是未來數據中心最大的變化，就是全解耦，100%靈活和有彈性。

 

多元算力支撐整個數字中國建設，我們需要做到算力的整體平衡，平衡體現在多技術路線的平衡、存量的算力和新增的算力，特別是信創算力的平衡，計算需求和算力特征的平衡，全解耦就是計算單元、主機、應用和算法的解耦，一云多芯統一調度、統一部署、統一管理。

 

數字經濟下，我們面臨著新局面，希望所有人都能夠找到新機會。