內容目錄：

1　 算力改變世界

1.1 　算力改變終端

1.2 　算力改變網(wǎng)絡

1.2.1 　算力重構網(wǎng)元節(jié)點

1.2.2 　算力重構網(wǎng)絡

1.2.3 　以算力換性能

1.3　 算力正在改變行業(yè)

2　 算力發(fā)展面臨的問題及解決思路

2.1　 “算力墻”

2.2 　“存儲墻”與“功耗墻”

2.3　 “帶寬墻”和“綜合能效”

3　 算網(wǎng)融合定義未來

3.1 　人工智能驅動未來算力發(fā)展

3.2 　算網(wǎng)融合重新定義算力

3.3 　從基層節(jié)點開始重新定義未來

3.3.1 　場景 1：邊緣超算提效科研仿真

3.3.2　 場景 2：邊緣超算助力創(chuàng)新型企業(yè)數(shù)智化發(fā)展

3.3.3 　場景 3：邊緣超算開啟元宇宙入口，打造虛擬平行世界

3.3.4 　場景 4：邊緣超算打造數(shù)字社區(qū)，重新定義社區(qū)生活模式

4　 結? 語

從部落社會的結繩計算到農(nóng)業(yè)社會的算盤計算，再到工業(yè)時代的計算機計算，人類文明的發(fā)展離不開算力的進步。從狹義上看，算力是設備通過處理數(shù)據(jù)，實現(xiàn)特定結果輸出的計算能力。2018 年諾貝爾經(jīng)濟學獎獲得者 William D. Nordhaus 在 The Progress of Computing 一文中提出：算力是設備根據(jù)內部狀態(tài)的改變，每秒可處理的信息數(shù)據(jù)量。從廣義上看，算力是數(shù)字經(jīng)濟時代的新生產(chǎn)力，是支撐數(shù)字經(jīng)濟發(fā)展的堅實基礎。數(shù)字經(jīng)濟時代的關鍵資源是數(shù)據(jù)、算力和算法，其中數(shù)據(jù)是新生產(chǎn)資料，算力是新生產(chǎn)力，算法是新生產(chǎn)關系，它們共同構成數(shù)字經(jīng)濟時代最基本的生產(chǎn)基石。

縱觀近 20 年的算力發(fā)展歷史，可以發(fā)現(xiàn)算力的發(fā)展已經(jīng)重新定義了生產(chǎn)力和生產(chǎn)關系。從作為生產(chǎn)力基礎工具的終端、網(wǎng)絡、平臺，到代表新型生產(chǎn)關系的移動互聯(lián)網(wǎng)創(chuàng)新商業(yè)模式、行業(yè)數(shù)字化社會化協(xié)同模式，都是依托算力發(fā)展演進衍生的。

從大型計算機到個人 PC 機，從智能手機到可穿戴設備，算力日益改變終端發(fā)展形態(tài)。

最初的基本邏輯元器件采用的是電子管，體積大、耗電量大、結構脆弱。1946 年 2 月，世界上第一臺通用電子數(shù)字計算機埃尼阿克（ENIAC）研制成功，它使用 17 840 只電子管，重達 28 噸，加法運算速度每秒 5 000 次。1947 年，貝爾實驗室研制出了第一個半導體三極管，即晶體管，其體積很小、成本低、壽命長。因此，晶體管一問世，立即得到迅速發(fā)展，取代了電子管，將運算速度提高到每秒幾十萬次，邏輯運算功能大幅提高。2020 年蘋果發(fā)布 A14 仿生處理器，這是全世界首款批量生產(chǎn)的5 nm 處理器，集成了 118 億個晶體管。算力的發(fā)展推動終端能力不斷增強，最終實現(xiàn)終端產(chǎn)品全面升級。更廣泛的連接能力和具備更強大的算力能力促使終端設備更加智能。

