先進(jìn)計算行業(yè)報告：七大趨勢量子芯片硅光芯片類腦芯片DPU分布式云泛在算力

1、1序言算力，又可被稱為計算力，即處理數(shù)據(jù)的能力。隨著數(shù)字技術(shù)與數(shù)字經(jīng)濟(jì)的發(fā)展，全球數(shù)據(jù)總量呈現(xiàn)爆發(fā)式的增長，推動了算力需求和要求的不斷升級。人類社會已朝著智能化和數(shù)字化方向邁進(jìn)，計算資源進(jìn)入供不應(yīng)求的階段，算力的重要性也因此被提到一個前所未有的高度。算力在推動經(jīng)濟(jì)發(fā)展方面發(fā)揮著巨大作用。2025 年，超過 40% 的全球經(jīng)濟(jì)將由數(shù)字經(jīng)濟(jì)帶動，接近一半的經(jīng)濟(jì)增長都與數(shù)據(jù)有關(guān)。如果數(shù)據(jù)是數(shù)字經(jīng)濟(jì)時代的核心生產(chǎn)要素，那么數(shù)據(jù)的底座之下，算力承擔(dān)了核心生產(chǎn)力的角色。算力為數(shù)字經(jīng)濟(jì)的增長帶來新的引擎。另一方面，算力構(gòu)建了科技進(jìn)步的正循環(huán)。算力為醫(yī)藥、材料、生物和能源等學(xué)科提供了研究基礎(chǔ)設(shè)施，而新興技術(shù)的

2、發(fā)展將進(jìn)一步推動算力提升。當(dāng)下，計算性能的提升面臨來自多個維度的挑戰(zhàn)，算力發(fā)展已經(jīng)進(jìn)入瓶頸期。從硬件層面來看，隨著硅基芯片制程趨近極限、“內(nèi)存墻”、“功耗墻”問題的凸顯，CPU、GPU 等計算平臺性能提升乏力，摩爾定律正在逐漸失效。從網(wǎng)絡(luò)層面來看，算力節(jié)點通過網(wǎng)絡(luò)靈活高效調(diào)配計算資源的能力仍存在不足、數(shù)據(jù)傳輸?shù)膿p耗與開銷過大，算力資源不能得到有效的利用。從性價比層面來看，算力相關(guān)軟硬件設(shè)施的投入與回報不成正比，計算領(lǐng)域亟需延續(xù)摩爾定律的高性價比方案。先進(jìn)計算技術(shù)指代一切從計算理論、計算架構(gòu)、計算系統(tǒng)等層面有效提升現(xiàn)有算力規(guī)模、降低算力成本、提高算力利用效率的創(chuàng)新性技術(shù)。為了解決上述難題，打破算

3、力危機(jī)，先進(jìn)計算技術(shù)主要關(guān)注兩個重點方向：對于單個計算節(jié)點性能的提升，以量子芯片、類腦芯片為代表的非馮諾依曼架構(gòu)芯片的出現(xiàn)為計算硬件變革帶來了曙光；對于算力系統(tǒng)的高效利用，芯片層面與數(shù)據(jù)中心層面的多元異構(gòu)計算將伴隨云邊端一體化趨勢，構(gòu)建隨時隨地、隨需隨形的全新計算體系。算力是多領(lǐng)域多技術(shù)融合的載體，人類對于算力的追求沒有止境。未來，隨著先進(jìn)計算技術(shù)的不斷發(fā)展，計算的效能與能效都將迎來全新的突破，算力體系將得到顛覆性地變革。在先進(jìn)計算技術(shù)的支撐下，更多智慧化、智能化的應(yīng)用將會涌現(xiàn)，綠色低碳、開放開源的算力也將成為不可逆轉(zhuǎn)的趨勢。2目錄新一代計算硬件0407量子芯片硅光芯片類腦芯片DPU航 海 梯

4、 山 無 遠(yuǎn) 弗 屆摩 爾 的 盡 頭 有 “ 光 ”來 自 大 腦 的 答 案1013以 數(shù) 據(jù) 為 中 心 的 計 算架構(gòu)演變分布式云泛在算力云 邊 端 協(xié) 同 的 關(guān) 鍵 樞 紐無 處 不 在 的 算 力 網(wǎng) 絡(luò)1619前沿應(yīng)用22科學(xué)復(fù)興先 進(jìn) 計 算 加 速 科 學(xué) 復(fù) 興31量子芯片航海梯山 無遠(yuǎn)弗屆當(dāng)下，量子計算已經(jīng)邁入 NISQ 時代。量子芯片作為量子計算機(jī)的核心，是量子計算實現(xiàn)規(guī)模化與商業(yè)化的關(guān)鍵瓶頸。在學(xué)術(shù)界與產(chǎn)業(yè)界的不斷推動下，量子芯片在 2021 年迎來了大爆發(fā)。想要跨入通用量子計算時代，量子比特的數(shù)量與質(zhì)量，比特間的連通性以及容錯能力仍有待進(jìn)一步突破。航海梯山，無遠(yuǎn)弗

5、屆。量子計算終將越過重重障礙，乘微觀粒子以顛覆現(xiàn)代計算體系，為人類帶來算力的騰越。45趨勢 一量子芯片 航海梯山，無遠(yuǎn)弗屆量子計算是基于量子力學(xué)的全新計超導(dǎo)量子芯片，由于其電子線路設(shè)計算模式，具有原理上遠(yuǎn)超經(jīng)典計算的強(qiáng) 和制備的工藝與現(xiàn)代集成電路技術(shù)相兼容，大并行計算能力。量子計算以量子比特 被認(rèn)為是具有清晰的商業(yè)前景、能較快實作為信息編碼和存儲的基本單元。與經(jīng) 現(xiàn)產(chǎn)業(yè)化的一種量子 芯片技術(shù)路徑。典比特只能代表 0 或者 1 不同，具備疊 Google、IBM、麻省理工學(xué)院、中國科學(xué)加態(tài)的量子比特是 0 且 1 的存在。恰當(dāng) 技術(shù)大學(xué)、浙江大學(xué)和初創(chuàng)公司本源量子利用量子疊加態(tài)與糾纏態(tài)，將使得量

