zeph算力怎么计算的

这个视频我们来聊聊算力。这几年大家都知道算力是我们这个 ict 行业的一个非常热门的概念，那么究竟什么是算力？算力到底包括哪些类别，有什么用途？还有目前我们全球算力处于一个怎样的发展状态呢？接下来小老君就给大家做一个详细的介绍。 算例的字面意思大家都懂，就是计算能力 computing power。 其实更具体来说，算例是指通过对数据信息进行处理，实现目标输出的计算能力。 二零一八年诺贝尔经济学奖获得者威廉诺德豪斯曾经在计算过程这个文章中说，算力是设备根据内部状态的改变，每秒可处理的信息数据量。就是对我们每个人来说，我们每个人都具备 这样的能力。我们的生命过程中每时每刻都在计算，我们的大脑就是一个强大的算力引擎，每天都在思考，每天都在计算， 但大部分时间里，我们会通过口算或者心算进行无工具计算，但是这种算力他就比较低，所以在遇到复杂情况的时候，我们会利用算力工具进行深度计算。 远古时期，我们的原始的计算工具就是草绳、石头啊，结绳济世。后来随着文明的进步，我们就有了算筹算盘这样更加实用的一些算列工具，这个算列的水平肯定就比以前要高一些。 到了二十世纪四十年代，我们终于迎来了现代的算力革命。一九四六年二月，世界上第一台数字电子计算机埃尼阿克诞生，这个大家在自己的计算机课上应该经常也会学到。计算机的 诞生，安尼阿克的诞生，他标志着人类的算力正式进入了数字电子时代。同样是一九四六年，当时贝尔实验室还发明了晶体管，晶体管呢，他就标志着半导体技术的出现，我们就进入了芯片时代，芯片就成了我们算力的一个主要的载体。 一九五八年的时候，世界上第一个集成电路芯片就是在德州仪器被发明出来的。时间继续推移 到了二十世纪七十年代，八十年代的时候，芯片在我们大家都知道的摩尔定律的支配下，已经取得了强足的进步，芯片的性能不断的提升，体积不断减小，所以我们的电脑就变得越来越小，最终就从大型机就有了我们现在的小型机 pc， pc， 也就是个人电脑，世界上第一台 pc 就是 ibm 的五幺五零，它是诞生于一九八一年。 pc 的诞生意义极其深远，它不仅标志着我们的 it 算力不再仅为少数大型企业服务，就是大型机时代只能大企业才能用，而是昂首走向了普通家庭和中小企业。它成功地打开了全民信息时代的大门，推动了整个社会的信息化普及。 在 pc 的帮助下，人们感受到了 it 算力带来的生活品质改善，还有生活效率提升。大家也知道八九十年代试窗操作系统的出现，还有各种各样软件的高速发展，还有硬件的高速发展，让我们整个信息化的普及速度大幅的加快了。 pc 的出现当然也为后来的互联网蓬勃发展奠定了坚实的基础。进入二十一世纪以后，我们那个算力又发生了巨变，这次巨变的标志就是云计算技术的出现。在云计算之前， 我们都是采用的单点式计算为主，就是一台大型机或者一台 pc 独立完成全部的计算任务。这种单点式计算取决于芯片的算力，就是那个时候我们的芯片算力其实还不是很强。 后来在单点式计算的基础上，我们发展出了网格计算。网格计算是什么意思呢？就是把一个巨大的计算任务分解成很多小型的计算任务，交给不同的计算器完成，这就是一种早期的分布式计算的架构。 云计算是分布式计算的一种新尝试，它的本质是将大量的零散的算力资源进行打包汇聚，实现一个更高可靠性、更高性能，还有更低成本的一个算力。 具体来说，在云计算里面，我们知道 cpu、 中央处理器、内存、硬盘、显卡，也就是 gpu 这些计算资源 被集中起来，然后通过软件的方式组成一个可以无限扩展的虚拟的算力资源池。 用户如果有算力需求，算力资源池就会动态的进行算力资源的分配，就是虚拟出若干个计算机，用户在根据自己选配的这个配置的高低进行付费。 相比于用户自己去购买设备，自己去建机房，自己去运维，这种云计算的方式有明显的性价比优势。