有統(tǒng)計顯示，算力規(guī)模排名前20的國家，有17個是全球排名前20的經(jīng)濟體。可見，數(shù)字經(jīng)濟發(fā)展水平與算力規(guī)模密切相關(guān)。有人說“得算力者得未來”，這話雖有些絕對，但不可否認，我們已進入算力時代。

   當前科學發(fā)現(xiàn)的四個范式——實驗驗證、理論研究、計算科學、大數(shù)據(jù)分析和人工智能（AI）計算處理中，第三和第四范式都與算力密切相關(guān)。但是，這兩種范式背后的算力卻不盡相同。

   一般認為，算力可分為三大類：高性能計算的算力（HPC算力或超算）、人工智能計算的算力（AI算力或智算）、數(shù)據(jù)中心的算力（通用算力）。在回答“哪類算力更適合建在西部”這個問題之前，需要了解這些算力的特點以及發(fā)展中面臨的難題。

國內(nèi)超算“花樣”多

   超算是“國之重器”，它們被制造出來應(yīng)對世界上最富有挑戰(zhàn)性的計算問題。我國超算發(fā)展很快，曾經(jīng)有3臺超級計算機占據(jù)世界最快超算500強榜單榜首。可以說，過去十年，我國在頂尖超算系統(tǒng)的研制和部署數(shù)量方面都處于國際領(lǐng)先行列。

   我國超算應(yīng)用也有很大進步。過去十年，我國科學家依托國內(nèi)頂尖超算系統(tǒng)，多次入圍高性能計算應(yīng)用領(lǐng)域的國際最高獎——戈登貝爾獎，并在2016年首次摘獎。此后，2017年、2021年再次獲得該獎（2020年戈登貝爾獎由中美科學家聯(lián)合團隊摘得，8人團隊中有7張中國面孔）。

   但超算的問題在哪里？如何高效地將世界領(lǐng)先的計算能力轉(zhuǎn)化為解決尖端科學與工程難題的能力，依然是一個挑戰(zhàn)——這不是中國超算特有的問題，而是全球面臨的共同問題，目前許多大型超算的建構(gòu)選擇異構(gòu)路線更加大了這一鴻溝。

   怎么辦？超算基礎(chǔ)軟件是提升轉(zhuǎn)換能力的關(guān)鍵之一。然而，超算軟件所面臨的環(huán)境并不好。

   目前，我國超算平臺架構(gòu)多樣，應(yīng)用移植和調(diào)優(yōu)工作量大。國產(chǎn)超算的三類機器——神威、天河、曙光都做得很好，但它們分屬不同架構(gòu)。一個超算軟件要從一臺機器移植到其它機器上非常難，移植成本也很高。

   比如，社區(qū)大氣模式CAM5在神威•太湖之光上的移植和優(yōu)化成本在10人年以上，中國科學院大氣物理研究所高分辨率海洋模式LICOM3在某超算上的移植和優(yōu)化成本也要6~10人年。

   這背后的問題在于我國超算“花樣”太多、種類太多。美國超算發(fā)展之初也是百花齊放，但現(xiàn)在基本上是CPU+GPU的異構(gòu)高性能計算機。

   我們也要想辦法，比如建立一個編譯優(yōu)化平臺，提供統(tǒng)一并行編程模型，程序員可以在這個模型和平臺上編程、優(yōu)化，在降低開發(fā)復(fù)雜度的同時還可以跨平臺高效運行。此外，國產(chǎn)超算平臺支持復(fù)雜應(yīng)用全流程計算的能力也亟待提高。

智算：面臨“卡脖子”風險

   2020年4月，國家發(fā)改委明確將AI納入“新基建”范圍，此后AI算力成為熱門。AI計算機發(fā)展很快，國內(nèi)也在建設(shè)很多智算中心。

   智算大概有三類應(yīng)用：圖像檢測和視頻檢索、博弈決策及自然語言處理。其中前兩類應(yīng)用在國民經(jīng)濟和信息安全保障等方面發(fā)揮巨大作用，但我認為它們都不需要太大的計算機。

   不過，現(xiàn)在國內(nèi)已有20個城市投建了AI計算中心，規(guī)模很大且價格不菲。它們?nèi)绻挥脕碜鲎匀徽Z言處理還可以，但前兩類應(yīng)用并不需要。

   自然語言處理類應(yīng)用有四種：基于模型的語言翻譯、人機交互、文本生成摘要及關(guān)鍵詞創(chuàng)作。目前，AI正快速向大模型方向發(fā)展，因為參數(shù)數(shù)量增長很快，大概每3~4月就需要機器算力翻倍。