智能終端作為第一落點，推動數(shù)智生產(chǎn)力孕育發(fā)展：構建更大連接范圍，由十億級的人與人的連接擴展到百億級的人、機、物的連接；傳遞更多維度信息，由視頻、語音、圖像等多媒體信息躍升為視覺、聽覺、觸覺等多維度信息；提供更深層次服務，由以連接為主的通信服務變革為以算力為中心的算力服務。

網(wǎng)絡是萬物互聯(lián)的基石，是移動互聯(lián)網(wǎng)近二十年技術創(chuàng)新的基礎。移動互聯(lián)網(wǎng)最基層的網(wǎng)絡已經(jīng)被算力重新定義多輪，包括設備級的重構，如軟件 定 義 無 線 電（Software Defined Radio，SDR），以 及 網(wǎng) 絡 級 的 重 構， 如 軟 件 定 義 網(wǎng) 絡（SoftwareDefined Network，SDN）、網(wǎng)絡功能虛擬化（NetworkFunctions Virtualization，NFV），甚至 5G 中提升性能最為關鍵的大規(guī)模多輸入多輸出（Massive MultiInput Multi-Output，Massive MIMO）技術，其實質也是以算力換無線空口性能。

1.2.1　算力重構網(wǎng)元節(jié)點

隨 著 移 動 通 信 的 發(fā) 展， 在 20 世 紀 90 年 代初，多種數(shù)字無線通信標準共存，如全球移動通信 系 統(tǒng)（Global System for Mobile Communications，GSM）、碼分多址（Code Division Multiple Access，CDMA），使得不同制式下的手機無法互聯(lián)互通。為了解決這個問題，催生了軟件無線電技術，利用現(xiàn)代化軟件來操縱和控制傳統(tǒng)的“純硬件電路”的無線通信設備，打破了通信功能只能依賴硬件的發(fā)展格局。軟件無線電技術的出現(xiàn)是通信領域繼固定通信到移動通信、模擬通信到數(shù)字通信之后的第三次革命。

1.2.2　算力重構網(wǎng)絡

SDN[2] 是由美國斯坦福大學提出的一種新型網(wǎng)絡創(chuàng)新架構，是網(wǎng)絡虛擬化的一種實現(xiàn)方式。其核心技術 OpenFlow 通過將網(wǎng)絡設備的控制面與數(shù)據(jù)面分離，實現(xiàn)了網(wǎng)絡流量的靈活控制，為網(wǎng)絡及應用的創(chuàng)新提供了良好的平臺。

如圖 1 所示，NFV 利用虛擬化技術，將網(wǎng)絡節(jié)點的功能分割成幾個以軟件方式實現(xiàn)的功能區(qū)塊，不再局限于硬件架構。NFV 的核心是以軟件的方式實現(xiàn)了原來只能用硬件實現(xiàn)的網(wǎng)絡功能，例 如 路 由 器、 用 戶 駐 地 設 備（Customer premises equipment，CPE）、移動核心網(wǎng)、IP 多媒體系統(tǒng)（IP Multimedia Subsystem，IMS）、內容分發(fā)網(wǎng)絡（Content Delivery Network，CDN）、防火墻等。

NFV 采用通用 x86 CPU 保證通用性，而喪失了專用性，即不擅長處理特定任務，比如處理編解碼轉換、報文轉發(fā)、加解密等并行處理任務。

NFV 在特定任務處理上的性能或成本方面的不足，使得 x86 處理器配備現(xiàn)場可編程門陣列（Field Programmable Gate Array，F(xiàn)PGA）、 圖 形 處 理 器（Graphics Processing Unit，GPU）等協(xié)處理器（加速卡）的方案重新出現(xiàn)在 NFV 架構中。電信網(wǎng)絡經(jīng)歷了從專用硬件到通用硬件，再到通用硬件 專用加速卡的螺旋式發(fā)展歷程。