省钱了嘛，毕竟所有的东西我们只需要去租、去借，而不需要自己去买去建，这个东西肯定是要省很多钱的。 算力匀化之后，数据中心就成了算力的一个主要的载体，就不再是原来的 p c 或者是一个小型机房了，就是大的数据中心成为了我们算力的一个主要的载体，人类的算力规模开始了质的飞跃。 云计算和数据中心之所以会出现，其实说白了还是因为我们整个人类这个信息化和数字化水平的不断深入，引发了整个社会的一个强烈的算力需求。 这些需求既有来自于我们消费领域的，就是我们追剧，游戏，网购，打车等等啊，这些平常的一些消费领域的需求， 也有一些需求是来自于行业领域的，就是工业，制造，交通、物流，金融，还有教育、医疗等等，这些行业领域也有很大的一个算力需求。还有一些呢，就是我们说的政府领域的，就是城市治理领域的， 智慧城市，一阵通，城市大脑等等，相当于就是 to c， to b 还有 to g， 面向于个人，面向于行业和面向于政府。不同的算力应用和需求有着不同的算法，不同的算法呢，对算力的特性也有不同的要求。通 通常我们会把算力分为两大类，分别是通用算力和专用算力。通用算力大家应该都知道，就是我们台式机啊， cpu 叉八六的，还有现在越来越多的 arm 的一个架构的处理器 专用专利呢，就是一些专用芯片，例如 f， p， g， a 啊，还有阿斯克啊这样的一些特殊的专门用于一个用途的芯片， 大家应该也都听说过吗？负责输出算力的芯片，他就分为通用芯片和专用芯片，像叉八六这样的 cpu 芯片，那叉八六的历史已经很悠久了，他就是通用芯片，他们能完成的这个算力任务是多样化的，可以把它理解为是一个瑞士军刀一样的，他什么都能做， 但是它的功耗会更高。而专用芯片呢，主要的话是指 f p g a 和阿斯克。 f p g a 就是可编程集成电路，它可以通过对硬件进行编程来改变 内部芯片的逻辑结构，但是软件是深度定制的，专门用来执行专门的任务。阿斯克是专用集成电路，顾名思义嘛，他就是为专业用途定制的芯片，其绝大部分的算法都固化于龟片之中。 阿斯格能完成特定的运算功能，功能比较单一，但是它的功耗就比较低。 f p g a 呢，它介于通用芯片和阿斯格之间。 大家还知道我们电脑上有显卡，显卡那个里面其实就是一个 gpu， 这样就是显示处理的芯片，图形处理芯片。这个 gpu 呢，它其实又介于通用芯片，就是叉八六和 fbga 之间。我们以比特币挖矿为例吧， 以前我们都是用 pc 去挖矿，就是用 cpu 去挖矿，后来因为这个挖矿嘛，他这个难度是不断增加的，就是他你的算法的计算难度会不断增加，你用传统的 cpu 叉八六 cpu 去算，算力不够，于是就开始使用显卡去挖。再后来连显卡这个 gpu 算，它的功耗也太高了，挖出来的这个币值还抵不上电费。于是我们就开始有很多矿工们，矿主们就开始用 fpga 和阿斯格集群阵列去挖矿。 在我们的数据中心里面，也对算力任务进行了对应的划分，分为基础通用运算以及 h p c。 高性能计算就是 high performance computing hpc 计算呢，又继续分为三类，就是科学计算类、工程计算类，还有智能计算类啊。科学和工程大家应该都能理解，就是我们在做科学研究的时候，有时候会涉及到一个大量的计算工作， 例如天文，例如核物理，例如生命科学，这些专业的领域他有很多算法，他会比较复杂，这些专业领域他的很多算 的东西对算力的要求很高，他产生数据量也很大，就像我们以前看到那给黑洞拍照片的那个应用，大家记得吧，然后就会产生几十块硬盘的一个数据，这些数据都需要通过这种科学计算类的一种计算方式去对他进行处理。 工程类计算嘛，主要就是计算机辅助工程，计算机辅助制造，还有自动化，还有电池仿真等等，这些是服务于工程的智能计算，大家应该也很清楚，就是我们现在非常火的人工智能 ai， 就是包括机器学习、深度学习、数据分析等等这一块的计算，我们就是把它归类为智能计算类。 