算力網(wǎng)是算力、算法和數(shù)據(jù)對象三要素相融合的基礎設施化。互聯(lián)網(wǎng)底層是以5G、光纖、星網(wǎng)為主的數(shù)據(jù)通信網(wǎng)；中間是以IP為核心的互聯(lián)網(wǎng)體系結(jié)構(gòu)；上層是萬維網(wǎng)（WWW，也稱為信息網(wǎng)），通過信息網(wǎng)，我們每個人都可以隨時隨地訪問世界上任何地方的數(shù)據(jù)和信息。與信息網(wǎng)平行的就是算力網(wǎng)，其存在的目的是服務千行百業(yè)的模型上網(wǎng)，讓用戶能夠隨時隨地訪問世界上任何地方的算力資源。在信息網(wǎng)和算力網(wǎng)之上，進一步構(gòu)建出消費互聯(lián)網(wǎng)和產(chǎn)業(yè)互聯(lián)網(wǎng)。算力網(wǎng)與信息網(wǎng)不同，信息網(wǎng)是以信息（即網(wǎng)頁）為核心，而算力網(wǎng)以算法為核心，高效適配多樣性算力，對數(shù)據(jù)資產(chǎn)進行深度加工，產(chǎn)出各式各樣的模型。

當前，我國正在推進“東數(shù)西算”工程，其目標就是在企業(yè)級的算力網(wǎng)和城市級的算力網(wǎng)的基礎上，進一步構(gòu)建一個國家級的算力網(wǎng)。從算力基礎設施化的角度來看，“東數(shù)西算”工程的關鍵是在“數(shù)”和“算”上做原創(chuàng)性的工作，這樣才能真正把“東數(shù)西算”工程持續(xù)推進下去。

算力網(wǎng)的生態(tài)和云計算的生態(tài)應該有所不同。云計算只有兩種角色，即算力消費者和算力供給者，供給者包括亞馬遜、阿里巴巴這些云供應商；而算力網(wǎng)擁有更多細分的角色，如算力提供商、算力運營商、算力增值服務商等，應將算力的各個環(huán)節(jié)進行解耦，以此構(gòu)建一個真正的算力網(wǎng)生態(tài)。在這個生態(tài)下，我們需要關注算力網(wǎng)為用戶帶來的多種收益。

在算力供給側(cè)方面算力網(wǎng)帶來的收益

一是可為“東數(shù)西算”工程節(jié)約用電120億度，消納“棄風棄光”。2021年，全國數(shù)據(jù)中心的總耗電量大致相當于湖南省全省的用電量，那么“東數(shù)西算”工程能不能節(jié)電呢？現(xiàn)在西部的算力大概占全國的4%，據(jù)估計，未來五年，西部算力大概會占全國總算力的20%。因為，西部數(shù)據(jù)中心PUE（電源使用效率）比較低，再減去電力傳輸?shù)膿p耗，能比在東部數(shù)據(jù)中心節(jié)約30%左右的電量。按照全國數(shù)據(jù)中心一年總耗電量兩千億度來計算，“東數(shù)西算”工程一年可以節(jié)約120億度電，約占我國一年總用電量八萬億度的0.15%。此外，西部擁有大量綠電資源，但2021年“棄風棄光”就達到273.8億度，如果該部分可以被西部數(shù)據(jù)中心動態(tài)消納，就可以實現(xiàn)節(jié)能減排。

二是整合國家超級計算中心資源，統(tǒng)一賬戶統(tǒng)一運維，提供深度超算優(yōu)化服務。目前，我國大概有十個左右的國家級超級計算中心，如果將國家級超級計算中心用超算互聯(lián)網(wǎng)的方式統(tǒng)一起來，建立一個虛擬的、國家最大的超級計算中心來提供服務，可有效提高超算的資源利用率。同時，統(tǒng)一的超級計算中心可以屏蔽底層體系結(jié)構(gòu)的異構(gòu)性，通過移植和優(yōu)化，以服務的形式為用戶提供服務。

