算力作為數(shù)字經(jīng)濟的堅實基礎(chǔ)，備受各方關(guān)注。從我國東南沿海到西北內(nèi)陸，從工業(yè)生產(chǎn)到百姓生活，算力正為各行各業(yè)的數(shù)字化注入新動能，成為經(jīng)濟社會高質(zhì)量發(fā)展的重要驅(qū)動力。自《新型數(shù)據(jù)中心發(fā)展三年行動計劃（2021—2023年）》的發(fā)布實施，到生成式人工智能（Artificial Intelligence，AI）大模型掀起AI應用熱潮，再到《算力基礎(chǔ)設(shè)施高質(zhì)量發(fā)展行動計劃》的發(fā)布，都將進一步推動我國算力產(chǎn)業(yè)的高質(zhì)量發(fā)展。研究算力發(fā)展實際情況，分析算力發(fā)展現(xiàn)存問題，是制定未來算力發(fā)展策略的關(guān)鍵舉措。本文立足當前我國算力發(fā)展現(xiàn)狀，客觀分析我國算力產(chǎn)業(yè)發(fā)展現(xiàn)存挑戰(zhàn)，為推進我國網(wǎng)絡(luò)強國新征程提供發(fā)展建議。
1 我國算力發(fā)展現(xiàn)狀
1.1 算力規(guī)模增長迅猛
近年來，我國數(shù)據(jù)中心在用標準機架數(shù)量年復合增長率超過30%，截至2023年6月，我國在用數(shù)據(jù)中心機架總規(guī)模超過760萬標準機架，算力總規(guī)模達到197 EFLOPS，存力總規(guī)模達到1 080 EB，年增速達到25%。算力設(shè)施內(nèi)、算力設(shè)施間、用戶入算等網(wǎng)絡(luò)創(chuàng)新發(fā)展，有力支撐AI、云—邊—端協(xié)同、“東數(shù)西算”等應用場景。
1.2 布局結(jié)構(gòu)日益優(yōu)化
“東數(shù)西算”實施后，我國西部樞紐算力設(shè)施建設(shè)加快，國家樞紐節(jié)點—省內(nèi)—邊緣協(xié)同發(fā)展的算力梯次布局體系初步形成，算力結(jié)構(gòu)也逐步從早期通用占主體演變?yōu)橥ㄓ谩撬恪銋f(xié)同發(fā)展的格局。隨著AI應用的快速興起，智算中心建設(shè)步伐加快，截至2023年6月，全國已投運的AI計算中心達到25 個，在建的AI計算中心超過20 個，智能算力規(guī)模占整體算力規(guī)模的比例已提高到25.4%。
1.3 算力技術(shù)創(chuàng)新活躍
我國計算機領(lǐng)域發(fā)明申請數(shù)量劇增，算力、存力、運力領(lǐng)域創(chuàng)新成果不斷涌現(xiàn)�？萍脊炯铀賵D形處理器（Graphics Processing Unit，GPU）等AI芯片研發(fā)，國內(nèi)相關(guān)企業(yè)紛紛推出自研產(chǎn)品；“星河”AI網(wǎng)絡(luò)、先進存儲、液冷技術(shù)等很好地支撐了當前的智算需求。我國在計算、網(wǎng)絡(luò)和存儲方面都取得了很大進展。
1.4 算力賦能產(chǎn)業(yè)發(fā)展
隨著我國算力規(guī)模的持續(xù)擴大，互聯(lián)網(wǎng)、大數(shù)據(jù)、AI等與實體經(jīng)濟融合發(fā)展的新業(yè)態(tài)、新模式正加速涌現(xiàn)，算力正加速從互聯(lián)網(wǎng)、電子政務等領(lǐng)域向服務、金融、制造、交通、醫(yī)療等行業(yè)滲透，成為傳統(tǒng)產(chǎn)業(yè)智能化改造和數(shù)字化轉(zhuǎn)型的重要支點。與此同時，算力應用也逐漸向城市治理、智能零售、智能調(diào)度等領(lǐng)域延伸，激發(fā)數(shù)據(jù)要素新活力，助力數(shù)字經(jīng)濟高速發(fā)展。
2 算力發(fā)展面臨的挑戰(zhàn)
2.1 算力協(xié)同仍需穩(wěn)步推進
