算力時代下的算力服務需求與特征思考

趙倩穎 邢文娟 雷 波 周國強 李志強

1 中國電信股份有限公司研究院 北京 102209

2 中國電信股份有限公司廣東分公司 廣東 510081

引言

在2020年5月召開的全國兩會上，“新型基礎設施建設”首次被寫入2020年政府工作報告。“加強新型基礎設施建設，發展新一代信息網絡”成為國家重要戰略部署。2020年12月23日，發改委、工信部等部委在《關于加快構建全國一體化大數據中心協同創新體系的指導意見》中提出“推動算力資源服務化”，要求構建一體化算力服務體系，優化算力資源需求結構，提升基礎設施利用效能。“新型基礎設施建設”與“算力一體化服務體系”成為數字化中國的重要戰略目標。

算力基礎設施的形態多樣、分布廣泛、歸屬復雜，且算力的度量存在一定難度；同時孤島算力功能單一、位置固定、計算能力有限，單點式的算力供給已無法滿足業務多樣化的需求，限制了新興產業的發展。算力作為社會發展新動能，使其像水、電等基礎能源一樣按需、按量、靈活地供給將成為算力未來的發展趨勢。因此亟需構建一體化的算力服務體系，將分布式的、多級的算力通過網絡進行整合，并結合人工智能、安全、綠色等技術，賦能算力產業的多樣化發展。本文根據算力業務及算力資源的特點，介紹了算力業務對算力服務的需求，從而總結出算力服務的特征，為今后算力產業的發展提供新的思考方向。

1 業務對算力服務的多樣化需求

業務對算力的需求是多樣化的，目前主要體現為低時延、高移動性、大算力以及潮汐性需求。

1.1 低時延需求

時延是影響算力服務性能的重要評價指標之一，是決定用戶體驗的關鍵性因素，因此低時延便成為了新興業務最主要的訴求之一，也促使了邊緣計算的誕生。典型的低時延場景如虛擬現實(Virtual Reality，VR)、增強現實(Augmented Reality，AR)等，用戶參與度較高，時延需求主要來自人與人或者人與設備之間的流暢交互。VR、AR場景中要求設備能對人給出的信號做出及時的反應，因此，人機交互體驗的優化對時延提出了10ms的高要求[1]。在IoT的場景下，人與設備或設備與設備在協調工作時需要通過網絡進行通信。在工業互聯網的場景下，工廠實現高效率的自動化生產需要完成實時的操作控制，如果生產的某些步驟因未及時接收到指令而出現滯后便會影響產品質量甚至導致系統崩潰，因此工業互聯網對于時延也提出了較高的要求，達到1～10 ms[1]。

業務的低時延需求通常通過將計算節點下沉至業務邊緣側實現，在泛在計算場景下也可通過選擇距離業務合理位置的資源節點實現。當單節點邊緣資源無法滿足資源需求時，還需要通過協同技術，由多個邊緣節點共同為業務提供服務。

1.2 大算力需求

在如武器研發、基因測序、氣候模擬等高精尖科學研究場景，其計算任務密集，精確度要求極高。如果在單臺計算機上進行處理可能需要花費以年為單位的時間。該類場景對國家安全、經濟和社會發展具有舉足輕重的意義，為此各國不斷研發超級計算中心，從而超級計算中心排名也成為了一個國家科研實力的體現，是國家科技發展水平和綜合國力的重要標志。以科學研究為主的大算力場景，對網絡和計算都有著新的需求。大規模科學數據傳輸的帶寬需求已達到100Gbps，未來將達到Tb/s以上，同時還提出超高可靠、確定性時延、端到端按需QoS等需求；此外，個別科學裝置已經提出每秒百億億次浮點計算(EFlops)的需求，依靠原有的單一建設專用算力池的方式，成本偏高且資源利用效率偏低。為滿足業務的大算力需求，可以利用高性能計算技術，通過構建超級計算中心和云計算中心實現對大算力業務的資源供給。在未來可以通過網絡將數據源周圍閑散算力(云計算、邊緣計算等)調度起來以彌補大型科學裝置的算力缺口。

1.3 高移動性需求

與手機業務相同，業務從請求發起到結束期間往往不會固定在同一個位置，因此算力服務需要滿足用戶的高移動性需求。典型的場景如旅游直播、自動駕駛等，此類場景往往具有較高的移動性。例如，在旅游直播場景下，主播需要從A市到B市，沿途分享A市和到B市之間的風景。此時，直播服務需要能夠提供美顏功能，并保障主播與觀眾之間的實時互動(如彈幕交流、語音和視頻連接、直播商務等)。在此場景中，隨著錨點位置的不斷變化，在變化過程中使用相同的計算資源會增加服務和計算之間的物理距離，導致時延增加。因此，需要即時根據用戶的位置調整算力服務的位置[2]。在自動駕駛場景下，移動性是其最突出的特點，車輛在駕駛過程中要在復雜的交通環境中及時感知環境變化并做出響應，這要求車輛與車輛、行人、道路設施之間進行低時延通信，而隨著車輛位置的快速變化，某一個算力服務的節點會很快由低時延節點變成高時延節點，為了滿足其低時延的需求，需要不斷切換算力服務節點位置，從而達到自動駕駛所需要的毫秒級時延[1]。面對業務的高移動性需求，首先需要整網算力資源的全局視圖，并配合人工智能技術實現業務的智能編排調度，從而實現在高移動性場景下的業務無縫切換。