SDN 實現(xiàn)了以算力換靈活度，NFV 實現(xiàn)了以算力換功能，SDN 與 NFV 的深度融合，真正實現(xiàn)了以算力換網(wǎng)絡的智能化發(fā)展。

1.2.3　 以算力換性能

無線網(wǎng)絡中帶寬一直是最重要的指標。受限于香農(nóng)定理，5G 頻譜效率提升過程中，調制解調方面的提升不大，而 Massive MIMO 則成為提升吞吐量的關鍵。如圖 2 所示，Massive MIMO 技術利用多用戶空間的獨立性，在空間上對不同用戶形成獨立的窄波束覆蓋，并應用空間隔離系統(tǒng)同時傳輸不同用戶的數(shù)據(jù)，從而數(shù)十倍地提升系統(tǒng)吞吐量。理論分析表明，當 Massive MIMO 的天線數(shù)趨于無窮時，各用戶信道之間趨于正交，因此系統(tǒng)容量只與用戶數(shù)量相關。實際商用網(wǎng)性能表明，即使用有限64T64R 天線數(shù)的 Massive MIMO，也可提升近 10 倍的單用戶鏈路性能和 4~8 倍的系統(tǒng)容量。

數(shù)字經(jīng)濟正在爆發(fā)式發(fā)展，數(shù)字化進程正處于由消費領域向生產(chǎn)領域、由虛擬經(jīng)濟向實體經(jīng)濟延伸的過程中，“5G 工業(yè)互聯(lián)網(wǎng)”引領著技術變革、深度賦能數(shù)字化轉型和產(chǎn)業(yè)升級，利用以 5G 為代表的新一代信息通信技術，構建與工業(yè)經(jīng)濟深度融合的新型基礎設施、應用模式和工業(yè)生態(tài)。通過5G 技術將人、機、物、系統(tǒng)等全面連接，構建覆蓋全產(chǎn)業(yè)鏈、全價值鏈的全新制造和服務體系，為工業(yè)乃至產(chǎn)業(yè)數(shù)字化、網(wǎng)絡化、智能化發(fā)展提供新的實現(xiàn)途徑，助力企業(yè)實現(xiàn)降本、提質、增效、綠色、安全發(fā)展。工業(yè)互聯(lián)網(wǎng)的發(fā)展，將工業(yè)系統(tǒng)與傳感、網(wǎng)絡互聯(lián)網(wǎng)、科學計算、智能分析等深度融合起來。在這個過程中，算力是支撐大規(guī)模數(shù)據(jù)采集、網(wǎng)絡化協(xié)同、工業(yè)大數(shù)據(jù)、工業(yè)智能的基石。

隨著數(shù)字經(jīng)濟進入新發(fā)展階段，算力已成為核心資源之一。在未來的十年，特別是在未來的一兩年間，算力產(chǎn)業(yè)將以超出人們想象的速度推動技術創(chuàng)新和行業(yè)變革。

人類社會正在經(jīng)歷從信息化時代到智能化時代、從物理現(xiàn)實到虛擬現(xiàn)實的轉化階段，且這一轉化過程還在以前所未有的速度不斷加快，但數(shù)字技術需求與供給之間的差距仍然較大，“算力墻”“存儲墻”“帶寬墻”和“能耗墻”等現(xiàn)象，從多個方面制約著數(shù)字技術創(chuàng)新和應用的進一步發(fā)展。

CPU 與 GPU 的構造上的不同如圖 3 所示。CPU采用馮·諾依曼架構 [3]，將計算分為取指令、譯碼、發(fā)射、執(zhí)行、寫回等幾個階段，通過軟件調度，可以完成計算。當前 CPU 的架構已經(jīng)相當復雜，真正的有效計算在其整體功耗占比不到 10%，所以 CPU適合控制復雜而計算密度不高的應用場景。