6、子 等在此技術(shù)上均有布局。計算機(jī)的運(yùn)算效率遠(yuǎn)超傳統(tǒng)計算機(jī)，獲得指數(shù)級別的增長。算力危機(jī)下，量子計算作為一種顛覆性的計算體系，具備幫助人類實現(xiàn)算力跨越式發(fā)展的無限潛力。隨著“量子計算優(yōu)越性”已被證明，量子計算已邁圖 | 全球部分量子芯片初創(chuàng)公司入含噪聲的量子計算（NISQ）階段。當(dāng)2021 年底，IBM 公司推出全球首個127 超導(dǎo)量子比特芯片“Eagle”，突破超導(dǎo)量子芯片百位量子比特的大關(guān)。但量子芯片的規(guī)模與性能，不僅僅由名義上的量子比特數(shù)目決定。邏輯門保真度、退相干時間、量子比特間的連通性等也是評價量子芯片性能的重要指標(biāo)。接下來，超千位比特的超導(dǎo)量子芯片有望在三年內(nèi)問世。在進(jìn)一步提高比特數(shù)

7、量的同時保證比特的質(zhì)量，將是超導(dǎo)量子芯片發(fā)展的重點。下，科研與產(chǎn)業(yè)發(fā)展的重點將集中在實現(xiàn)解決特定問題的專用量子計算機(jī)上。量子芯片是將量子線路集成在基片上，進(jìn)而承載量子信息處理功能的處理器，是量子計算機(jī)的核心。量子計算機(jī)想要實現(xiàn)產(chǎn)業(yè)化，邁向商業(yè)階段，量子芯片正是需要攻克的關(guān)鍵瓶頸。目前，包括 Google、IBM 等在內(nèi)的科技巨擘和麻省理工學(xué)院、耶魯大學(xué)、中國科學(xué)技術(shù)大學(xué)等世界知名高校已在量子芯片領(lǐng)域取得重大突破。6趨勢 一量子芯片 航海梯山，無遠(yuǎn)弗屆作為量子計算的另一種代表性技術(shù)想要實現(xiàn)通用量子計算機(jī)需要具備三路徑，光量子芯片因其工作環(huán)境要求低、 個前提 百萬量子比特的相干操縱能集成度高等特點

8、也受到廣泛關(guān)注。包括 力、低環(huán)境要求和高集成度。同時，對于美國 PsiQ、加拿大 Xanadu 和中國圖靈 大規(guī)模的量子比特系統(tǒng)，通過量子糾錯來量子等在內(nèi)的光量子集成芯片領(lǐng)跑者， 維持系統(tǒng)的正確運(yùn)行是必然要求，這也是在 2021 年貢獻(xiàn)了豐富的研究與產(chǎn)業(yè)成 想要邁入容錯量子計算時代所面臨的主要果，為光量子計算的商業(yè)化奠定了基礎(chǔ)。 挑戰(zhàn)之一。目前，量子糾錯主要是通過增加邏輯量子比特內(nèi)自由度的冗余來達(dá)到降2021 年 3 月，Xanadu 推出 X8 光低凈誤差的目的。量子處理器。這是一款可編程、可擴(kuò)展、可執(zhí)行多種算法的光量子芯片，能夠集雖然國際學(xué)術(shù)界一般認(rèn)為真正實現(xiàn)可成到現(xiàn)有的基于光纖的電信基礎(chǔ)

9、架構(gòu)中， 編程通用量子計算機(jī)還需 15 年甚至更久，有效降低運(yùn)營成本。2021 年 7 月，圖靈 但我們有理由相信，在政策的推動、相關(guān)量子金賢敏領(lǐng)導(dǎo)的團(tuán)隊提出了首個基于 產(chǎn)業(yè)的升級和資本的不斷加持下，規(guī)?；庾蛹尚酒奈锢硐到y(tǒng)可擴(kuò)展的專用 與商業(yè)化的量子計算將加速到來。光量子計算方案。2022 年初，圖靈量子未來，量子芯片將賦能先進(jìn)計算，為發(fā)布首個商用科研級專用光量子計算機(jī)，人工智能、密碼分析、氣象預(yù)報、量子化利用定制化的三維光量子芯片研究和解學(xué)和藥物設(shè)計等領(lǐng)域的大規(guī)模計算難題提決各類實際問題。下一步，可靠的高品供顛覆性的解決方案。質(zhì)光源技術(shù)是光量子計算迎來應(yīng)用爆發(fā)“在量子領(lǐng)域，我們正在看到

10、越來前必須克服的難題。越多過去被認(rèn)為是需要 10 20 年才能實驗室引領(lǐng)了量子計算技術(shù)革新，出現(xiàn)的突破在不到 3、4 年內(nèi)發(fā)生。“ *而市場助力了量子計算生態(tài)的建立。根William Hurley據(jù) ICV 統(tǒng)計，2021 年度量子計算硬件及Strangeworks CEO軟件公司共完成 42 筆融資，融資總額約26.91 億美元，超過以往的總和。*Source: Author-related. (2022.04). Facing tomorrows quantum hackers today. MITTR & TII2硅光芯片摩爾的盡頭有“光”硅光芯片兼具微電子與納米光子的技術(shù)優(yōu)勢，既具有微

11、電子尺寸小、成本低、集成度高的特點，又將光子高帶寬、高速率、多通道的長處發(fā)揮地淋漓盡致，實現(xiàn)了兩種物理體系的高效整合。隨著云計算與人工智能等應(yīng)用的爆發(fā)，硅光芯片進(jìn)入了技術(shù)與產(chǎn)業(yè)的高速發(fā)展期。目前，硅光芯片已在大型數(shù)據(jù)中心內(nèi)部數(shù)據(jù)傳輸?shù)阮I(lǐng)域迎來商業(yè)化落地。未來，硅光芯片與電子芯片將互補(bǔ)共存，深化光電融合的發(fā)展模式。78趨勢 二硅光芯片 摩爾的盡頭有“光”隨著集成電路微電子器件的進(jìn)一步微縮化，電子芯片在提高算力的同時所面臨的能耗和數(shù)據(jù)傳輸帶寬等問題成為了難以逾越的障礙。光子芯片作為一種在數(shù)據(jù)運(yùn)算與傳輸方面更具優(yōu)勢的集成在微電子技術(shù)和光電子技術(shù)之間取長補(bǔ)短，既具有微電子尺寸小、成本低、集成度高等特點

