編者按

算力網(wǎng)絡(luò)的概念逐漸深入人心，算力網(wǎng)絡(luò)的愿景是“讓算力無處不在，唾手可得”。這個愿景非常的令人向往。

在本篇文章中，我們提到兩個概念：復(fù)雜系統(tǒng)和復(fù)雜計算。復(fù)雜系統(tǒng)指的是多個系統(tǒng)融合而成的宏系統(tǒng)；復(fù)雜計算，則是復(fù)雜系統(tǒng)的計算范式。

1 從宏觀算力講起

什么是性能？什么是算力？這兩個概念是統(tǒng)一的，性能是微觀的概念，而算力是宏觀的概念。

性能和算力的關(guān)系，如下面這個簡化公式：總算力 = 芯片性能 x 芯片數(shù)量 x 算力利用率。

這三個參數(shù)，也對應(yīng)了算力優(yōu)化的微觀、中觀和宏觀的三個層次：

微觀層次，即單芯片的性能，主要是通過工藝進步、Chiplet封裝以及架構(gòu)和微架構(gòu)創(chuàng)新來提升。

中觀層次，芯片要能夠支持大規(guī)模落地。這里講一個反面案例，由于AI的算法眾多并且快速多變，AI芯片落地存在困難，難以大規(guī)模量產(chǎn)。無法量產(chǎn)的芯片，對宏觀算力的提升，沒有多大意義。

最后是宏觀層次，算力的利用率。我們有了這么多芯片，但如果是孤島，有的系統(tǒng)性能不夠用，而大部分系統(tǒng)的算力又嚴重浪費，那就沒有充分利用這些算力資源。有過統(tǒng)計，云計算，算力利用率通常在6%左右，要是有辦法，把算力資源利用率提升到90%以上，這將是非常巨大的價值。要提升利用率，在芯片層面也要做很多的工作，宏觀上也要做很多的工作。

對宏觀算力影響最大最直接的，就是算力的利用率。需要把宏觀的遍布在云網(wǎng)邊端的所有計算的資源，連成一個宏大的資源池，統(tǒng)一調(diào)度。

2 從虛擬化到資源池化

按照虛擬化層次，虛擬化分為計算機虛擬化、操作系統(tǒng)虛擬化和函數(shù)虛擬化。綜合這三類虛擬化的共性價值：

虛擬化按照一定時間或空間的粒度，把資源切分和組合；

虛擬化屏蔽架構(gòu)/接口差異性，為上層軟件提供一致性的硬件/軟件；

虛擬化為上層軟件系統(tǒng)提供多種下層資源不同比例組合的運行平臺；

上層軟件系統(tǒng)和下層硬件/軟件系統(tǒng)解耦，上層軟件系統(tǒng)作為運行實體，可以創(chuàng)建/銷毀、運行/掛起、復(fù)制、遷移等；

多系統(tǒng)隔離/共存：資源共享的同時，數(shù)據(jù)隔離、性能隔離、故障隔離、安全隔離；

提升系統(tǒng)靈活性，提升資源利用率，提升硬件負載均衡性，提升軟件高可用性。

以VM為例，假設(shè)有100臺服務(wù)器，一臺物理的服務(wù)器虛擬出10臺VM，1000個邏輯的（或虛擬的）VM分屬于50個不同大小的私有集群（通過VPC）。

多集群多系統(tǒng)動態(tài)共存體現(xiàn)在：

硬件集群：供系統(tǒng)調(diào)度的一組硬件設(shè)備的集合，可以從數(shù)臺到數(shù)千臺，甚至百萬臺的規(guī)模；

軟件多系統(tǒng)：通過虛擬化機制，實現(xiàn)單個硬件上的多個不同規(guī)格的軟件系統(tǒng)共存；

軟件多系統(tǒng)集群：一組軟件系統(tǒng)組成軟件集群，多組軟件集群混合交叉部署在一組硬件集群之上；

動態(tài)性：宏觀地看，這些硬件集群和軟件集群的配置一直處于頻繁的變更中。

很多加速芯片，專注于特定領(lǐng)域：只考慮局部，而沒有考慮全局。

數(shù)據(jù)中心硬件是預(yù)配置的，購買時不確定運行什么軟件；以不變應(yīng)萬變，優(yōu)先考慮足夠通用的、綜合性的硬件。

此外，站在云計算公司的運營管理視角，需要盡可能地減少硬件的型號，最理想情況是：硬件規(guī)格是一致性的，只有一種型號的硬件，然后通過虛擬化機制實現(xiàn)“軟件運行平臺”的差異性。