GPU 采用的是單指令多數(shù)據(jù)流（Single Instruction Multiple Data，SIMD）或單指令多線程（Single Instruction Multiple Threads，SIMT）架構，雖然本質上還是馮·諾依曼架構，但減少了取值、譯碼開銷，所以 GPU 對于特定的計算任務，可以達到比 CPU 更高的計算速度，GPU 在浮點運算吞吐量上遠超 CPU。

FPGA 為現(xiàn)場可編程門陣列，可認為是細粒度可重構芯片。FPGA 非常適合數(shù)據(jù)流驅動的計算架構，具有高空間并發(fā)和低時延的特點，但 FPGA 開發(fā)周期比較長，對開發(fā)人員的專業(yè)技能要求比較高，影響了 FPGA 的廣泛應用。

ASIC 是為某種特定的需求而專門定制的芯片。ASIC 與通用芯片相比，體積小、功耗低、計算性能高、計算效率高、芯片出貨量越大成本越低；但缺點也很明顯，只能針對特定的某個或某幾個應用場景，一旦算法和流程變化可能會導致無法滿足原有需求。

通 用 圖 形 處 理 器（General-Purpose computing on Graphics Processing Units，GPGPU），是專門處理計算任務的圖形處理器，其特點是并行處理能力強、計算能效高、存儲帶寬大。GPGPU 在處理大數(shù)據(jù)流時效率會很高，可應用在人工智能（機器學習）模型訓練與推理、高性能計算等領域。

因此，GPGPU 成為打破算力墻的熱點計算技術，目前廣泛應用于高性能計算、行業(yè)人工智能應用、安防與政府項目、互聯(lián)網(wǎng)及云數(shù)據(jù)中心等。其主要應用在人工智能模型訓練與推理和高性能計算這兩個場景中。

現(xiàn)有馮·諾伊曼計算系統(tǒng)采用存儲和運算分離的架構，存在“存儲墻”與“功耗墻”瓶頸，嚴重制約系統(tǒng)算力和能效的提升。在馮·諾伊曼架構中，計算單元要先從內存中讀取數(shù)據(jù)，計算完成后，再存回內存，這樣才能輸出。存儲器數(shù)據(jù)訪問速度跟不上處理器的數(shù)據(jù)處理速度，數(shù)據(jù)傳輸就像處在一個巨大的漏斗之中，不管處理器灌進去多少，存儲器都只能“細水長流”。兩者之間數(shù)據(jù)交換通路窄以及由此引發(fā)的高能耗兩大難題，在存儲與運算之間筑起了一道“存儲墻”。

于是業(yè)界開始尋找弱化或消除存儲墻及功耗墻問題的方法，開始考慮從聚焦計算的馮·諾伊曼體系結構轉向存算一體結構，其核心思想是將部分或全部的計算移到存儲中，計算單元和存儲單元集成在同一個芯片，讓存儲單元具有計算能力。這種極度近鄰的方式很大程度上降低了數(shù)據(jù)移動的延遲和功耗，解決了“存儲墻”問題。最具有代表性的兩種技術是近存儲計算和存內計算。

近存儲計算指的是計算操作由位于存儲芯片外部的獨立計算芯片完成。通過采用先進的 3D 封裝方式把內存和計算單元封裝在一起，可以達到幾千根甚至上萬根連線，兩者之間的帶寬增加，提高了數(shù)據(jù)搬運速度。近存儲計算本質上來說還沒有做到真正的存算“一”體。它從一開始設計計算芯片和存儲芯片的時候，就設計好了連接兩方的通路，將數(shù)據(jù)運輸距離極致縮短。

存內計算指的是通過在存儲器顆粒上嵌入算法，使得存儲芯片內部的存儲單元完成計算操作，存儲單元和計算單元完全融合，沒有獨立的計算單元。在這種方式下，數(shù)據(jù)不需要單獨的運算部件來完成計算，而是在存儲單元中完成存儲和計算，消除了數(shù)據(jù)訪存延遲和功耗，是一種真正意義上的存儲與計算融合。同時，由于計算完全依賴于存儲，因此可以開發(fā)更細粒度的并行性，獲得更高的性能和能效。存算一體對于符合的應用會帶來較高的性能收益和能效收益，這種方式尤其適用于人工智能應用。

