算力網是算力、算法和數據對象三要素相融合的基礎設施化。互聯網底層是以5G、光纖、星網為主的數據通信網；中間是以IP為核心的互聯網體系結構；上層是萬維網（WWW，也稱為信息網），通過信息網，我們每個人都可以隨時隨地訪問世界上任何地方的數據和信息。與信息網平行的就是算力網，其存在的目的是服務千行百業的模型上網，讓用戶能夠隨時隨地訪問世界上任何地方的算力資源。在信息網和算力網之上，進一步構建出消費互聯網和產業互聯網。算力網與信息網不同，信息網是以信息（即網頁）為核心，而算力網以算法為核心，高效適配多樣性算力，對數據資產進行深度加工，產出各式各樣的模型。

當前，我國正在推進“東數西算”工程，其目標就是在企業級的算力網和城市級的算力網的基礎上，進一步構建一個國家級的算力網。從算力基礎設施化的角度來看，“東數西算”工程的關鍵是在“數”和“算”上做原創性的工作，這樣才能真正把“東數西算”工程持續推進下去。

算力網的生態和云計算的生態應該有所不同。云計算只有兩種角色，即算力消費者和算力供給者，供給者包括亞馬遜、阿里巴巴這些云供應商；而算力網擁有更多細分的角色，如算力提供商、算力運營商、算力增值服務商等，應將算力的各個環節進行解耦，以此構建一個真正的算力網生態。在這個生態下，我們需要關注算力網為用戶帶來的多種收益。

在算力供給側方面算力網帶來的收益

一是可為“東數西算”工程節約用電120億度，消納“棄風棄光”。2021年，全國數據中心的總耗電量大致相當于湖南省全省的用電量，那么“東數西算”工程能不能節電呢？現在西部的算力大概占全國的4%，據估計，未來五年，西部算力大概會占全國總算力的20%。因為，西部數據中心PUE（電源使用效率）比較低，再減去電力傳輸的損耗，能比在東部數據中心節約30%左右的電量。按照全國數據中心一年總耗電量兩千億度來計算，“東數西算”工程一年可以節約120億度電，約占我國一年總用電量八萬億度的0.15%。此外，西部擁有大量綠電資源，但2021年“棄風棄光”就達到273.8億度，如果該部分可以被西部數據中心動態消納，就可以實現節能減排。

二是整合國家超級計算中心資源，統一賬戶統一運維，提供深度超算優化服務。目前，我國大概有十個左右的國家級超級計算中心，如果將國家級超級計算中心用超算互聯網的方式統一起來，建立一個虛擬的、國家最大的超級計算中心來提供服務，可有效提高超算的資源利用率。同時，統一的超級計算中心可以屏蔽底層體系結構的異構性，通過移植和優化，以服務的形式為用戶提供服務。

三是虛擬機可按需跨地域調度，降低資費和應用延遲。“東數西算”工程經常會提起虛擬機跨地域調度，如果我們能夠很好地讓虛擬機根據用戶的需求進行跨地域調度，就會得到很多收益。例如，根據用戶的位置，可以就近調度用戶的虛擬機，減少延遲；也可以根據實時報價，把用戶虛擬機調度到綠電節點，降低算力的電費；還可以做負載平衡，提高該重載的情況下整個應用的吞吐能力。

四是整合城市中小算力中心的閑置資源，形成虛擬城市算力網，降低使用門檻，提高利用率。可以城市為單元進行資源整合，當前許多城市都建立了大大小小的算力中心，有的是政府投資建設，有的是企業投資建設，都有不同的服務對象。但這些數據中心里存在大量閑置資源，如果將算力網運用到各個城市里，就像虛擬運營商一樣建立虛擬的城市算力網，對閑置資源進行統一運維、統一調度、統一交易，將大大提升公共資源的利用率。

五是新的算力容器抽象能夠實現更細粒度的時空隔離，提高資源利用率。算力網需要一個新的算力容器抽象，所有的算力資源都被封裝到一個最小的調度單元里供用戶使用。單機時代，操作系統里的進程本質上就是一個算力容器，以一個進程為單位，按照時間分片的方式，對單機硬件資源進行調度。云計算時代，算力容器是虛擬機，能夠對CPU、內存、存儲、網卡等硬件資源進行時空分片，后來有了更細粒度的軟件層面的算力容器——開源應用容器引擎（Docker）。過去幾年，中國科學院計算技術研究所提出了“任務閉包”的概念，可以在應用級進行更細粒度的封裝。有了這個最小粒度的算力容器后，除了提高資源利用率之外，還可以提高應用在重載下的通量。例如我們基于“任務閉包”做過一個紅包實驗，可以在一定時延要求下將通量提高六倍。