從虛擬化到資源池化：

虛擬化是池化的基礎(chǔ)：虛擬化側(cè)重于硬件個體，池化側(cè)重宏觀整體；

虛擬化：把資源切分成合適的粒度，再通過虛擬化實例的創(chuàng)建和遷移實現(xiàn)資源的調(diào)度；

資源池化的微觀機制是虛擬化，通過云操作系統(tǒng)堆棧，甚至跨云網(wǎng)邊端的操作系統(tǒng)堆棧，實現(xiàn)虛擬化資源的統(tǒng)一管理、使用和回收等；

微觀的虛擬化實現(xiàn)了軟件運行平臺的高可用，宏觀的資源池化實現(xiàn)硬件資源的高利用率；

可被池化的（顯式可見的）底層硬件資源包括CPU、內(nèi)存、GPU/DSA等加速器、存儲等。

3 復(fù)雜系統(tǒng)的宏觀特征

我們先了解一下，復(fù)雜計算面向的系統(tǒng)具有哪些宏觀的特征呢？

第一，系統(tǒng)要干什么，不知道。傳統(tǒng)我們做芯片和系統(tǒng)設(shè)計，通常是要去理解場景，然后根據(jù)場景的需求來設(shè)計我們的芯片和系統(tǒng)。現(xiàn)在的挑戰(zhàn)是，場景的需求是完全不確定的，不但芯片公司不了解，客戶自己也“不了解”。未來，需要“無的放矢”。

第二，由于系統(tǒng)要什么不清楚，也因此系統(tǒng)要包羅萬象，啥都能干。

第三，系統(tǒng)干任何事情，都要足夠?qū)I(yè)而高效。我們通常說“專業(yè)的人做專業(yè)的事”。言下之意就是說：專業(yè)的人只能做本專業(yè)的事情，而通才則意味著在每個領(lǐng)域都不夠高效。那么復(fù)雜計算的系統(tǒng)，則要求：既通又專（啥都能干，干啥都高效）。

第四，系統(tǒng)要“三頭六臂”，同時能做好千千萬不同領(lǐng)域和場景、不同客戶訴求的工作。

第五，系統(tǒng)提供的算力等資源無處不在，唾手可得。在用戶最需要的地方，最需要的時刻，隨叫隨到；并且，以最合適的形態(tài)，最合適的方式出現(xiàn)；還給用戶創(chuàng)造更多的價值，給用戶更好的體驗。

最后，關(guān)鍵的一點，系統(tǒng)要持續(xù)演進，適應(yīng)用戶需求的快速變化。

當(dāng)然，這并不是說單個芯片的能力能夠支撐如此強大的系統(tǒng)。而是要發(fā)揮數(shù)以千計萬計的個體芯片協(xié)同甚至融合的能力，來共同支撐宏觀大系統(tǒng)的更強大的能力。

4 復(fù)雜計算的定義

復(fù)雜計算的定義：①基于一組硬件集群，②運行多系統(tǒng)集群的、 ③動態(tài)的、 ④交叉混合計算。展開說明：

單個硬件支持多個不同規(guī)格系統(tǒng)的計算；

單個硬件集群支持多個系統(tǒng)集群的計算，并且系統(tǒng)集群交叉混布；

數(shù)以萬計甚至百萬級的計算設(shè)備規(guī)模，完全動態(tài)的、非常頻繁的軟硬件配置變更；

硬件需要足夠的一致性（盡可能少的型號和規(guī)格），在一致性硬件基礎(chǔ)上實現(xiàn)軟件平臺的差異性；

盡可能滿足所有場景的、足夠通用的、綜合性的計算平臺和系統(tǒng)。

5 復(fù)雜計算的場景

5.1 從云計算來，到云網(wǎng)邊端去

云計算行業(yè)的朋友，看到復(fù)雜系統(tǒng)和復(fù)雜計算的概念，肯定會說，這不就是云計算嗎？沒錯，復(fù)雜計算的確是從云計算的基礎(chǔ)特征中提取出來的。

云計算的這些基礎(chǔ)的特征，在邊緣計算、軟件定義的網(wǎng)絡(luò)計算、超級終端計算等場景，都有類似的特征存在。

我們試圖歸納總結(jié)這些特征，把它提煉成復(fù)雜計算這個概念，用這個概念：

從個體視角看，指導(dǎo)底層的芯片的功能定義和系統(tǒng)架構(gòu)的設(shè)計；

從宏觀視角看，指導(dǎo)宏觀算力資源和其他相關(guān)資源的統(tǒng)籌，為全局資源的池化、編排等提供能力支持，并且進一步提升宏觀算力的利用率。

5.2 云計算場景

云計算主要是由IaaS、PaaS和SaaS組成的分層服務(wù)體系。云計算的各種XaaS服務(wù)，本質(zhì)上是系統(tǒng)堆棧逐步由云運營商接管的過程。用戶只需要關(guān)心自己最核心的應(yīng)用/功能即可。