近存計算、存內計算解決算力節(jié)點“存儲墻”和單節(jié)點的“功耗墻”后，用戶與算力節(jié)點、算力節(jié)點與算力節(jié)點之間的“通信墻”，以及綜合能效的矛盾變得尤為突出。隨著智慧城市、智慧工廠、全息通信、增強現(xiàn)實、虛擬現(xiàn)實等大帶寬、低時延業(yè)務的出現(xiàn)，數(shù)據(jù)交互時延成為業(yè)務體驗的區(qū)分標志，不同應用的時延指標要求如圖 4 所示。數(shù)據(jù)的傳輸加計算的總成本和綜合能效，也將成為數(shù)據(jù)中心組網(wǎng)的重要指標。數(shù)據(jù)中心組網(wǎng)要在兼顧數(shù)據(jù)交互頻次、數(shù)據(jù)交互成本（傳送成本 能耗成本）的同時，特別關注數(shù)據(jù)交互時延，只有這樣組網(wǎng)才能達到既能滿足業(yè)務時延的需求，又能降低成本、綠色節(jié)能的目的。

新型綠色高性能算力中心模式采用“計算 超算 智算”協(xié)同，整合不同架構的 CPU、GPU、張量處理單元（Tensor Processing Unit，TPU）以及其他類型異構高性能算力設備，實現(xiàn)聯(lián)合運算，按需調度，最大限度地滿足各種應用場景對數(shù)據(jù)中心極大規(guī)模、極端性能的動態(tài)需求，形成多架構、跨行業(yè)、跨層級的算力資源，為用戶提供個性化、定制化的精準算力服務。

“算力墻”“存儲墻”“帶寬墻”和“能耗墻”是數(shù)字化過程中必須解決的問題。隨著行業(yè)數(shù)字化的深入和升級，需要算力和網(wǎng)絡進一步融合，并且需要網(wǎng)絡能夠感知業(yè)務算力需求，為數(shù)據(jù)到算力提供最優(yōu)路由和可信服務，邊緣網(wǎng)絡節(jié)點更是成為算力的邊緣載體，實現(xiàn)算力 網(wǎng)絡綜合能效的最佳匹配，滿足未來發(fā)展需求。

近年來，在數(shù)字經(jīng)濟不斷推進的大背景下，人工智能發(fā)展迅速，并與多種應用場景深度融合。數(shù)據(jù)的爆發(fā)式增長為人工智能提供了充分的“養(yǎng)料”，深度學習算法在語音和視覺識別上實現(xiàn)突破，加快了人工智能產(chǎn)業(yè)落地和商業(yè)化高速發(fā)展。人工智能的水平建立在機器學習的基礎上，除了先進的算法和硬件運算能力，大數(shù)據(jù)是機器學習的關鍵。一方面，通過更大量的數(shù)據(jù)學習，機器判斷處理能力才能不斷上升，智能水平才會不斷提高。另一方面，隨著人工智能的應用場景不斷擴充，尤其是近期元宇宙的發(fā)展，圖像、視頻、三維空間等領域的數(shù)據(jù)呈現(xiàn)爆發(fā)性增長，這對算力提出了更高的要求。

隨著中國逐漸進入智能社會，面臨算力升級、數(shù)字化轉型等問題，企業(yè)為了降本增效，適應飛速發(fā)展的數(shù)字化智能社會，需要從底層算力方面解決問題。GPGPU 涉及政府、企業(yè)、科研（醫(yī)學、能源、勘探、氣象、航空航天）等眾多應用領域，不僅未來在我國需求量大，而且對國民經(jīng)濟發(fā)展至關重要。