智能计算我们还是要重点说一下 ai 人工智能是目前我们全社会重点关注的一个发展方向，不管我们现在是哪一个行业，哪一个领域，都在研究人工智能的应用和落地。人工智能的三大核心要素就是 算力、算法和数据，我们都知道吗？ ai 人工智能他就是一个算力大户，特别吃算力，就是我们很多人工智能相关的算法，他对这个算力的要求就是很高的，在人工智能的计算里面，涉及到比较多的矩阵和向量的乘法和加法，专用性特别高， 他就不适合用 cpu， 就是我们叉八六 cpu 这样的通用算力去进行计算。在现实生活中呢，我们主要是用 gpu， 还有前面说的专用芯片进行人工智能方面的计算。 尤其是 gpu， 是目前我们社会上进行 ai 运算的一个主力。 gpu 虽然是图形处理器，但它的 gpu 和也就是它的逻辑运行单元数量远远超过了 cpu， 适合把同样的指令 定型的发送到很多的核上，采用不同的输入数据进行执行，从而完成图形处理或者是大数据处理中的 一些海量的简单操作。因此 gpu 非常适合计算密集型、高度并行化的计算任务就是我们的 ai 计算。这几年因为人工智能的计算的需求非常旺盛，国家还建了很多的计算中心，大家应该有听说过，例如成都计算中心，还有各个地方 这个计算中心就是专门进行智能计算的数据中心。除了计算中心之外，我们还有很多超算中心，超算中心呢放的都是天河一号啊，天河三号啊这样的超级计算机，专门承担大规模科学计算和工程计算的任务。 我们平时看到的这些计算中心都属于普通的计算中心，也就是云计算数据中心。云计算数据中心他承担的任务就会比较杂，基础通用计算和高性能计算都有，也有大量的易购计算。所谓的易购计算呢，就是同事 使用不同类型的指令级的计算方式，也就是说，我可能既有一些通用计算，也有一些超算，也有一些人工智能计算，就是易购计算。因为高性能计算的需求越来越多，所以现在专用计算芯片的这个比例正在逐步增加。 这几年我们不断流行起来的，大家应该都有听说过的， t p u， n p u， d p u 等，这些其实我们都可以把它归类为专用芯片。 大家也应该经常听到有一个叫算力卸载的说法，其实算力卸载呢，不是说把算力卸载掉，删除掉，而是说把很多的计算任务啊，例如像虚拟化、数据转发、压缩、存储、加密等等， 把这个计算任务从 cpu 上转移到 npu 或者 dpu 芯片上，然后减轻我们这个处理器 cpu 的一个算力负担。值得一提的就是，最近这几年，除了基础通用算力、智能算力、超算算力之外， 科学界还出现了前沿算例的概念。什么是前沿算例呢？就是量子计算、光子计算等等，这些算例的发展现在也非常迅速，值得我们关注。 算力竟然是一个能力哈，当然就会有对他进行强弱恒定的一个指标和基准单位。大家平时也经常听说的什么 flops 啊， t flops 啊，这些单位就是对这个算力进行一个评估的一个单位。 其实衡量算力大小的指标还有很多，例如 m i p s 啊，还有 d m i p s 啊， ops 啊，这些都是。现在大家看到这张表格呢，就是目前我们这个比较主流的一些衡量单位，它的英文全称和中文全称 enflops， g plops， 还有 t flops 这些所有的这个 phlops 啊，都是那个 phlops 的不同量级，就像我们说有呃 megabits 还有 gigabits 一样，它就是有不同的一个量级，实际上它指的都是 是同一类型的一个衡量单位，只是他的那个量级不太一样。不同的算力载体之间，算力的这个差异是非常大的。 为了便于大家更具体的理解这个差异，我就画了一张表格，是一个算力的对比表格。大家可以看到说我们最早的这个计算机安尼阿克，他只有三百 flops， 就是我们现在比较厉害的这个神威太湖之光这种超级计算机，他的算力大小是这个埃尼阿克的无数倍，对吧？这个零我都数都数不过来了，反正有很多个零就是他的很多倍。 