12、，又將光電子高帶寬、高速率、多通道的優(yōu)點發(fā)揮地淋漓盡致，實現(xiàn)了兩種物理體系的高效整合。另一技術(shù)，在后摩爾時代發(fā)出閃耀“光”芒。 方面，硅光芯片對于工藝制程的要求較低，45 nm 或 65 nm 的 CMOS 工藝線與電子芯片利用電子作為信息載體即可滿足現(xiàn)階段光計算的絕大部分要求，不同，光子芯片是利用光子來生成、處這使得硅光芯片在制備流程上具備極高理并傳輸信息。光子是一種玻色子，其的性價比。靜止質(zhì)量為零，所以在信號傳輸?shù)倪^程中由質(zhì)量的慣性所帶來的能量損耗較小，光子器件傳輸 1 比特信息所需要的能量僅為電子器件的千分之一。同時，光子的信息容量比電子高出 3 4 個數(shù)量級，極高的信息密度與抗干擾能力

13、是光子作為信息載體的先天優(yōu)勢。光子芯片能夠在信息傳輸?shù)耐瑫r完成計算，在與成熟的硅基半導(dǎo)體加工工藝有機(jī)融合后，能夠釋放光子計算的無限潛力。數(shù)字化的時代背景下，5G、人工智能、物聯(lián)網(wǎng)等領(lǐng)域下游應(yīng)用的興起導(dǎo)致了數(shù)據(jù)量的井噴。根據(jù) IDC 的預(yù)測數(shù)據(jù)，2025 年全球數(shù)據(jù)總量將達(dá)到 175 ZB。2026$1.1 B硅光芯片按應(yīng)用分類$454 M2020$454 M$115 M$84 M$478 M半導(dǎo)體集成電路需要將大量微電子原件（如晶體管、電阻、電容等）放在一塊基板上，硅光芯片則利用硅的強(qiáng)大光路由能力，通過施加電壓產(chǎn)生持續(xù)的激光束驅(qū)動硅光子原件，來實現(xiàn)光信息的傳輸、計算等功能。硅基光電子芯片CAG

14、R49%數(shù)據(jù)中心硅光模塊光子計算光互連圖 | 2020-2026 硅光芯片市場規(guī)模（來源：Yole）9趨勢 二硅光芯片 摩爾的盡頭有“光”立足于光子的傳輸速率和計算密度等優(yōu)勢，硅光芯片在信息傳輸與信息處理方面的作用逐漸凸顯。當(dāng)下，硅光芯片仍然面臨著產(chǎn)業(yè)鏈與工藝水平的制約，還未形成系統(tǒng)化的設(shè)計方法與標(biāo)準(zhǔn)化的制造工藝，光學(xué)器件的密度有待進(jìn)一步的提升。并且光計算的精度低于電子芯片，限制了硅光芯片的應(yīng)用場景。只有打通了設(shè)計、工藝、封裝、產(chǎn)品等完整的產(chǎn)業(yè)鏈條，硅光芯片才能真正釋放性能與成本的巨大潛力。在信息傳輸方面，數(shù)據(jù)中心內(nèi)大規(guī)模的分布式計算使得服務(wù)器之間需要進(jìn)行頻繁的大量數(shù)據(jù)交換，數(shù)據(jù)的訪問與搬運(yùn)性

15、能成為與計算性能一樣重要的指標(biāo)。傳統(tǒng)的高速光模塊在通信網(wǎng)絡(luò)設(shè)備成本中占比高達(dá) 50% - 60%，其高昂的成本阻礙了數(shù)據(jù)傳輸速率的發(fā)展。而硅光芯片能夠在較低的成本下，提供數(shù)據(jù)中心集群設(shè)備間、服務(wù)器與服務(wù)器間、硅光芯片的商業(yè)化是一個持續(xù)且漫長的過程。未來 3 年，硅光芯片的商業(yè)化產(chǎn)品將首先出現(xiàn)在對算力、延時和功耗有特定需求的應(yīng)用場景，如量化交易、甚至是芯片內(nèi)部的超高速光互連。未來， 自動駕駛和大數(shù)據(jù)中心。未來 10 年，隨硅光芯片將成為數(shù)據(jù)中心內(nèi)超高帶寬數(shù)據(jù)互聯(lián)的標(biāo)配。著技術(shù)的不斷演進(jìn)，光計算將會在硅光芯片和電子芯片長期互補(bǔ)共存的基礎(chǔ)下走向大規(guī)模普及。在信息處理方面，硅光芯片具備相比電子芯片更快

16、的矩陣運(yùn)算速率。光子計算公司曦智科技于 2021 年底發(fā)布的第二代高性能光子計算處理器“PACE”，集成了超過 1 萬個光子器件，其在特定循環(huán)神經(jīng)網(wǎng)絡(luò)下的運(yùn)行速度可達(dá)目前最先進(jìn)的電子芯片的數(shù)百倍。人工智能正在 從 “ Model Centric ” 向 “ DataCentric”轉(zhuǎn)變，基于海量數(shù)據(jù)的大模型背后，將會是硅光芯片大放異彩的賽場。“不久的將來，大家可能會看到，服務(wù)器中、板卡上、芯片里和計算系統(tǒng)內(nèi)各個尺度的光電進(jìn)一步融合?！?沈亦晨 曦智科技創(chuàng)始人3類腦芯片來自大腦的答案人腦是自然界中最完美的信息處理系統(tǒng)，類腦計算借鑒人腦處理信息的方式，以更少的器件、更低的能耗與更高的能效比顛覆傳統(tǒng)