“東數(shù)西算”工程助力我國算力發(fā)展踏上新臺階，但就目前實施效果來看，距離我國東西部算力協(xié)同均衡發(fā)展仍有差距。首先，我國東西部之間商業(yè)模式協(xié)調(diào)機制仍需持續(xù)完善。我國東西部算力協(xié)作發(fā)展不僅需要依靠自身努力，也需要一定的商業(yè)模式來激勵，我國西部能源供應價格優(yōu)勢與東部產(chǎn)業(yè)西遷成本收益之間的平衡需要一定的協(xié)調(diào)機制來保障。其次，樞紐節(jié)點算力結(jié)構(gòu)需要持續(xù)優(yōu)化。雖然目前我國已在大力推動智算中心建設(shè)，但大模型的訓練迭代對智能算力需求的拉動遠超預期，當前樞紐通用算力與智能算力的供需比例仍有一定差距。最后，同質(zhì)化競爭帶來的市場壓力需要調(diào)解。由于同質(zhì)化競爭，部分地區(qū)價格戰(zhàn)加劇，導致原本的成本定價被轉(zhuǎn)變?yōu)槭袌龆▋r，對數(shù)據(jù)中心相關(guān)企業(yè)發(fā)展帶來一定壓力。
2.2 算力生態(tài)仍需持續(xù)完善
近年來，我國不斷鞏固算力基礎(chǔ)設(shè)施，培育算力產(chǎn)業(yè)優(yōu)質(zhì)企業(yè)，推進算力賦能經(jīng)濟發(fā)展，健全算力產(chǎn)業(yè)生態(tài)，但目前發(fā)展仍需進一步提升，算力生態(tài)建設(shè)仍需持續(xù)完善。我國部分地區(qū)數(shù)據(jù)中心的實際運行業(yè)務效果與算力設(shè)計規(guī)模構(gòu)想存在一定差距，以“筑巢引鳳”的方式實現(xiàn)“新舊”動能轉(zhuǎn)換的期待尚未實現(xiàn)，亟待推動從企業(yè)個體的位置空間聚集到有機融合的產(chǎn)業(yè)鏈條聚集，從而促進算力上、下游產(chǎn)業(yè)及應用生態(tài)市場協(xié)同發(fā)展。
算力拉動經(jīng)濟增長的潛力仍有較大挖掘空間。算力產(chǎn)業(yè)發(fā)展與當?shù)刭Y源稟賦結(jié)合不夠緊密的現(xiàn)象仍然存在，導致算力產(chǎn)業(yè)未能深入賦能當?shù)貙嶓w經(jīng)濟發(fā)展，算力產(chǎn)業(yè)發(fā)展帶來的技術(shù)創(chuàng)新和成果尚未充分轉(zhuǎn)化為當?shù)財?shù)字經(jīng)濟的增長動力等問題，仍需持續(xù)開展算力應用賦能的舉措、深挖算力賦能經(jīng)濟增長的潛力空間，將算力真正融入當?shù)貙嶓w產(chǎn)業(yè)，充分轉(zhuǎn)化為當?shù)亟?jīng)濟發(fā)展動能。
2.3 算力創(chuàng)新仍需全面提升
大模型等技術(shù)的迅速發(fā)展為算力產(chǎn)業(yè)發(fā)展帶來了新挑戰(zhàn)，目前我國算力核心技術(shù)創(chuàng)新力度不夠，技術(shù)方面仍存在相對短板。在綠色低碳方面，我國現(xiàn)有先進數(shù)據(jù)中心電能利用效率最低已達1.05以下，達世界先進水平，但源網(wǎng)荷儲一體化供電系統(tǒng)等低碳發(fā)展重要技術(shù)推廣仍然受限，源荷對接存在一定困難。
在算力調(diào)度方面，部分省市已上線調(diào)度平臺；中國算力平臺持續(xù)完善算力監(jiān)測、匹配和調(diào)度等方面的能力，部署節(jié)奏加快，但算力調(diào)度的商業(yè)模式和技術(shù)細節(jié)仍需進一步探討。在高端芯片和軟件研發(fā)方面，我國自主創(chuàng)新能力仍需加強，對進口產(chǎn)品和技術(shù)仍有一定依賴，關(guān)鍵技術(shù)的“卡脖子”風險依然存在，難以支撐大模型、元宇宙等高性能場景建設(shè)。此外，國產(chǎn)數(shù)據(jù)庫、中間件、操作系統(tǒng)等基礎(chǔ)軟件適配性、兼容性不足，對主流軟件應用環(huán)境構(gòu)建的支撐能力偏弱。
2.4 算力應用仍需深化拓展
