繼“南水北調”、“西電東送”、“西氣東輸”等工程之后，“東數西算”工程近日全面啟動，全國一體化大數據中心體系完成總體布局設計。消息一出，大數據、云計算、算力建設等細分領域在資本市場應聲上漲，半導體產業指數上漲超過6%。
通俗理解，“東數西算”就是“把東部的數據傳輸到西部進行計算和處理”，這可以說是國家戰略的必然選擇，也是促進東西部發展協同聯動的必由之路。根據中國信通院《中國算力發展指數白皮書》，目前我國數據中心的上架率并不均衡，數據中心平均利用率僅為55%。而導致利用率較低的直接因素是需求不均衡：算力需求大戶互聯網企業主要集中在北上廣深，因此東部省市對算力的需求普遍較高，而西部地區的產業結構對算力需求偏弱。這也意味著，“東數西算”所涉及到的數據環節，不論是傳輸、處理，還是計算、分析等，都將對相關芯片產生大量需求。
在數據中心、服務器、邊緣計算等領域奮力成長的國產芯片，在“東數西算”布局中能分得幾杯羹？他們如何看待和理解“東數西算”所帶來的機會和挑戰？<與非網>獨家對話龍芯中科副總裁杜安利、云豹智能CEO蕭啟陽博士、鯤云科技CEO牛昕宇博士，他們分別從CPU、DPU、AI計算芯片的角度，分享了各自的觀點和洞察。（上期：算力大廠解析掘金之道）
東數西算
是否會拉動國產芯片發展？
圖源 | Engadget
答案是顯而易見的，會。但是，會分進程、分層次、分類型惠及，并且有其發展前提。
龍芯中科杜安利談到，“東數西算”將要構建的數據中心和周邊設施的建設，會成為重要的新型基礎設施。而底層算力對自主CPU的需求是巨大的，這關系到我國經濟高質量發展、各行業數字化轉型的格局。要實現這些訴求，她認為至少要滿足三個要素：一是要自主化，這是經濟高質量發展和數據安全的基座；二是要智能化，當前數據挖掘、分析、處理、建模等軟件技術已經日趨成熟，可以對不同場景的數據提供更為智能化的服務；三是要有安全保障，數據流通會產生價值，通過國產密碼、區塊鏈等安全技術與自主處理器的結合，保障數據現場和數據流通過程中的安全至關重要。
云豹智能蕭啟陽認為“東數西算”是DPU發展很好的機遇。“東數西算”一方面要實現節能環保，另一方面也對數據中心提出了更大的挑戰，因為網絡流量更大，需要處理的數據更多，需要存儲的數據更多，數據更需要保護，對網絡、存儲和算力等資源需要更有效地調度。而這些正是DPU要解決的問題，國產DPU的發展可以大大提升數據中心的效率。
鯤云科技牛昕宇從電力時代向算力時代的轉型切入，談到了底層算力平臺未來的發展方向。他表示，算力與AI的關系與電力與電器的關系類似，算力芯片作為底層的基礎設施，是未來智能社會的基礎設施。事實上，我們對算力和電力的需求其實是一樣的：希望它能支持所有設備運行、成本低廉、供給充足，這就需要不斷提升算力的通用性，不斷降低使用成本。
進一步來看，數據處理量的提升勢必會反向刺激數據的處理速度，新建多個數據中心，帶來的是對芯片性能的更高要求，也必將推動國產芯片的進程。
一體化算力布局中
邊緣計算的價值？
圖源 | salientglobaltech.com
“東數西算”涉及東部、西部地區之間的算力調度能力、云邊端協同能力，來滿足高頻實時、靈活調度的數據交互和業務交互。在這一規劃中，邊緣計算有哪些新的內涵？國產芯片又能提供哪些新動能？
正如“東數西算”規劃中數據中心由東向西梯次所布局的，對網絡要求不高的業務，可率先向西部轉移；一些對網絡要求較高的業務，比如工業互聯網、災害預警、遠程醫療、人工智能推理等，可在東部樞紐布局。鯤云科技牛昕宇談到，基于這樣的規劃，將會出現針對不同落地場景需求的專項算力解決方案。它們對邊緣算力平臺和方案的部署需求不盡相同，不論是算力、時延、接口、網絡傳輸等等，但是，在算力層面，最終都會回到算力性價比、軟件易用性和通用性。牛昕宇補充，契合這些趨勢，算力廠商未來應該配合數據中心、算力中心，把產品方案做到更通用、算力性價比更強，提供更高的軟件易用性，便于實現端到端的自動化部署。
龍芯中科杜安利認為，邊緣計算是大數據的基礎，即使在頂端建設了海量的云平臺，但是如果沒有邊緣側的現場數據采集、分析、處理、傳輸，大數據中心只會是空殼。
未來，邊緣計算需要處理的數據量會越來越多，算力要求也將逐步提高。邊緣側的設備也不再拘泥于簡單的數據采集，還會有大量的邊緣網關、邊緣AI、邊緣可擴展型服務器等多種設備，協助前端數據處理，將處理后的數據傳輸給云端，有效減輕云端的數據壓力，用戶也可根據自己的實際業務，靈活就近選擇邊緣計算節點或中心云計算節點。
國產芯片的突破路徑
數據中心所需的算力芯片和處理器方面，國際大廠仍是重要的提供方。國產芯片一方面需要更多的時間積淀和迭代，另一方面，邊緣計算是當前一個千載難逢的發展契機。在這個巨大的藍海市場中，國產芯片如何找到適合的路徑，進一步尋求突破？