三是虛擬機可按需跨地域調(diào)度，降低資費和應用延遲。“東數(shù)西算”工程經(jīng)常會提起虛擬機跨地域調(diào)度，如果我們能夠很好地讓虛擬機根據(jù)用戶的需求進行跨地域調(diào)度，就會得到很多收益。例如，根據(jù)用戶的位置，可以就近調(diào)度用戶的虛擬機，減少延遲；也可以根據(jù)實時報價，把用戶虛擬機調(diào)度到綠電節(jié)點，降低算力的電費；還可以做負載平衡，提高該重載的情況下整個應用的吞吐能力。

四是整合城市中小算力中心的閑置資源，形成虛擬城市算力網(wǎng)，降低使用門檻，提高利用率。可以城市為單元進行資源整合，當前許多城市都建立了大大小小的算力中心，有的是政府投資建設，有的是企業(yè)投資建設，都有不同的服務對象。但這些數(shù)據(jù)中心里存在大量閑置資源，如果將算力網(wǎng)運用到各個城市里，就像虛擬運營商一樣建立虛擬的城市算力網(wǎng)，對閑置資源進行統(tǒng)一運維、統(tǒng)一調(diào)度、統(tǒng)一交易，將大大提升公共資源的利用率。

五是新的算力容器抽象能夠?qū)崿F(xiàn)更細粒度的時空隔離，提高資源利用率。算力網(wǎng)需要一個新的算力容器抽象，所有的算力資源都被封裝到一個最小的調(diào)度單元里供用戶使用。單機時代，操作系統(tǒng)里的進程本質(zhì)上就是一個算力容器，以一個進程為單位，按照時間分片的方式，對單機硬件資源進行調(diào)度。云計算時代，算力容器是虛擬機，能夠?qū)PU、內(nèi)存、存儲、網(wǎng)卡等硬件資源進行時空分片，后來有了更細粒度的軟件層面的算力容器——開源應用容器引擎（Docker）。過去幾年，中國科學院計算技術研究所提出了“任務閉包”的概念，可以在應用級進行更細粒度的封裝。有了這個最小粒度的算力容器后，除了提高資源利用率之外，還可以提高應用在重載下的通量。例如我們基于“任務閉包”做過一個紅包實驗，可以在一定時延要求下將通量提高六倍。

在算力消費側(cè)方面算力網(wǎng)帶來的收益

一是算網(wǎng)協(xié)同進行優(yōu)化調(diào)度，為應用提供確定性時延保障。對于“東數(shù)西算”工程來說，網(wǎng)絡延遲將是一個嚴重的問題。從東部到西部，存在著30~60秒不等、方差很大的網(wǎng)絡延遲，跟本地毫秒級、抖動極小的延遲無法相提并論。很多工業(yè)制造應用，對于延遲抖動的要求極高。目前，未來互聯(lián)網(wǎng)基礎設施（CENI）可以將延遲控制在0.03毫秒之內(nèi)，這樣將東邊的數(shù)據(jù)送到西邊，對那些網(wǎng)絡延遲抖動比較敏感的應用可以提供確定性延遲保障。

二是聯(lián)邦模型突破數(shù)據(jù)壁壘，利用分布式算力構(gòu)建智能模型網(wǎng)。人工智能一般都是在本地建模，例如醫(yī)療數(shù)據(jù)，各個醫(yī)院都是在自己的數(shù)據(jù)中心內(nèi)進行建模。如果要建大模型，需要把這些數(shù)據(jù)參數(shù)都傳到一個大的數(shù)據(jù)中心里進行建模，這樣在數(shù)據(jù)隱私等方面就存在較多風險。有了聯(lián)邦模型，無須傳遞數(shù)據(jù)，只需傳遞模型，不同算力中心可將本地模型集中傳遞到聯(lián)邦模型所在的算力中心，進行迭代式建模，從而實現(xiàn)分散式算力和數(shù)據(jù)協(xié)同工作。