17、計算范式。類腦芯片是類腦計算落地應(yīng)用的硬件載體，具備“事件驅(qū)動”與“存算一體“等特性。未來，人工智能的發(fā)展必將從狹隘的弱人工智能走向更具魯棒性與通用性的通用人工智能。腦科學(xué)與計算機(jī)科學(xué)的深度融合，將為通用人工智能的實現(xiàn)提供必要的條件。1011趨勢 三類腦芯片 來自大腦的答案人工智能時代，存算分離的馮諾依曼在實驗室領(lǐng)域，包括斯坦福大學(xué)、架構(gòu)逐漸顯現(xiàn)瓶頸。人腦是自然界中最完 曼徹斯特大學(xué)、清華大學(xué)以及浙江大學(xué)美的通用智能體，類腦計算借鑒人腦處理 在內(nèi)的世界知名高校均在類腦計算方向信息的方式，以更少的器件、更低的能耗 有所建樹。而產(chǎn)業(yè)界中，IBM、Intel、阿與更高的能效比解決馮諾依曼架構(gòu)所面臨

18、里巴巴等大型科技公司和眾多初創(chuàng)公司的“內(nèi)存墻”與“功耗墻”等諸多挑戰(zhàn)。也正在積極布局類腦芯片。人工神經(jīng)網(wǎng)絡(luò)，是基于統(tǒng)計學(xué)遞歸原2019 年 8 月，清華大學(xué)自主研發(fā)的理所構(gòu)建的計算架構(gòu)。而類腦計算是基于 異 構(gòu) 融 合 類 腦 芯 片 “ 天 機(jī) 芯 ” 登 上借鑒腦神經(jīng)元工作原理的新型架構(gòu)，是一 Nature雜志封面?！疤鞕C(jī)芯”總共種時域加空域的計算，在具備稀疏性的同 可實現(xiàn) 4 萬個神經(jīng)元，兼容人工神經(jīng)網(wǎng)時能夠有效體現(xiàn)人腦處理信息時候的高效 絡(luò)與脈沖神經(jīng)網(wǎng)絡(luò)，能達(dá)到普通 AI 芯片性、近似性與時空連續(xù)性。10 倍以上的能效比。目前，“天機(jī)芯”芯片已完成從科研到產(chǎn)業(yè)應(yīng)用的轉(zhuǎn)變。2021年 9

19、 月，Intel 發(fā)布最新一代類腦芯片 Loihi 2。該芯片在非激活狀態(tài)下能夠?qū)崿F(xiàn)毫瓦級別的功耗。Loihi 2 作為一種研究型芯片已被應(yīng)用在機(jī)械臂、嗅覺傳感、人造皮膚等領(lǐng)域的研究上。類腦芯片，是類腦計算落地應(yīng)用的硬件載體。類腦芯片具備“事件驅(qū)動”的特性，即只有輸入信號達(dá)到一定的閾值，神經(jīng)元才會被激活并發(fā)出脈沖，通過人工突觸將信號傳遞到下一個神經(jīng)元。在輸入信號不足以刺激神經(jīng)元發(fā)出脈沖時，其他非活躍神經(jīng)元自身能夠保持極低的運(yùn)行功耗。與此同時，類腦芯片還具備“存算一體“的優(yōu)勢，能夠很好地滿足邊緣計算領(lǐng)域低延時場景的需求。目前，類腦芯片存在基于數(shù)模混合電路、異步數(shù)字電路和同步數(shù)字電路等多種技術(shù)方案

20、，類腦計算的研究也正處于飛速發(fā)展期。圖 | 全球類腦計算研究部分頂尖高校12趨勢 三類腦芯片 來自大腦的答案類腦芯片在實驗室內(nèi)已經(jīng)取得了重要技術(shù)突破，而在市場上也能夠看到前沿的應(yīng)用落地。智能感知終端設(shè)備由于需要實時處理多模態(tài)、非結(jié)構(gòu)化的數(shù)據(jù)并做出正確的決策，是類腦計算施展拳腳的絕佳場景。目前，已有類腦芯片企業(yè)針對智能機(jī)器人、智能安防等具體應(yīng)用對生物神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，并將算法變成芯片架構(gòu)，提供定制化的類腦智能解決方案，推動了類腦芯片的產(chǎn)業(yè)化與商業(yè)化落地。長路漫漫，始于足下。從短期來看，類腦芯片需要以端側(cè)智能為利基市場，憑借自身超低功耗、高能效比的優(yōu)勢，挖掘和創(chuàng)造更多的應(yīng)用場景。荊棘載途，云程萬里

21、。從長期來看，類腦芯片想要迎來商業(yè)價值的釋放，不僅需要產(chǎn)業(yè)端關(guān)注制造成本的降低，更需要科研端從系統(tǒng)結(jié)構(gòu)入手，發(fā)展類腦計算完備性，拓展類腦芯片應(yīng)用于通用計算的可能性。未來，人工智能的發(fā)展必將從狹隘的弱人工智能走向更具魯棒性與通用性的通用人工智能。類腦計算是通往通用人工智能的必經(jīng)之路，但絕不是獨(dú)木橋。只有將計算機(jī)的剛性與腦的彈性進(jìn)行有機(jī)結(jié)合，在現(xiàn)有的硅基計算機(jī)架構(gòu)基礎(chǔ)上載以具備時空復(fù)雜性的類腦芯片，才能引領(lǐng)人工智能的下一次變革。當(dāng)下，類腦芯片仍面臨著來自材料體系的難題。目前能夠?qū)崿F(xiàn)量產(chǎn)的類腦芯片，基本還是采用電路模擬人工神經(jīng)突觸的方式來進(jìn)行類腦計算，這樣做不僅對芯片制造工藝要求較高，生產(chǎn)效率也十分

22、低下。理想的類腦芯片材料，應(yīng)該既具備在器件層面模擬神經(jīng)元和突觸的功能，又能夠于系統(tǒng)層面實現(xiàn)大規(guī)模的集成。努力探尋滿足上述條件的材料，是類腦芯片實現(xiàn)突破的關(guān)鍵卡口。“人工通用智能是一個必然的趨勢，而異構(gòu)融合的類腦芯片正是這把鑰匙?！北M管類腦計算行業(yè)還處在突圍階段，其市場前景仍受到廣泛的認(rèn)可。根據(jù)Yole Dvelopment 預(yù)測，2035 年類腦計算市場將占人工智能市場總收入的15%-20%，市場規(guī)模約 200 億美元。 施路平 清華大學(xué)教授4DPU以數(shù)據(jù)為中心的計算隨著云計算的普及，數(shù)據(jù)中心在快速擴(kuò)容的同時也面臨著來自性能、規(guī)模、能耗與安全的問題。為更好地解決數(shù)據(jù)中心的瓶頸并實現(xiàn)云服務(wù)的降本