當前，我國算力應用行業(yè)持續(xù)多元化拓展，為產(chǎn)業(yè)注入發(fā)展新動能，但算力應用深度仍需推進，算力供給與行業(yè)應用之間的銜接仍需加強。一方面，我國算力提供商缺少一體化解決方案，技術(shù)到落地過程仍存在一定障礙。算力技術(shù)與行業(yè)場景結(jié)合過程中需要較強的行業(yè)經(jīng)驗，而目前我國算力企業(yè)與人才在細分領(lǐng)域的儲備尚不足支撐現(xiàn)有項目的長期深耕和成果應用轉(zhuǎn)化。另一方面，傳統(tǒng)企業(yè)缺乏對算力增益效用的認知與實踐。傳統(tǒng)企業(yè)的數(shù)字化轉(zhuǎn)型日益加速，但現(xiàn)有的算力應用相對較淺，在頂層規(guī)劃、轉(zhuǎn)型方法、項目落地等思維方式和實踐部署方面仍需進一步強化。
2.5 算力安全仍需加強保障
隨著算力向生產(chǎn)生活各個領(lǐng)域的滲透逐漸深入，算網(wǎng)融合持續(xù)推進，算力作為轉(zhuǎn)換數(shù)據(jù)價值的生產(chǎn)要素，安全保障至關(guān)重要，系統(tǒng)安全影響需重視。隨著虛擬化技術(shù)的發(fā)展，算力應用對各種服務組件的依賴加大，而底層服務組件往往支撐著大量業(yè)務，一旦發(fā)生故障，諸多產(chǎn)品將受到影響，引發(fā)行業(yè)震動。
集群安全防護亟需增強。算力產(chǎn)業(yè)不斷集聚發(fā)展，集群部署讓算力資源更為集中，攻擊目標更為明顯，網(wǎng)絡(luò)供給與威脅升級，影響后果更為嚴重，在傳統(tǒng)設(shè)備級、系統(tǒng)級、算力中心級的安全防護基礎(chǔ)上，亟需構(gòu)建集群安全防護體系，增強防護能力。不穩(wěn)定的水電供應，或者對傳輸線路和設(shè)施的物理破壞都會導致算力集群的宕機。
3 算力互聯(lián)面臨的挑戰(zhàn)
3.1 產(chǎn)業(yè)需求無場景大模型訓練需要大規(guī)模的集群算力處理。隨著數(shù)據(jù)并行和模型并行技術(shù)的不斷完善和提升，分布式訓練中可以使用千卡或萬卡規(guī)模的GPU來縮短整體訓練時長。數(shù)據(jù)顯示，GPT-4的參數(shù)規(guī)模為1.8 萬億個，訓練GPT-4約為2.15e25 FLOPS，在大約2.5 萬個A100上訓練了90~100天，利用率僅在32%~36%之間。
2023年，購入超過2萬張GPU卡的國內(nèi)公司僅騰訊、百度、阿里巴巴和字節(jié)跳動4家[5]。為充分發(fā)揮算力算效，這些企業(yè)均自建了大規(guī)模智算集群，為業(yè)內(nèi)提供算力相關(guān)的服務。在正常發(fā)展情況下，未來大模型需要的計算能力相對于目前只增不減。大規(guī)模集群算力處理大模型、小規(guī)模算力處理小模型將成為業(yè)界常態(tài)。
3.2 技術(shù)瓶頸難突破
大模型并行計算模式采用分布式計算能力來處理大量的訓練任務。由于帶寬和時延的限制，并不是把幾個小規(guī)模的集群遠程連起來就能處理大模型。
在完成自身的計算任務后，節(jié)點需要將結(jié)果快速地同步給其他節(jié)點，以便進行下一輪計算；在此之前，計算任務處于等待狀態(tài)。目前，每塊GPU至少會配置100 Gbit/s的網(wǎng)卡，且?guī)捳加幂^滿；如果帶寬不夠，會造成網(wǎng)卡間通信時間變長，影響加速比和訓練效果。算力中心存在大量東西向流量，思科全球云指數(shù)統(tǒng)計，數(shù)據(jù)中心內(nèi)部之間的流量占比為71.49%，隨著智算的爆發(fā)，比例會更高。通常每機架配置百兆帶寬，但如果要實現(xiàn)所謂的GPU遠程互聯(lián)，理論上單機架兩臺GPU服務器就需要1.6 Tbit/s的帶寬，換算成智算中心的出口帶寬將是天文數(shù)字。
在時延方面，智算中心內(nèi)“一跳可達”的場景下，無限帶寬技術(shù)和基于以太網(wǎng)的遠端直接內(nèi)存訪問技術(shù)均能支持應用層的端到端時延微秒級。為了保證性能損失在5%以內(nèi)，數(shù)據(jù)庫集群系統(tǒng)要求至少40 Gbit/s的吞吐和3 μs的網(wǎng)絡(luò)往返時延。目前，北京—呼和浩特的端到端時延為12 ms，是集群內(nèi)應用層端到端時延的1 000 倍。這樣的網(wǎng)絡(luò)時延，對大模型訓練、數(shù)據(jù)庫等應用來說是不可接受的。