在算力消費側方面算力網帶來的收益

一是算網協同進行優化調度，為應用提供確定性時延保障。對于“東數西算”工程來說，網絡延遲將是一個嚴重的問題。從東部到西部，存在著30~60秒不等、方差很大的網絡延遲，跟本地毫秒級、抖動極小的延遲無法相提并論。很多工業制造應用，對于延遲抖動的要求極高。目前，未來互聯網基礎設施（CENI）可以將延遲控制在0.03毫秒之內，這樣將東邊的數據送到西邊，對那些網絡延遲抖動比較敏感的應用可以提供確定性延遲保障。

二是聯邦模型突破數據壁壘，利用分布式算力構建智能模型網。人工智能一般都是在本地建模，例如醫療數據，各個醫院都是在自己的數據中心內進行建模。如果要建大模型，需要把這些數據參數都傳到一個大的數據中心里進行建模，這樣在數據隱私等方面就存在較多風險。有了聯邦模型，無須傳遞數據，只需傳遞模型，不同算力中心可將本地模型集中傳遞到聯邦模型所在的算力中心，進行迭代式建模，從而實現分散式算力和數據協同工作。

三是主干編程面向物聯網（IoT）應用，提高端邊云協同場景下超異構分布式環境開發效率。歷史上每出現一些新應用，都伴隨著新的編程工具的出現。例如，在自動化時代，有可編程邏輯控制器（PLC）；在單機時代，有小應用程序（Applet）等的組件編程；在互聯網時代，有以編程語言（Java）為代表的階段式事件驅動和以分布式計算系統（MapReduce）為代表的大數據，以及以符號數學系統（TensorFlow）為代表的人工智能。在物聯網時代，我們不但要考慮算法數據，更要考慮算力。在互聯網時代，手機端算力差別不大，但物聯網時代智能硬件端的算力差距很大，異構性很強，所以我們的編程要對此進行感知。中國科學院計算技術研究所提出一個叫主干編程的方式，通過主謂賓式的編程模式，以主干支干嵌套式進行任務分發，能夠很好地適應物聯網場景的多樣性。

四是云函數編程支持算力網原生應用編程，實現應用跨云橫向擴展。云函數編程可以解決應用原生進行橫向跨云擴展的需求，傳統云應用只能在一個集群內進行擴展，應用跨云就得進行重構。云函數是把應用變成一個個更小粒度的云函數，將每個函數都放到容器中，然后實現協同擴展，這樣云函數可以部署在一個云里，也可以擴展到其他云里，進而解決算力跨云擴展的問題。例如，進行跨云分布式訓練時，因為分布式訓練需要資源較多，單個云資源不夠，可以把另外一個云的資源也拉進來進行訓練，這個場景下云函數編程會非常方便。

五是用戶視角下的算力度量方式可以真正實現現收現付制（Pay-as-You-Go）。這一收益與算力度量有關，我們如果把算力做成服務的形式，就需要提供算力的度量和付費方式，這對提升用戶體驗來說非常重要。例如，用戶要對1億個64位整數進行排序，該如何進行度量和收費？如果按當前部分云計算廠商的方式進行度量便存在兩個問題。首先是度量不統一，很多人工智能應用使用8位、16位浮點/整型操作進行度量，高性能計算用64位浮點進行度量，而圖形處理器（GPU）是用32位/16位浮點進行度量，度量衡不統一；其次是用戶體驗和用戶付費不統一，例如，在兩臺服務器上執行相同的排序程序，一個用時1分鐘，另一個用時1.5分鐘，理論上花費時間多的體驗更差，但按當前據時間計費的模式，花時間長的反而費用更高，這與實際情況相悖。所以，針對這兩個問題，我們要把度量衡統一到64位基本操作，同時，用一種用戶可以感知算力使用量的方式進行計費。這樣就能夠真正實現現收現付制，如同高速公路一般，付費多少與使用這條高速公路的情況直接相關。

總而言之，當前算力網更多關注的還是在供給側方面的收益，我們應該更多地關注用戶在消費側方面的收益，通過技術創新，讓中小企業更愿意來使用算力，并從使用算力中得到好處，這才是算力網能夠持續發展的關鍵因素。

來源：《中國網信》2022年第7期