23、增效，DPU （數(shù)據(jù)處理芯片）替代傳統(tǒng)的智能網(wǎng)卡，成為了完美的解決方案。數(shù)據(jù)是貫穿計算、網(wǎng)絡(luò)和存儲三要素的一根主線。未來，DPU、CPU、GPU將成為大型數(shù)據(jù)中心內(nèi)的三駕馬車，DPU 作為整個數(shù)據(jù)中心的大腦，通過數(shù)據(jù)流鏈接并管理著整個計算系統(tǒng)。1314趨勢 四DPU 以數(shù)據(jù)為中心的計算過去 20 年，智能化和數(shù)字化的浪潮加速了云計算與數(shù)據(jù)中心的發(fā)展。作為信息時代的 IT 基礎(chǔ)設(shè)施，數(shù)據(jù)中心在快速擴(kuò)容的同時也面臨著來自性能、規(guī)模、能耗與安全的問題?；桶踩热蝿?wù)都卸載并集成到一個平臺。在此基礎(chǔ)之上，CPU 算力能夠被最大規(guī)模地釋放給上層應(yīng)用，從而提升可供售賣的計算資源，為數(shù)據(jù)中心帶來經(jīng)濟(jì)效益。D

24、PU 另一個重要的使命是對數(shù)據(jù)中心進(jìn)行集群管理。DPU 作為數(shù)據(jù)中心的大腦，利用快速的數(shù)據(jù)遷移能力實現(xiàn)基礎(chǔ)設(shè)施硬件的池化，包括算力的池化、存儲的池化以及將來內(nèi)存的池化。池化后的資源能夠得到更高效的利用和管理，從而有效降低數(shù)據(jù)中心的 TCO（整體擁有成本）。與此同時，DPU 作為數(shù)據(jù)處理和運(yùn)維的中樞，負(fù)責(zé)將不同的數(shù)據(jù)任務(wù)調(diào)度給最合適的 CPU、GPU 或 DPU 自身進(jìn)行處理，加速了異構(gòu)計算到來的步伐。一方面，數(shù)據(jù)中心的計算資源被復(fù)雜的基礎(chǔ)設(shè)施操作所占據(jù)，留給業(yè)務(wù)處理的計算空間正在逐漸縮減。數(shù)據(jù)顯示，處理 25G 帶寬的網(wǎng)絡(luò)服務(wù)，將耗費(fèi) CPU 約20% 的算力，而當(dāng)帶寬變?yōu)?100G，這個數(shù)字

25、將提升到 70%。另一方面，服務(wù)器集群的規(guī)模越來越大，如何高效地統(tǒng)籌各服務(wù)器間的計算和存儲資源是數(shù)據(jù)中心想要實現(xiàn)降本增效必須克服的難題。針對上述問題，從智能網(wǎng)卡演變而來的 DPU 成為了共識的解決方案。 DPU集合了高性能的網(wǎng)絡(luò)接口與靈活可編程的多核 CPU，能夠?qū)崿F(xiàn)算力卸載、降低網(wǎng)絡(luò)擁塞、網(wǎng)絡(luò)虛擬化和安全加速等多種功能，為數(shù)據(jù)中心業(yè)務(wù)與基礎(chǔ)設(shè)施操作的分離提供了強(qiáng)有力的支持。CPUGPU通用計算數(shù)據(jù)中心圖像處理AI 加速I/O 密集任務(wù)DPU資源調(diào)度DPU 最根本的功能是對 CPU 任務(wù)的卸載。DPU 將數(shù)據(jù)中心基礎(chǔ)設(shè)施操作中占據(jù) CPU 資源較多的網(wǎng)絡(luò)、存儲、虛擬圖 | CPU、GPU、DP

26、U成為數(shù)據(jù)中心“三駕馬車”15趨勢 四DPU 以數(shù)據(jù)為中心的計算根據(jù)英偉達(dá)的預(yù)測，未來用于數(shù)據(jù)中除了在數(shù)據(jù)中心和云計算領(lǐng)域發(fā)光心的 DPU 數(shù)量將達(dá)到與數(shù)據(jù)中心服務(wù)器 發(fā)熱，DPU 在未來會承載更加豐富的應(yīng)數(shù)量同等的級別，DPU 的全球市場規(guī)模有 用場景。包括網(wǎng)絡(luò)安全、通信、邊緣計算望在三年內(nèi)超過 100 億美元。DPU 廣闊 和數(shù)據(jù)存儲等都將是 DPU 的目標(biāo)市場。的市場空間，也吸引了世界范圍內(nèi)的眾多如果說 CPU 是“以計算為核心，指玩家。DPU 領(lǐng)域的玩家主要分為三大類。令控制流驅(qū)動計算”的平臺，那么 DPU第一類是包括亞馬遜、谷歌、阿里巴巴和則是“以數(shù)據(jù)為中心，數(shù)據(jù)流驅(qū)動計算”華為在內(nèi)

27、的大型云服務(wù)廠商；第二類是英的平臺。 數(shù)據(jù)中心正在從“CPU Centric”特爾、英偉達(dá)和博通等傳統(tǒng)半導(dǎo)體巨頭；的時代走向“Data Centric”的時代。數(shù)第三類則是以美國 Fungible、Pensando據(jù)是貫穿計算、網(wǎng)絡(luò)和存儲三要素的一根（被 AMD 以 19 億美金收購）和中國頭部主線。數(shù)據(jù)中心內(nèi)部，DPU 好比交通信企業(yè)云豹智能為代表的 DPU 初創(chuàng)公司。號燈，通過數(shù)據(jù)流鏈接并管理著整個系統(tǒng)，當(dāng)下，DPU 芯片的核心競爭要素是性 從而實現(xiàn)更高速率和更低延時的業(yè)務(wù)響應(yīng)。能與可編程能力的極致平衡。想要打造算算力不僅需要提升，更需要變得可力大、通用可編程的 DPU，必須深入了解以駕馭