   我國AI產(chǎn)業(yè)快速發(fā)展，預(yù)計2025年AI產(chǎn)業(yè)規(guī)模將超過4500億元，帶動產(chǎn)業(yè)規(guī)模超1.6萬億。但要注意的是，我國AI企業(yè)面臨巨大的“卡脖子”風險。

   2021年，我國AI服務(wù)器芯片總出貨量為100萬片，但國產(chǎn)芯片出貨量只有5萬片，95%依賴進口。此外，AI算法和深度學習框架幾乎90%以上由他國開發(fā)。中國99.5%的在校理工科大學生學習的是國外的AI技術(shù)，學習自主AI技術(shù)的僅占0.5%。

   目前，三類算力——HPC、智能計算機、數(shù)據(jù)中心是分開的，我希望“HPC+AI+大數(shù)據(jù)”能夠融合。過去，HPC程序從頭到尾基本上是解方程這類“普通玩法”，但如今HPC面臨的應(yīng)用問題中間可能會有AI計算需求。預(yù)計未來三五年后，計算機會把HPC、AI、大數(shù)據(jù)計算融合在一起。

   短臨天氣預(yù)報就是一個融合AI、大數(shù)據(jù)和科學計算的場景案例。它既需要大數(shù)據(jù)處理，又需要將HPC、AI融合在一起。目前的處理相對麻煩：預(yù)處理需要一臺機器，做高性能計算需要一臺機器，后處理還需要一臺機器，因此融合是未來方向。

“東數(shù)西算”：并網(wǎng)和調(diào)度是兩大難題

   “東數(shù)西算”的出發(fā)點是把東部的數(shù)據(jù)流動到西部存儲和計算。東部產(chǎn)生的數(shù)據(jù)比較多，但計算機不能全在東部，這不利于“碳達峰”“碳中和”。西部有土地資源和清潔能源，所以要把存儲器建在西部。

   那么哪些數(shù)據(jù)適合在東部計算、哪些適合在西部？一般來說，對實時性要求高的數(shù)據(jù)放在東部計算，對實時性要求不高的可以放到西部。

   在三大算力類型中，HPC和AI算力建在西部是合適的。HPC做天氣預(yù)報的計算，一算幾個鐘頭，中間也不必進行數(shù)據(jù)交換；AI模型的訓練一連幾天，這些都可以放在西部。

   但數(shù)據(jù)中心搬到西部則不可行，比如短視頻、電子游戲、網(wǎng)絡(luò)即時通信等應(yīng)用對實時性要求很高，無法忍受遠距離網(wǎng)絡(luò)傳輸帶來的時延。我們調(diào)查過幾個數(shù)據(jù)中心，它們80%~90%的機器都在為這三類計算服務(wù)。

   “東數(shù)西算”工程之下，算力網(wǎng)絡(luò)建設(shè)是應(yīng)有之義。算力網(wǎng)絡(luò)就是把很多機器連在一起做事，但這件事做起來很費勁，主要面臨兩大困難——并網(wǎng)和調(diào)度。

   并網(wǎng)需要把算力連接起來，這不是簡單的網(wǎng)，而是需要帶寬高、時延低。如果能做到，在北京打電子游戲的客戶，機器放在西部照樣能玩。但我認為這還很難。  

   做調(diào)度同樣很難，調(diào)度不是房屋租賃中介，只需要對接供需信息就可以。打個比方，有個計算需求想用神威•太湖之光，但現(xiàn)在機器很忙，恰好中山大學的機器閑置。把問題調(diào)度到中山大學的超算上行不行？有時候不行，因為這臺機器可能運行不了專門針對神威•太湖之光寫的軟件。

   要想把并網(wǎng)和調(diào)度這兩件事同時做好非常難，建議成立一個類似“鏈家”的公司專門做調(diào)度。這家公司可以沒有計算機，就像“鏈家”沒有房子一樣。

   綜上所述，我國算力發(fā)展面臨三大問題。第一，國產(chǎn)超算平臺架構(gòu)多樣，應(yīng)用移植和調(diào)優(yōu)工作難度大；第二，國產(chǎn)算力平臺支持復(fù)雜應(yīng)用全流程計算的能力亟待提高；第三，AI企業(yè)面臨巨大的“卡脖子”風險。

   筆者建議，第一，加強跨平臺編譯優(yōu)化研究建設(shè)；第二，加強國產(chǎn)超算HPDA系統(tǒng)的軟件研發(fā)；第三，定義自主AI產(chǎn)品（如國產(chǎn)AI芯片和學習框架），出臺措施鼓勵行業(yè)加速使用；第四，加強HPC、AI和大數(shù)據(jù)三類計算系統(tǒng)的融合研究。■

（作者系中國工程院院士、清華大學計算機系教授，記者趙廣立根據(jù)其在信息化百人會第八屆信息戰(zhàn)略論壇上的發(fā)言整理）