1.4 潮汐需求

業務的潮汐需求往往最容易被人忽略，但該場景相對于其他需求都更具普遍性。以辦公樓宇的視頻監控為例，白天辦公區的人流量大，需要處理分析的數據也會更加復雜；而在夜間，樓宇內空無一人，視頻畫面幾乎處于靜止狀態，不需要對其進行過多處理。因此在該種場景下，同一個業務隨著時間的變化，計算需求量發生了明顯的波動。因此，算力服務需要隨著業務需求量的變化，對所供給的計算資源進行調整，已實現資源的最大化利用。為滿足業務的潮汐需求，算力服務需要結合人工智能技術，通過流量預測等業務感知手段實現對資源使用量的預判，從而實現資源的最佳使用。

通常情況下，每種業務對算力服務的需求并不是單一的，也不是固定的。以車聯網為例，它具有明顯的高移動性和低時延特性，并且對于復雜環境的計算需求量也較高。因此，算力資源需要結合網絡以及新興的技術，實現業務的多維算力服務需求。

2 算力服務特征

根據業務對算力服務的需求，算力服務需滿足綠色、共享、智能、可信等特征才能更好地支撐算力的典型應用場景。算力需求與算力服務特征之間的對應關系如圖1所示，每種場景需要協同多種算力特性來實現其需求。

2.1 綠色算力服務

算力資源是耗電量大戶，根據最新國家數據顯示，2020年國內數據中心年耗電量為2 045億千瓦時，占全社會用電量的2.7%，相當于三峽大壩兩年的發電量[3]，為服務器供電和冷卻所需的電能占到數據中心總運營成本的40%。由于業務明顯的潮汐特性，計算資源在高峰時期往往處于超負荷運轉，出現供不應求的現象，而在低谷時期卻常常處于空閑狀態，寶貴的算力、電力資源被白白消耗。因此，實現綠色算力服務是“雙碳”戰略下不容忽視的問題。

實現“雙碳戰略”下的綠色算力服務需要解決包括以下兩個維度的問題，一是針對算力基礎設施風火水電的節能減排，二是針對業務層面的任務合理安排調度。首先，想要實現物理設施節能減排可以從算力基礎設施的建設前和建設后兩方面入手。正如前文所述，數據中心是耗電量大戶，因此在算力中心建設前需要優先考慮算力中心的地理位置，例如亞馬遜、谷歌傾向于將數據中心建在愛爾蘭，除了被愛爾蘭的稅收政策吸引外，更重要的原因是這里氣候寒冷，可以大大減少數據中心因為降溫所產生的電費，而微軟甚至將數據中心建在海里，依靠海水的溫度來為數據中心降溫。據信通院數據顯示[4]，如圖2所示，目前我國大部分算力分布在京津冀、川渝陜、長三角、粵港澳等東部高成本地區，而地廣人稀，氣候溫度等適合數據中心部署的西部地區，算力規模偏小，這種現狀也是由于大量的業務處于東部導致的。在數字經濟飛速發展的前提下，我國提出“東數西算”戰略，正是從算力設施建設位置的角度出發，提前布局算力資源[5]。而在算力基礎設施建設后，更重要的則是使用先進綠色技術產品，在硬件技術創新、清潔能源應用以及綠色IDC技術三方面持續提升能源高效清潔利用水平，優化綠色管理能力。其次，針對業務層面的合理安排調度，主要面向業務的潮汐效應，在業務層面的解決方式是尋找在時間上相互匹配的業務。由于業務可以分為用戶驅動型和結果驅動型兩種，用戶驅動型可以理解為，此類服務的使用時間與用戶的作息時間強相關，例如游戲、視頻等，通常會在周末或傍晚出現使用高峰；而結果驅動型則只關心最后的產出數據和總時間，具體在什么時候進行計算不是其核心訴求，例如AI訓練、科學計算等。因此，針對于同一算力資源池，可以將兩類業務結合，優先處理用戶驅動型業務，并在計算資源閑時處理結果驅動型業務，充分發揮算力資源的能力，以提高資源使用效率。而在技術層面則要使用彈性擴縮容等技術，在計算資源閑時，關閉部分服務資源以節約能耗。

2.2 共享算力服務

共享算力服務，是指依托網絡連接將分布的算力和業務進行互聯共享，可以解決由于算力及業務分布不均造成的算力資源缺乏問題及單點高質量算力供給不足問題。由于新型業務的飛速發展，單點算力資源已很難滿足業務大算力、低時延、高移動性需求。