28、。DPU 的興起正推動著計算基礎(chǔ)云服務(wù)廠商的需求與數(shù)據(jù)中心的應(yīng)用場景，架構(gòu)的變革，為更高效的數(shù)據(jù)處理和計算根據(jù)需求與場景去抽象和定義產(chǎn)品，在帶解決方案鋪平了道路。來較低的遷移成本的同時也敏捷地支持業(yè)務(wù)變化。作為中國 DPU 賽道的領(lǐng)頭羊之“未來，云服務(wù)廠商的創(chuàng)新與優(yōu)化一，云豹智能將包括 DPU 芯片在內(nèi)的整都將集中在 DPU 上?！卑骞目刂圃?75W 以下，為數(shù)據(jù)中心裸 蕭啟陽 云豹智能 CEO金屬、虛擬機(jī)和容器應(yīng)用場景提供一體化的 DPU 解決方案，在成本降低的同時獲得數(shù)倍以上的性能提升。未來，“應(yīng)用定義軟件、軟件定義芯片“的軟硬件融合思路將貫穿芯片設(shè)計的全流程。5分布式云云邊端協(xié)同的關(guān)鍵

29、樞紐分布式云靠近數(shù)據(jù)的源頭，搭載在數(shù)據(jù)中心與終端設(shè)備之間的邊緣基礎(chǔ)設(shè)施之上，能夠提供低延時、廣連接、大帶寬的云服務(wù)。隨著硬件設(shè)備的發(fā)展，分布式云節(jié)點將具備部分中心云的能力，但并不能完全取代中心云，而是以云邊端深度協(xié)同的形式構(gòu)建更加完備的云計算架構(gòu)。未來，分布式云將服務(wù)于自動駕駛、工業(yè)制造、智慧城市等對時延和連接有苛刻要求的應(yīng)用，釋放更多邊緣智能的價值。1617趨勢 五分布式云 云邊端協(xié)同的關(guān)鍵樞紐從電子計算機(jī)的誕生到客戶端電腦的普及再到云計算的興起，計算架構(gòu)經(jīng)歷了從集中式到分布式再到集中式的演變。5G 與 IoT 浪潮之下，智能終端數(shù)量及其產(chǎn)生的數(shù)據(jù)總量呈現(xiàn)指數(shù)級別的增長，集中式的云計算難以滿

30、足帶寬、時延與成本的需求，算力架構(gòu)開始再次向分布式遷移。求，從而為以傳感器網(wǎng)絡(luò)為基礎(chǔ)的各類應(yīng)用提供了可靠的計算基礎(chǔ)。隨著分布式云覆蓋密度的提升，更多的邊緣智能與端側(cè)智能將成為現(xiàn)實。分布式云能夠提供更高效和安全的服務(wù)。中心云的模式下，大量終端設(shè)備的數(shù)據(jù)需要回傳到云端，極易造成網(wǎng)絡(luò)通道的堵塞和帶寬容量的浪費(fèi)。而分布式云的架構(gòu)，每一個計算節(jié)點都有能力承擔(dān)數(shù)據(jù)預(yù)處理的工作，從而實現(xiàn)數(shù)據(jù)的分層傳輸，減緩大規(guī)模并發(fā)對于骨干網(wǎng)絡(luò)的沖擊。另一方面，由于縮減了數(shù)據(jù)的傳輸鏈路，分布式云能夠減少傳輸過程中數(shù)據(jù)隱私泄露的風(fēng)險，并滿足特殊客戶關(guān)鍵數(shù)據(jù)不離場的需求。未來，數(shù)據(jù)安全相關(guān)法律法規(guī)的實行將使得分布式云成為企業(yè)的

31、必要選擇。分布式云搭建在數(shù)據(jù)中心與終端設(shè)備之間的邊緣基礎(chǔ)設(shè)施上，是云計算能力向邊緣節(jié)點下沉的表現(xiàn)。分布式云靠近數(shù)據(jù)源頭，廣泛分布在不同地理位置，覆蓋各種數(shù)據(jù)熱點區(qū)域和客戶場景，就近提供計算、網(wǎng)絡(luò)、存儲、安全等云能力?；谝陨衔锢韺用娴膬?yōu)勢，分布式云是一種滿足廣連接、大帶寬、低延時和碎片化需求的精細(xì)化云服務(wù)。分布式云作為中心云的延伸，承擔(dān)著“神經(jīng)末梢”的計算任務(wù)。與物流配送“最后一公里”類似，分布式云最顯著的特點就是能夠針對計算任務(wù)提供敏捷的響應(yīng)。由于終端設(shè)備與大型數(shù)據(jù)中心地理距離的限制，傳統(tǒng)云服務(wù)難以進(jìn)一步降低如自動駕駛和虛擬現(xiàn)實等應(yīng)用的響應(yīng)時延。由于分布式云更靠近邊緣側(cè)，能夠滿足實時數(shù)據(jù)分析

32、與處理的數(shù)據(jù)產(chǎn)生和使用的需大型IDC云分布式云邊終端設(shè)備終端設(shè)備端圖 | 云-邊-端協(xié)同架構(gòu)18趨勢 五分布式云 云邊端協(xié)同的關(guān)鍵樞紐面對差異化的計算需求，分布式云當(dāng)下，分布式云仍然還面臨著部署能夠基于物理終端的位置、計算節(jié)點的位 成本、軟硬件異構(gòu)管理、安全體系等多方置和算力系統(tǒng)的狀態(tài)，實現(xiàn)算力的智能調(diào) 面的難題。下一個五年，在突破上述瓶頸度與分配，在保證業(yè)務(wù)響應(yīng)低時延的同時 后，分布式云能夠推動全面云化的進(jìn)程。有效提升計算資源的利用率。云資源的智 根據(jù) Gartner 預(yù)測，到 2025 年將有超過能調(diào)度依托于強(qiáng)大的基礎(chǔ)設(shè)施軟件，專注 50% 的組織在其選擇的地點使用分布式于軟件定義邊緣的分