算網(wǎng)融合不是某一個單點的技術，而是一種未來網(wǎng)絡的架構，描述了連接海量數(shù)據(jù)和高效算力，向千行百業(yè)提供智能服務的網(wǎng)絡架構。架構中包含了算力的服務化，以及數(shù)據(jù)和算力之間的高效調度。算網(wǎng)融合成為信息通信技術演進發(fā)展的重要方向。進入 5G 時代以來，從海量數(shù)據(jù)處理到爆發(fā)式應用創(chuàng)新，智能計算被廣泛應用于工業(yè)制造、零售醫(yī)療、電信服務等行業(yè)領域，帶來了呈幾何級數(shù)增長的算力需求，也給信息技術行業(yè)提出了一系列的嚴峻挑戰(zhàn)。

作為“計算 網(wǎng)絡”協(xié)同發(fā)展的重要錨點，算網(wǎng)融合強調了借助信息通信網(wǎng)絡協(xié)同異構算力資源，實現(xiàn)了計算能力的統(tǒng)一調度和編排，全面重構了網(wǎng)絡服務方式和計算模式。從 B5G、6G 到新型基礎設施，算網(wǎng)融合能夠助力構建計算基礎設施，不僅能夠驅動新一輪的內生性經(jīng)濟增長，為宏觀經(jīng)濟形勢注入投資新動能，而且可以助力關鍵技術實現(xiàn)突破，培育產(chǎn)業(yè)發(fā)展鏈條，賦能地方經(jīng)濟實現(xiàn)全面轉型，因此得到了業(yè)界的高度認可。

傳統(tǒng)的云架構之下，所有的智能都在云端，網(wǎng)絡所需要考慮的就是信號覆蓋、網(wǎng)絡質量的問題。但隨著端系統(tǒng)數(shù)據(jù)處理能力需求的爆炸性增長，很多應用場景開始傾向于將應用處理放在邊緣，體現(xiàn)出一種“哪里生產(chǎn)，哪里消費”的架構思路。這種方式給網(wǎng)絡的邊緣賦予了足夠的“智能”，或者說處理能力?！岸恕弊兂闪溯o助“大腦”工作的“智能神經(jīng)網(wǎng)絡”。

這樣一來，一方面，邊緣服務在終端設備上運行，反饋更迅速，解決了時延問題，使得一些工業(yè)用戶場景成為可能；另一方面，邊緣計算 [4] 將內容與計算能力下沉，提供智能化的流量調度。業(yè)務實現(xiàn)了本地化，內容尤其是熱門內容實現(xiàn)了本地緩存，解決方案的效率得到了顯著的提升。

傳統(tǒng)的物聯(lián)網(wǎng)，智在數(shù)據(jù)中心，不在邊緣設備。盡管所有設備都在同一地區(qū)甚至同一建筑內，都必須與遠在千里外的數(shù)據(jù)中心通信，才能實現(xiàn)所需功能，這樣不僅會造成延遲，而且有可能因為網(wǎng)絡或其他原因降低整個系統(tǒng)的可用性。

智能邊緣計算提出了一種新模式：大規(guī)模部署、安全配置和管理邊緣設備，并根據(jù)邊緣設備類型和場景需求進行算力智能分配，讓物聯(lián)網(wǎng)的每個邊緣設備都具備數(shù)據(jù)采集、分析計算、通信，以及最重要的智能功能，實現(xiàn)智能在云和邊緣設備間的流動，形成邊緣智能。

通過這種模式，可以用邊緣設備自身的運算和處理能力直接就近處理絕大部分物聯(lián)網(wǎng)任務，不僅可以降低數(shù)據(jù)中心工作負擔，還可以更及時準確地對邊緣設備的不同狀態(tài)做出響應。這樣，即使脫離云計算的支撐，邊緣智能也能夠實現(xiàn)應用場景的大部分智能。當邊緣計算成為邊緣智能，局域、邊緣的物聯(lián)網(wǎng)系統(tǒng)將具備自治自律的行為能力。