3.3 安全穩(wěn)定難保障由于計算量較大，分布式訓練任務需要持續(xù)數(shù)天或數(shù)周。在訓練期間如果出現(xiàn)故障，輕則任務回退到上一個斷點進行重訓，重則整個任務將從0開始。分布式AI計算是同步的，并且希望訓練任務具有可預測的完成時間。在智算網(wǎng)絡(luò)中，每千分之一的丟包將導致網(wǎng)絡(luò)性能下降50%[10]。在正常情況下，互聯(lián)網(wǎng)的丟包率在0%~1%，“盡力而為”的互聯(lián)網(wǎng)顯然不符合智算網(wǎng)絡(luò)的穩(wěn)定性需求。
4 我國算力發(fā)展建議
為進一步推動政策措施有效落地，增強算力應用賦能實效，針對我國算力發(fā)展現(xiàn)存挑戰(zhàn)，結(jié)合我國現(xiàn)階段算力產(chǎn)業(yè)發(fā)展基礎(chǔ)，提出我國算力高質(zhì)量發(fā)展對策建議。
4.1 以市場為導向，政府引導應用發(fā)展
加強算力發(fā)展的宏觀指引，明確產(chǎn)業(yè)發(fā)展方向。充分發(fā)揮市場作用，在北京、上海、深圳等應用需求旺盛的地區(qū)及其周邊地區(qū)適度加大發(fā)展力度。強化工程的引領(lǐng)作用，通過創(chuàng)建算網(wǎng)城市、打造算力中心標桿等方式形成示范效應，促進各地算力設(shè)施的高質(zhì)量建設(shè)。
4.2 以協(xié)同為重點，推動全面一體發(fā)展
探索解決我國東西部的資源使用和利益分配問題，充分結(jié)合我國東西部自身優(yōu)勢，創(chuàng)新合作模式與機制，鼓勵開展“以數(shù)換電”商業(yè)合作。推動我國西部樞紐緊抓機遇，對算力全產(chǎn)業(yè)鏈進行孵化，構(gòu)建“算力租賃+AI應用”的生態(tài)體系，激活西部算力產(chǎn)業(yè)活力。鼓勵企業(yè)適度超前部署大規(guī)模智算算力，提高算力中心自主可控比例。
4.3 以突破為目標，重點攻關(guān)核心技術(shù)
圍繞算力發(fā)展需要，增強企業(yè)自主創(chuàng)新能力，持續(xù)推進GPU等關(guān)鍵產(chǎn)品和技術(shù)的研發(fā)。推動硬件、基礎(chǔ)軟件、應用軟件等適配協(xié)同，進行算力調(diào)度技術(shù)的應用試驗，形成一批具有自主產(chǎn)權(quán)的完整解決方案。加強對外技術(shù)交流合作，加深算力產(chǎn)業(yè)鏈的溝通協(xié)作。
4.4 以應用為牽引，推進算力賦能產(chǎn)業(yè)
構(gòu)建多部門、多行業(yè)交叉合作機制，充分發(fā)揮算力對工業(yè)、農(nóng)業(yè)、交通、能源、金融和教育等行業(yè)的賦能價值。在項目引進、企業(yè)扶持的過程中，培育算力龍頭企業(yè)，協(xié)同帶動算力上下游產(chǎn)業(yè)的發(fā)展，構(gòu)建完善的算力產(chǎn)業(yè)生態(tài)鏈。通過“華彩杯”算力大賽等形式，挖掘并培育優(yōu)質(zhì)算力應用項目，推動優(yōu)秀項目案例的復制推廣。
4.5 以安全為保障，筑牢產(chǎn)業(yè)安全防線
統(tǒng)籌建設(shè)集群級安全防護能力，適當增加算力企業(yè)在安全方面的投入，解決好基礎(chǔ)性問題，打造安全可靠的算網(wǎng)能力。鼓勵算力中心進行多點熱備，實現(xiàn)業(yè)務無縫切換。引導行業(yè)打造安全運維體系，提高運維人員應對突發(fā)事件的應急響應水平。
5 結(jié)束語
《算力基礎(chǔ)設(shè)施高質(zhì)量發(fā)展行動計劃》等國家政策文件的發(fā)布，以及GB/T 43331-2023《互聯(lián)網(wǎng)數(shù)據(jù)中心（IDC）技術(shù)和分級要求》等國家標準的實施，都將引領(lǐng)我國算力產(chǎn)業(yè)高質(zhì)量發(fā)展。我國產(chǎn)業(yè)界應針對算力發(fā)展過程中遇到的問題不斷加強技術(shù)攻關(guān)，將算力產(chǎn)業(yè)發(fā)展走深向?qū)�，持續(xù)增強我國算力基礎(chǔ)力量，助力我國早日實現(xiàn)網(wǎng)絡(luò)強國目標。