33、布式云廠商秒如科技， 云，從而實現(xiàn)業(yè)務(wù)的轉(zhuǎn)型與升級。正是憑借全棧自研的異構(gòu)調(diào)度引擎，得以隨著硬件設(shè)備的發(fā)展，分布式云節(jié)提供強(qiáng)大的跨云、彈性可伸縮的計算資源點將具備部分中心云的能力，但并不能完調(diào)度和編排。從需求側(cè)來看，海量應(yīng)用促全取代中心云，而是以云邊端深度協(xié)同的使全球算力需求不斷攀升。從供給側(cè)來看，形式構(gòu)建更加完備的云計算架構(gòu)。作為云算力網(wǎng)絡(luò)的結(jié)構(gòu)會隨著分布式云的大規(guī)模邊端協(xié)同的關(guān)鍵樞紐，分布式云需要在業(yè)普及而呈現(xiàn)顆粒化、下沉的趨勢?；诠﹦?wù)、應(yīng)用管理、數(shù)據(jù)和資源等方面與中心需兩端的發(fā)展情況可以判斷，未來的計算云實現(xiàn)協(xié)同，并在應(yīng)用層面為自動駕駛、資源將是無處不在且位置無感的。工業(yè)制造和智慧城市

34、等場景下的終端設(shè)備不同于中心云是資源定義的云服務(wù)， 帶來實時智能互連。未來，分布式云將推分布式云是業(yè)務(wù)場景定義的云服務(wù)。近幾 動邊緣計算、分布式云原生、分布式數(shù)據(jù)年，除了數(shù)據(jù)中心的成本和效能等因素， 庫、分布式存儲等行業(yè)分布式應(yīng)用的革命。云服務(wù)廠商的核心競爭將集中在用戶體驗“企業(yè) IT 基礎(chǔ)設(shè)施的發(fā)展在經(jīng)歷了之上。分布式云基于中心云所不具備的低從硬件定義到軟件定義再到服務(wù)定義的延時、低帶寬成本等優(yōu)勢，能夠提供給客演進(jìn)過程后，無不處在的分布式云將成戶更優(yōu)質(zhì)的云體驗。進(jìn)入快速成長階段，為未來最為關(guān)鍵的 IT 基礎(chǔ)設(shè)施。”分布式云的進(jìn)一步發(fā)展依托于更多上游應(yīng)用場景的落地，而分布式云廠商競爭的關(guān)鍵在于

35、對客戶和業(yè)務(wù)場景理解的深度。 孫思清 浪潮云首席技術(shù)官6泛在算力無處不在的算力網(wǎng)絡(luò)在數(shù)據(jù)爆發(fā)式增長與算力單點性能極限之間的矛盾日益突出的背景下，以網(wǎng)絡(luò)連接泛在算力，構(gòu)建云邊端一體的立體算力網(wǎng)絡(luò)迫在眉睫。未來，算力將呈現(xiàn)泛在分布、多元異構(gòu)、位置無感的趨勢。隨著網(wǎng)絡(luò)技術(shù)與計算技術(shù)的并行發(fā)展、算網(wǎng)的深度融合，智能可調(diào)度的泛在算力網(wǎng)絡(luò)將加速到來。下一個 10 年，算力將如同水電煤等基礎(chǔ)資源，滲透進(jìn)人類生產(chǎn)生活的點滴，成為智能社會運(yùn)行的核心要素。1920趨勢 六泛在算力 無處不在的算力網(wǎng)絡(luò)先進(jìn)計算與網(wǎng)絡(luò)技術(shù)的發(fā)展，推動將部分?jǐn)?shù)據(jù)處理工作從云端遷移至邊緣端，引入廣泛分布的邊緣算力，是建設(shè)網(wǎng)絡(luò)化了智能世界萬

36、物互聯(lián)的進(jìn)程。未來社會，智能化設(shè)備無處不在，算力也將無處不在。 算力體系的支柱。邊緣算力的引入，不僅邁入算力時代，算力將突破云的邊界，向萬物蔓延，呈現(xiàn)出云邊端立體化泛在分布的趨勢。泛在算力，將如同工業(yè)社會里石油的角色一樣，成為智能社會的基石。能對計算需求起到“削峰填谷”的作用，顯著提升算力網(wǎng)絡(luò)的效能，更能有效節(jié)省網(wǎng)絡(luò)帶寬成本，提升算力網(wǎng)絡(luò)的經(jīng)濟(jì)性。未來，云端算力是主引擎，邊緣算力是渦輪增壓器，終端算力是倍增器，共同打造無處不在的算力網(wǎng)絡(luò)。進(jìn)入后摩爾時代，受到性能、成本和功耗等因素的影響，單個芯片算力的提升逐漸放緩。與此同時，多核芯片數(shù)量及性價比也趨于極限，推動了算力從單點向網(wǎng)絡(luò)化階段的過渡。在

37、算力需求不斷增長的背景下，網(wǎng)絡(luò)化的算力能夠彌補(bǔ)局部算力的缺口和算力供給不均衡的現(xiàn)象。通過網(wǎng)絡(luò)連接泛在算力，突破單點算力的性能極限，成為打破算力危機(jī)的關(guān)鍵。泛在算力是多元異構(gòu)且位置無感的。除通用計算外，隨著高性能計算和人工智能加速器的興起，算力的內(nèi)核不斷朝著GPU、FPGA、DPU 等多元異構(gòu)化的方向演進(jìn)。算力網(wǎng)絡(luò)將通過統(tǒng)一的基礎(chǔ)設(shè)施層網(wǎng)絡(luò)化的算力并不僅僅是簡單地將云端數(shù)據(jù)中心與數(shù)據(jù)中心之間、數(shù)據(jù)中心與算力需求端之間互相連接起來，而是構(gòu)建云邊端一體的多層級算力架構(gòu)。在面對一些如自動駕駛、智慧安防等有著低時延、大帶寬算力需求的場景時，網(wǎng)絡(luò)信道的傳輸質(zhì)量影響了數(shù)據(jù)傳輸?shù)男?，從而限制了云端算力的全?/p>