前面我们提到了通用计算、智能计算、超算，但是从趋势上来看，制算和超算的算力增长幅度是远远超过了通用算力的。 根据 giv 的数据统计，到二零三零年，通用计算算率将增长十倍，达到三点三 z flops， 而 ai 制算算力将增长五百倍，达到一百零五 z flops。 接下来我们来聊聊算力的现状与未来。早在一九六一年的时候，人工智能支付约翰麦卡西就曾经提出过叫 utility computing 的目标，这个就是校用计算的意思。 他认为啊，有一天计算可能会被组织成一个公共事业，就像电话系统一样，就变成一个公共事业。如今我们也知道他的设想已经变成了现实， 在数字浪潮下，算力现在已经变成了像水和电一样的公共基础资源，而数据中心还有我们的五 g 啊，光通信啊，这个通信网络也变成了重要的公共基础措施， 这是 it 行业和通信行业辛苦奋斗了大半个世纪的成果。对于整个人类来说，算力其实早就已经不是一个技术维度的概念，他已经上升到经济学和哲学的高度，成为了我们整个数字经济 时代的核心生产力，也是我们整个社会数字化转型的一个基石。我们每个人的生活，还有工厂的运转，还有政府部门的运作，其实到现在都已经离不开算力。在国家安全、国防安全还有基础学科研究等这种关键领域上，我们也需要海量的算力， 也就是说算力已经决定了这个数字经济的发展的速度，还有整个社会的智能化的发展的高度，他也影响了我们整个国家的一个竞争力。 根据 idc 浪潮还有清华大学全球产业院联合发布的数据显示啊，算力指数，计算力指数平均每提高一点， 我们数字经济和 gdp 将分别增长千分之三点五和千分之一点八，大家不要小看这个千分之多少哈，这个放到我们一个整个的一个巨大的这个体积体量上来看，这个增长是非常大的。全球各 国的算力规模和经济发展水平，目前已经呈现出了一种比较显著的正相关关系。也就是说一个国家的算力规模越大，他的经济发展水平就越高。在这样的前提下，我们就知道 国家与国家之间的这个关于算力的竞争博弈就会变得越来越激烈。二零二零年的时候，我们国家的算力规模达到了一百三十五一 flops， 同比增长了百分之五十五，超过了全球增数大概百分之十六。 目前我们的绝对算力排名世界第二。因为我们是一个人口大国嘛，所以从人均的角度来看，我们并不占优势，仅仅处于中等算力国家水平， 甚至还不如沙特阿拉伯。尤其是在芯片这样的算力核心技术上，我们和发达国家还有很大的差距，很多卡脖子的技术我们到现在也还没有解决，严重影响了我们的算力安 安全，也影响了我们的国家安全。所以我们脚下的路还有很长，革命尚未成功，同志仍需努力。未来社会信息化、数字化和智能化肯定会进一步加快。在万物智联的时代，我们将会有更多的智能物联网终端， 这个终端数量一多，数据就会多，数据一多呢，我们就会有很多的 ai 智能算力的场景落地，就会进一步刺激对算力的需求。根据罗兰贝格的预测，从二零一八年到二零三零年，自动驾驶对算力的需求将增加三百九十倍， 智能工厂的需求将增加一百一十倍。主要国家的人均算力需求将从今天的不足五百 g flops 增加二十倍，变成二零三零年的一万 g flops。 所以说，新一轮的算力革命呢，正在加速启动。算力是如 是重要的资源，但实际上，我们对算力的利用仍然存在很多问题，例如算力的利用率问题、算力的分布均衡性问题，还有算力的成本问题和算力的环保问题啊。环保双碳 根据 i、 d、 c 的数据显示，企业分散的小算例利用率仅仅为百分之十到百分之十五，是存在很大的浪费的。 我们大家都知道，摩尔定律从二零一五年就开始放缓，单位能耗下算力增长的速度已经逐渐被数据量增长的速度拉开了差距。 我们在不断挖掘芯片算力潜力的同时，也必须要认真考虑一下算力的资源调度问题。那么我们该如何对算力进行调度呢？我们现有的通信网络是否能够满足算力的调度需求呢？