三是主干編程面向物聯(lián)網(wǎng)（IoT）應用，提高端邊云協(xié)同場景下超異構(gòu)分布式環(huán)境開發(fā)效率。歷史上每出現(xiàn)一些新應用，都伴隨著新的編程工具的出現(xiàn)。例如，在自動化時代，有可編程邏輯控制器（PLC）；在單機時代，有小應用程序（Applet）等的組件編程；在互聯(lián)網(wǎng)時代，有以編程語言（Java）為代表的階段式事件驅(qū)動和以分布式計算系統(tǒng)（MapReduce）為代表的大數(shù)據(jù)，以及以符號數(shù)學系統(tǒng)（TensorFlow）為代表的人工智能。在物聯(lián)網(wǎng)時代，我們不但要考慮算法數(shù)據(jù)，更要考慮算力。在互聯(lián)網(wǎng)時代，手機端算力差別不大，但物聯(lián)網(wǎng)時代智能硬件端的算力差距很大，異構(gòu)性很強，所以我們的編程要對此進行感知。中國科學院計算技術研究所提出一個叫主干編程的方式，通過主謂賓式的編程模式，以主干支干嵌套式進行任務分發(fā)，能夠很好地適應物聯(lián)網(wǎng)場景的多樣性。

四是云函數(shù)編程支持算力網(wǎng)原生應用編程，實現(xiàn)應用跨云橫向擴展。云函數(shù)編程可以解決應用原生進行橫向跨云擴展的需求，傳統(tǒng)云應用只能在一個集群內(nèi)進行擴展，應用跨云就得進行重構(gòu)。云函數(shù)是把應用變成一個個更小粒度的云函數(shù)，將每個函數(shù)都放到容器中，然后實現(xiàn)協(xié)同擴展，這樣云函數(shù)可以部署在一個云里，也可以擴展到其他云里，進而解決算力跨云擴展的問題。例如，進行跨云分布式訓練時，因為分布式訓練需要資源較多，單個云資源不夠，可以把另外一個云的資源也拉進來進行訓練，這個場景下云函數(shù)編程會非常方便。

五是用戶視角下的算力度量方式可以真正實現(xiàn)現(xiàn)收現(xiàn)付制（Pay-as-You-Go）。這一收益與算力度量有關，我們?nèi)绻阉懔ψ龀煞盏男问剑托枰峁┧懔Φ亩攘亢透顿M方式，這對提升用戶體驗來說非常重要。例如，用戶要對1億個64位整數(shù)進行排序，該如何進行度量和收費？如果按當前部分云計算廠商的方式進行度量便存在兩個問題。首先是度量不統(tǒng)一，很多人工智能應用使用8位、16位浮點/整型操作進行度量，高性能計算用64位浮點進行度量，而圖形處理器（GPU）是用32位/16位浮點進行度量，度量衡不統(tǒng)一；其次是用戶體驗和用戶付費不統(tǒng)一，例如，在兩臺服務器上執(zhí)行相同的排序程序，一個用時1分鐘，另一個用時1.5分鐘，理論上花費時間多的體驗更差，但按當前據(jù)時間計費的模式，花時間長的反而費用更高，這與實際情況相悖。所以，針對這兩個問題，我們要把度量衡統(tǒng)一到64位基本操作，同時，用一種用戶可以感知算力使用量的方式進行計費。這樣就能夠真正實現(xiàn)現(xiàn)收現(xiàn)付制，如同高速公路一般，付費多少與使用這條高速公路的情況直接相關。

總而言之，當前算力網(wǎng)更多關注的還是在供給側(cè)方面的收益，我們應該更多地關注用戶在消費側(cè)方面的收益，通過技術創(chuàng)新，讓中小企業(yè)更愿意來使用算力，并從使用算力中得到好處，這才是算力網(wǎng)能夠持續(xù)發(fā)展的關鍵因素。

來源：《中國網(wǎng)信》2022年第7期