38、輸出，產(chǎn)生算力供給與算力需求間的錯配。為了解決上述問題，資料來源：華為泛在算力：智能社會的基石21趨勢 六泛在算力 無處不在的算力網(wǎng)絡(luò)對多元化的硬件進(jìn)行管理和編排，并對外 進(jìn)一步提升網(wǎng)絡(luò)鏈接的實時性、可靠性與提供多樣性算力的統(tǒng)一供給。同時，算力 承載能力，為實現(xiàn)“算網(wǎng)融合”打下堅實網(wǎng)絡(luò)的智能調(diào)度能力將淡化算力供給來源 的基礎(chǔ)。再者，不同算力節(jié)點的標(biāo)準(zhǔn)機(jī)制的意識，讓算力需求方更專注于上層應(yīng)用 挑戰(zhàn)和系統(tǒng)的安全可信挑戰(zhàn)也不容忽視。的執(zhí)行效果，實現(xiàn)算力的處處可用、計算 終端、邊緣端及云端間海量數(shù)據(jù)交互的安資源的位置無感。算力應(yīng)用與算力基礎(chǔ)設(shè) 全與隱私問題如何保證，來自于廣泛分布施的解耦，將會催生更多

39、智能應(yīng)用和智慧 的邊緣算力節(jié)點的網(wǎng)絡(luò)攻擊如何預(yù)防，不場景的誕生。同節(jié)點的算力體系與管理標(biāo)準(zhǔn)如何拉通，將是構(gòu)建開放、高效、可信的泛在算力網(wǎng)絡(luò)必須要解決的癥結(jié)。根據(jù)華為預(yù)測，到 2030 年，全球數(shù)據(jù)量年新增 1 YB，通用算力增長 10 倍達(dá)到 3.3 ZFLOPS，人工智能算力增長下一個 10 年，算力將如同水電煤等500 倍超過 100 ZFLOPS。經(jīng)歷過“泡沫 基礎(chǔ)資源，滲透進(jìn)人類生產(chǎn)生活的點滴，之巔”與“絕望之谷”，AI 已經(jīng)邁入了 成為智能社會運(yùn)行的核心要素。泛在的算穩(wěn)步發(fā)展的階段。 AI 是下一個十年的時 力為各行各業(yè)帶來的效率提升能夠釋放出代主旋律，泛在的算力能夠為人類帶來無 新

40、的生產(chǎn)力，從而推動社會經(jīng)濟(jì)的發(fā)展。處不在的感知和無所不及的 AI。未來， 機(jī)器與設(shè)備因泛在算力網(wǎng)絡(luò)的存在獲得更AI 將在算力引擎的帶動下，走向通用化、 高的輸出效能，人類的工作負(fù)擔(dān)將得到進(jìn)普惠化，持續(xù)在智慧城市、智慧醫(yī)療、智 一步的減輕，從而有機(jī)會從事更多富有創(chuàng)能制造和科學(xué)研究等領(lǐng)域釋放價值。造力的工作。泛在算力是大勢所趨，雖道阻且長，但行則將至。在通往泛在算力的道路上，仍然存在著諸多維度的挑戰(zhàn)。其中，網(wǎng)絡(luò)技術(shù)是需要面對的第一座大山。當(dāng)前各算力節(jié)點通過網(wǎng)絡(luò)靈活高效調(diào)配算力資源的能力仍存在不足，算網(wǎng)協(xié)同和全局調(diào)度能力較弱。網(wǎng)絡(luò)技術(shù)的發(fā)展需要追趕計算技術(shù)的步伐，“算力已然朝著網(wǎng)絡(luò)化的方向演進(jìn)。未來

41、，算網(wǎng)融合下的泛在算力將成為推動數(shù)字經(jīng)濟(jì)與智能社會發(fā)展的主引擎。” 王曉東 天翼云解決方案部總經(jīng)理7科學(xué)復(fù)興先進(jìn)計算加速科學(xué)突破科技發(fā)展呈螺旋上升之勢，永不停滯。底層學(xué)科的突破不斷擴(kuò)張著人類認(rèn)知的邊界。在知識的版圖之上，科學(xué)家與工程師們建造了科技應(yīng)用結(jié)晶的高樓。高樓之下，正是計算技術(shù)灌溉的基石。站在高樓之上，人類得以再次瞭望更廣闊的遠(yuǎn)方。計算能力的每一次革新都助推著科技的發(fā)展。邁入算力時代，以量子計算、光計算為代表的先進(jìn)計算將為人工智能等工具搭載全新的引擎，加速人類科學(xué)復(fù)興。2223趨勢 七科學(xué)復(fù)興 先進(jìn)計算加速科學(xué)突破科學(xué)的突破不僅僅需要敏銳的觀察如果說數(shù)學(xué)是物理學(xué)的正確描述語力、豐富的想象

42、力、嚴(yán)謹(jǐn)?shù)耐评砟芰?，?言，那么 AI 在生物學(xué)中也扮演著類似的需要強(qiáng)大的計算能力。從手稿紙上基于人 角色。由于長鏈氨基酸的三維扭曲、折疊類智力的演算，到圖靈機(jī)代替人腦進(jìn)行機(jī) 和交織，蛋白質(zhì)結(jié)構(gòu)預(yù)測成為困擾生物學(xué)器運(yùn)算，再到基于大數(shù)據(jù)的機(jī)器學(xué)習(xí)和逐界 50 余年的難題。2022 年 12 月，人工漸工具化的量子計算，人類每一次計算能 智能公司 DeepMind 發(fā)布 AlphaFold2，力的革新都助推著科技的發(fā)展。邁入算力 這是一種能將蛋白質(zhì)的形狀預(yù)測到接近原時代，以量子計算、光計算為代表的先進(jìn) 子尺度的 AI 工具。AlphaFold2 的預(yù)測計算技術(shù)將為人工智能等工具搭載全新的引擎，加速人類科學(xué)復(fù)興。結(jié)果，幫助了人類進(jìn)一步闡明蛋白質(zhì)的作用，也為了解癌癥和新冠肺炎等重