當數(shù)據(jù)從傳感器流出時，邊緣設備通過加速AI 計算的性能，將使得智能醫(yī)療保健、智能制造、智能運輸和智慧城市等一切任務皆有可能實現(xiàn)。在這一進程中，需要強大的邊緣計算能力處理海量數(shù)據(jù)，從而快速制定人工智能增強型決策以驅動業(yè)務發(fā)展。

將來所有的超級計算都是分布式的，全世界變成一張網(wǎng)，其邊緣底層就在社區(qū)、街道、小區(qū)、產(chǎn)業(yè)園區(qū)，那里有所有的大數(shù)據(jù)，并且隨時可以開展超算和大的數(shù)據(jù)處理，所以將來是一個新的世界，全世界都可以連著一張網(wǎng)，所有的信息都可以促成人工智能、數(shù)字孿生。

3.3.1　場景 1：邊緣超算提效科研仿真

在科研項目的推進過程中，往往會面對復雜的數(shù)據(jù)密集型計算任務，例如仿真、數(shù)據(jù)建模、渲染等大量運算場景。而智能邊緣計算的出現(xiàn)，通過將多個單元的計算能力進行整合，打破了算力性能的局限，讓科學家隨時可以調用超級計算機級別的算力，讓其日夜不停地處理數(shù)據(jù)，構建模型，最終成為科研攻堅時不可或缺的利器。

3.3.2 　場景 2：邊緣超算助力創(chuàng)新型企業(yè)數(shù)智化發(fā)展

數(shù)字化是未來時代的發(fā)展趨勢，數(shù)字技術的每一次革新和進步都會對個人、組織和社會的發(fā)展帶來深刻影響，甚至是顛覆。移動互聯(lián)網(wǎng)將普通信息的傳播能力提升至毫秒級，但當一切商業(yè)行為在線化，后臺需要更強大的算力來進行高密度信息快速處理。

算力作為未來基礎設施的核心組成部分，是衡量數(shù)據(jù)處理能力強弱的標尺，也是支撐數(shù)字化轉型和數(shù)字經(jīng)濟發(fā)展的基石。依靠強大的算力可利于企業(yè)產(chǎn)品和服務的創(chuàng)新，創(chuàng)建新型的商業(yè)模式，為用戶帶來更好的體驗，使企業(yè)工作流程更加敏捷高效。

邊緣智能時代，任何一個智能設備都可能是一個“數(shù)據(jù)中心”，很可能在一個芯片上實現(xiàn)連接、傳感、存儲和計算的功能。對于海量的數(shù)據(jù)，傳統(tǒng)的數(shù)據(jù)處理方式已不能滿足企業(yè)業(yè)務需求，新型的大數(shù)據(jù)技術不僅能實時處理海量數(shù)據(jù)來完成敏捷式商業(yè)輔助決策，還能通過多源復雜數(shù)據(jù)融合創(chuàng)新來幫助企業(yè)完成跨業(yè)務環(huán)節(jié)的流程優(yōu)化和經(jīng)營改進，從而提升企業(yè)的運營效率。

3.3.3 　場景 3：邊緣超算開啟元宇宙入口，打造虛擬平行世界

“元宇宙”作為 2021 年最火爆的新概念異軍突起，當下形形色色的元宇宙層出不窮，元宇宙將激發(fā)數(shù)字經(jīng)濟更大的活力。對于元宇宙，普遍認知是虛擬跟現(xiàn)實世界的融合，基于 AR/VR、虛擬空間、區(qū)塊鏈等技術所構建的一個虛擬的現(xiàn)實世界，但其實針對元宇宙目前還沒有清晰的概念界定。元宇宙也被很多人寄予厚望，認為是互聯(lián)網(wǎng) 3.0 的終極形態(tài)。伴隨著元宇宙的不斷發(fā)展有望帶動新一輪創(chuàng)新周期開啟，催生第三次互聯(lián)網(wǎng)革命。元宇宙對網(wǎng)絡傳輸提出了更大帶寬、更低時延、更廣覆蓋的要求，相較云計算而言，更需要借助邊緣計算技術，以保障所有用戶獲得同樣流暢的體驗。