共享算力是共享經濟在計算機領域的創新突破。共享算力分為共享單點算力和共享多個算力資源池，前者是在一個資源池內的按需使用，主要針對大算力業務需求，后者實現對多資源池的按需使用，主要針對低時延和高移動性需求。共享算力最為人所熟知的一種形態便是云計算，云計算的高靈活性、可擴展性使得業務可以按需使用云池中的計算資源。云計算主要解決的是計算資源使用方和計算資源擁有方之間的資源分布不均的問題，滿足了業務的大算力需求。在“東數西算”戰略的牽引下，東部業務西部處理會成為一個普遍的場景，但當東部數據傳送到西部時，其物理時延顯著加大，因此需要建設覆蓋全國的高質量網絡基礎設施，提升算力服務質量。而面對低時延和高移動性需求，共享算力則需要實現多算力節點資源的按需使用，需解決以下兩個方面的問題：首先需要建設泛在的邊緣計算節點，這是由于超低時延必須要有較近的物理位置來保障，位置較高的云計算節點在時延保障上難以有更大的提升；其次，需要建設高效的編排管控調度系統，由于低時延業務往往同時也具備大算力業務的特征，單點算力無法滿足其高質量需求，還需要多邊緣節點之間的協同。而高移動性的場景由于用戶位置的不斷變化，天然需要在多節點之間進行切換，良好的協同管理機制是業務低時延大帶寬需求的保障[6]。

2.3 智能算力服務

智能算力服務分為面向智能的計算和面向計算的智能兩個方面。面向智能的計算是指提供算力服務的資源支撐底座能夠原生支持智能化的業務，為各行各業提供實時計算、實時AI服務等計算業務，最為人所熟知的就是智能芯片，提供由GPU、ASIC、FPGA或其他加速器支撐的高密集、高并行計算能力的智能算力[4]；面向計算的智能是指整個算力服務的過程，通過人工智能技術提升服務質量，增強用戶體驗，包含計算業務自動化運營、智能管理、智能工作流業務編排、智能資源編排等能力，實現算力需求的預判和算力資源的動態實時調整，主動、高效、安全、綠色地滿足其服務需求[7]。針對業務的移動性和潮汐性，智能服務的需求顯得尤為突出。

智能算力服務貫穿整個算力服務始終，首先在算力基礎設施建設階段，針對當前算力業務的智能原生的特點，需要建立大量基于GPU、FPGA 等芯片的智能計算中心、智能服務集群以提供足夠的智能算力，主要應用于高性能計算、海量數據挖掘、海量數據分布式存儲與調度、模型訓練、推理識別等業務場景，以滿足用戶多種多樣的AI業務需求。另一方面，智能算力服務也應包括計算智能、網絡智能等。在人工智能蓬勃發展的大背景下，一方面智能業務對智能算力(如AI芯片)的需求急劇增加，另一方面，人工智能技術在提升整個業務流程智能化方面起到關鍵作用。如在算網資源信息收集階段，需要利用AI智能預測算力資源的變化情況；在分析用戶需求階段，以目前的云計算服務為例，在用戶購買資源時需要用戶進行自主選擇認為符合要求的計算資源，在業務部署后不能按照業務計算量的變化主動進行資源的釋放與增加。這樣可能需要用戶對計算具有很高的理解，同時也會導致由于業務對資源持續占用造成大量的浪費，因此需要重點研究針對用戶需求的智能化預測。

2.4 可信算力服務

可信安全作為服務的一項基本能力是算力服務天然需要具備的特性。在任何場景下，安全可信都是開展算力服務的前提。可信算力服務要求對大到國家軍事政治等機密安全，小到對商業機密、個人隱私和財產安全都要有充分的保障。

可信算力服務主要對計算資源的安全可信、網絡信息安全，以及交易可信提供保障。首先，針對計算資源的安全可信上，可信算力服務可以通過對算力提供方的資質核驗以及可信度的評估確保提供服務的算力安全可靠；其次，針對網絡信息安全要保證數據信息的硬件、軟件及數據受到保護，不因偶然的或者惡意的原因而遭到破壞、更改和泄露，系統連續可靠正常地運行，信息服務不中斷。這涉及計算機科學、網絡技術、通信技術、密碼技術、信息安全技術、系統工程、應用數學、數論、信息論等多種學科的綜合。最后，針對可信交易問題，要確保交易的準確和可溯源，這就要涉及到區塊鏈等相關技術。

3 結束語

未來，計算的發展將從過去提供單一的網絡服務、網絡連接服務、計算服務，逐步走向云網邊端協同服務，走向算力跟網絡、計算跟網絡深度融合。算力服務需要依托網絡、智能、綠色、可信等技術，將泛在的計算資源連接成網，賦予其更強大的生命力，使算力網絡化、智能化、綠色化、可信化，從而實現算力資源的靈活按需供給。