5.3 邊緣計算場景

CDN（Content Delivery Network，內(nèi)容分發(fā)網(wǎng)絡(luò)）是一種利用最靠近用戶的服務(wù)器，更快、更可靠地將音樂、圖片、視頻、應(yīng)用程序及其他文件發(fā)送給用戶，提供高性能、可擴展性及低成本的網(wǎng)絡(luò)內(nèi)容傳遞服務(wù)。

邊緣計算和CDN有很多相似之處，均通過DNS修改調(diào)用地址，提供類似緩存的機制，做到客戶端無感。

CDN和邊緣計算的本質(zhì)區(qū)別在于：

CDN是只讀模式，不管是服務(wù)器推送靜態(tài)內(nèi)容或者動態(tài)內(nèi)容；

邊緣計算同樣需要支持多租戶多系統(tǒng)運行，其系統(tǒng)堆棧跟云端有一定相似（可復(fù)用）之處。

5.4 超級終端場景

北京時間2022年9月21凌晨，NVIDIA GTC 2022秋季發(fā)布會上，CEO黃仁勛發(fā)布了其2024年將推出的自動駕駛芯片。因為其2000TFLOPS的性能過于強大，英偉達索性直接把它全新命名為Thor，代替了之前1000TOPS的Altan。

Thor SoC能夠?qū)崿F(xiàn)多域計算，它可以為自動駕駛和車載娛樂劃分任務(wù)。通常，這些各種類型的功能由分布在車輛各處的數(shù)十個控制單元控制。制造商可以利用Thor實現(xiàn)所有功能的融合，來整合整個車輛，而不是依賴這些分布式的ECU/DCU。

超級終端與傳統(tǒng)終端最大的區(qū)別在于：支持虛擬化，支持多系統(tǒng)運行，支持微服務(wù)。手機、平板、個人電腦等傳統(tǒng)AP是一個系統(tǒng)：部署好OS，上面運行各種應(yīng)用，軟件附屬于硬件而存在。而自動駕駛等超級終端，需要通過虛擬化將硬件切分成不同規(guī)格，供不同形態(tài)的多個系統(tǒng)運行，并且各個系統(tǒng)之間需要做到環(huán)境、應(yīng)用、數(shù)據(jù)、性能、故障、安全等方面的隔離。

自動駕駛汽車，通常需要支持五個主要的功能域，包括：動力域、車身域、自動駕駛域、底盤域、信息娛樂域，每個域會占用一個或多個VM。

5.5 未來，更多的場景需要復(fù)雜計算

芯片工藝越來越先進，能支撐的系統(tǒng)規(guī)模越來越大；上層的軟件應(yīng)用，層出不窮，已有的應(yīng)用持續(xù)快速演進。系統(tǒng)從單個系統(tǒng)變成了多個系統(tǒng)混合甚至融合的復(fù)雜系統(tǒng)。

系統(tǒng)越來越復(fù)雜，支持系統(tǒng)計算的硬件也越來越復(fù)雜；復(fù)雜的系統(tǒng)越多，需要復(fù)雜計算覆蓋的場景也就越多。

6 復(fù)雜計算的挑戰(zhàn)

底層計算的資源主要是CPU、內(nèi)存、網(wǎng)絡(luò)和存儲等I/O，以及GPU、DSA等加速器。復(fù)雜計算的核心挑戰(zhàn)在于：如何把種類繁多并且架構(gòu)/接口不一致的資源匯集成池。

個體的硬件，需要支持非常好的擴展性。個體硬件包括各種異構(gòu)的處理器資源，可以形成小的資源池；并且支持數(shù)以萬計的個體資源連成一片，形成更大的資源池。

硬件個體需要支持系統(tǒng)的連接和融合，根據(jù)程度的高低，分為四個階段：

階段一，孤島。所有設(shè)備各自獨立的工作；

階段二，互聯(lián)。把設(shè)備連到一起，設(shè)備和設(shè)備之間可以通信；

階段三，協(xié)同。C/S架構(gòu)是典型的協(xié)同；有了協(xié)同，也就有了云網(wǎng)邊端。

階段四，融合。協(xié)同通常是靜態(tài)的，隨著時間推移，初始任務(wù)劃分不一定能適應(yīng)系統(tǒng)的發(fā)展；融合代表著動態(tài)以及更多自適應(yīng)性；協(xié)同代表著多個系統(tǒng)的協(xié)同，而融合代表了多個系統(tǒng)融合成一個大系統(tǒng)。

站在宏觀大系統(tǒng)的視角，云服務(wù)器、邊緣服務(wù)器、終端設(shè)備，以及網(wǎng)絡(luò)設(shè)備，都是一致性的硬件。通過軟件編排，選擇盡可能最優(yōu)的資源，組成最適合軟件運行的邏輯平臺。

算力芯片是水滴，算力網(wǎng)絡(luò)是海洋。我們要思考的是，這滴水如何設(shè)計的更好，更好地融入到這片海洋，讓海洋更加浩瀚宏大。

審核編輯：劉清