計算能力是元宇宙一切行為的“燃料”，無論是物理計算、渲染、數(shù)據(jù)協(xié)調和同步、人工智能、投影、動作捕捉和翻譯等多樣化功能，計算都是必不可少的。比如將觸覺傳感器的信號轉化成人物元宇宙相應的動作，其中復雜的轉換就需要計算能力的參與。更重要的是元宇宙將擁有人類歷史上最大的持續(xù)計算需求，元宇宙作為一個“鏡像世界”，它每時每刻都在運轉，因此它需要的就是長足的持續(xù)計算能力。此外，計算能力的大小將決定元宇宙規(guī)模的上限，因為計算能力不足的話，幾萬人同時在線的元宇宙只可能是天方夜譚。

元宇宙的發(fā)展與普及，一方面有賴于 VR/AR等軟硬件產(chǎn)業(yè)生態(tài)的成熟發(fā)展，另一方面元宇宙的“沉浸感”“低延時”“隨地”特性也有賴于高度發(fā)達的邊緣計算等數(shù)字基礎設施的支撐與支持。

邊緣超算能很好地解決中心流量擁堵和智能終端爆發(fā)式增長帶來的計算資源匱乏等問題，是解決未來數(shù)字化難題的重要路徑。

3.3.4 　場景 4：邊緣超算打造數(shù)字社區(qū)，重新定義

社區(qū)生活模式數(shù)字社區(qū)是數(shù)字城市的重要組成單元，也是全面提升社區(qū)服務和治理能力的重要載體。數(shù)字社區(qū)總體功能及效果應滿足社區(qū)居民的幸福感、獲得感與安全感需求；能對社區(qū)的相應數(shù)據(jù)進行動態(tài)采集、反饋、分析和預測，并進行標準化管理；能實現(xiàn)統(tǒng)一用戶管理、權限授權管理、信息推送、應用管理等。社區(qū)智能化過程中，越來越多的智能設備布置在社區(qū)中，采集了大量的數(shù)據(jù)資源，可受限于算力和算法的短板，這些數(shù)據(jù)沒有被智能化分析處理。數(shù)字社區(qū)中的計算場景以視頻、圖像類的處理為主，擅長并行計算的 GPU 成了最常見的算力需求，但GPU 高昂的硬件成本是有了數(shù)據(jù)采集、卻缺少數(shù)據(jù)處理的直接誘因。而邊緣超算能夠滿足視覺、語音和自然語言處理在內的多種計算場景。大幅度降低社區(qū)智能運算的成本，提升社區(qū)智能水平。

隨著信息通信技術的不斷發(fā)展，算網(wǎng)融合將不斷完善，未來必將成為數(shù)字化信息社會的重要服務基石。算力發(fā)展需要網(wǎng)絡域、計算域協(xié)同創(chuàng)新，是一系列新技術的集成融合和創(chuàng)新應用。算力網(wǎng)絡目前已被納入 6G 和下一代互聯(lián)網(wǎng)關鍵技術之一，是網(wǎng)絡與計算融合發(fā)展的終極目標。需要業(yè)界聯(lián)合打造算力產(chǎn)業(yè)技術體系，實現(xiàn)網(wǎng)絡無所不達、算力無處不在、智能無所不及，推動千行百業(yè)數(shù)智化轉型。

本文描述了以算力換功能、以算力換性能、以算力換服務的發(fā)展歷史，研究了算力提升的主要路徑，為算力與網(wǎng)絡融合，以及更好地服務未來行業(yè)業(yè)務創(chuàng)新開辟道路。

引用格式：趙先明 . 算網(wǎng)融合定義未來 [J]. 通信技術 ,2022,55(6):720-726.