龍芯中科杜安利表示，邊緣計算場景中，用量大、現場設備多，不乏大量戶外設備，對CPU性能、功耗有更高要求。這類場景中大致有兩條路線：一是高性能通用處理器做專用設備，例如使用龍芯全新自主指令架構的新一代高性能處理器3A/C5000系列，為場景提供專用算力；二是SoC高度集成化、低功耗化的發展路徑，如龍芯1號、2號系列的SoC芯片，這類芯片將豐富的I/O接口集成在一顆芯片內部，通過自主化設計降低功耗的同時，實現了中低端邊緣計算設備的戶外現場應用，可大量部署在工業現場。此外，這些方案也可以疊加AI芯片、FPGA等，針對某類場景提供定制化算法，提升邊緣計算的能力。
云豹智能蕭啟陽認為，邊緣計算要充分考慮性能功耗比和性價比，這對邊緣計算芯片的通用性是個挑戰。而針對某一個領域或應用，定義、實現一個性能功耗比高、性價比高的芯片是目前主流的方法，因此架構上要進行云邊端一體設計，明確端側要解決的問題，此外，建設豐富的生態對于邊緣計算的實現也非常重要。
鯤云科技牛昕宇則從底層架構的角度分析了當前國產芯片的突圍方向。他認為，如果沿用現有的指令集架構，海外巨頭有先發優勢，在架構設計上難以獲得絕對性的性能優勢，仍需要不斷迭代制程工藝來提升性能，而這將面臨摩爾定律放緩的挑戰和供應鏈安全的問題。因此通過底層架構創新來實現計算效率的數量級提升，是國產AI芯片的一個突破口，在他看來，這也是一條可持續、性能更高、成本更低的技術路徑。以鯤云為例，目前采用的是定制數據流架構CAISA3.0，在底層架構效率上實現了10倍提升，已經在現有更低的制程工藝的基礎上，達到同樣的算力性能。
“目前，國內AI芯片廠商已經具備了相當的芯片設計能力，但是，國內芯片產能問題仍未解決”，牛昕宇表示，“架構創新的缺失/產能問題如果不解決，國內廠商在東數西算項目中的參與程度可能因此而受到影響。”
算力池化是未來方向
芯片的發展已經進行到了多種形態的新階段，未來的計算將更多以池化的方式來實現，這也將是芯片在“東數西算”規劃中一個很大的內涵。通過將算力釋放、形成池化，用戶就不必再糾結于采用何種計算形態或計算設備，只要選擇對應的計算力即可。
在日前召開的兩會上，這個發展方向也得到了一定的倡導。全國人大代表、寧夏回族自治區工信廳黨組副書記、副廳長萬新恒談到，“東數西算”之后便是“芯云融合”，他以DPU為例說道，這類解決方案最直接的作用就是作為CPU的卸載引擎，接管未來的網絡虛擬化、硬件資源池化等基礎設施層服務, 從而釋放寶貴的CPU資源來運行上層應用，實現以數據為中心的業務和基礎設施操作的分離，進而降低網絡數據對數據中心的依賴，緩解東部應用端對網絡數據的處理需求，讓數據中心真正回歸數據計算，解決供需失衡問題。
“算力的池化非常重要，因為池化可以讓算力更高效地被利用”，云豹智能蕭啟陽談到，“一直以來，算力的池化是一個挑戰，而DPU現在可以為算力池化提供基礎。將DPU作為數據中心基礎設施的核心，可以實現基礎設施的池化，包括通用算力CPU的池化、內存的池化、GPU的池化、AI算力的池化、FPGA的池化等。”
哪些痛點問題仍需解決？
從我國當前的算力布局和建設情況來看，還有一些需要著力改善和解決的問題。“東數西算”的戰略考量也在于此，真正推動算力資源的有效利用，解決算力供需的失衡。
在龍芯中科杜安利看來，當前存在三個突出問題：一是供需匹配未打通。一方面蓬勃建設數據中心，尋找用戶；另一方面用戶找不到適合自身需求的機柜，兩方面存在需求信息不通暢的情況。二是要解決應用場景遷入算力樞紐的問題，沒有場景遷入，將是一潭死水。例如西部的算力樞紐，更需要應用場景牽引落地，不論是能源、交通等，只有這些場景的數據引入算力樞紐，才真正有落地應用的意義。三是要重視數據安全，因為這關系到我國多個行業的資源安全，如果沒有行之有效的安全保障，將會是一場災難。此外，還存在運力問題、能耗過高等問題，還需要邊走邊解決。
鯤云科技牛昕宇從AI芯片的角度談到，AI芯片的核心是實現AI算法的計算加速，從軟件/算法和硬件兩個角度同時優化，才能實現性能的全局最優，這就需要芯片廠商提升自身的軟硬件協同能力。此外，他認為要重視產業鏈上下游的共同推進，鯤云目前已經和浪潮聯合推出了數據流AI服務器，面向邊緣側、數據中心提供高性能的AI計算加速，在算力資源的協同利用上，提供更多樣化的AI部署選擇。
寫在最后
“東數西算”工程全面啟動，將為國產芯片帶來更多發展機遇。例如當前在每個算力樞紐，都規劃設立了1至2個數據中心集群，這無疑會提供更多算力平臺市場，帶動部署更多的自主創新基礎軟硬件，為國產芯片發展提供良好的發展機會。
不過，“東數西算”是一個龐大的工程，涉及到多個層面的產業建設，產業鏈既包括傳統的土建工程，還涉及IT設備制造、信息通信、基礎軟件、綠色能源供給等，涵蓋芯片、整機、算法、應用、數據模型等諸多技術環節。
由于產業鏈條長、覆蓋門類廣，健康有序的發展需要產業鏈上下游企業共同協作推進，場景落地才會有效果；此外，自主創新基礎軟硬件的生態問題仍需要繼續重視，真正打破“卡脖子”局面，促進國產芯片更大規模的應用和發展。
