东数西算下算力发展的 数学题 及 算术题
发布时间：2022-10-18 10:00:13 所属栏目：动态 来源：未知
导读： 目前我国正在实施东数西算战略。在算力发展这个话题下，我谈一些对数据中心“数学”与“算术”的思考。这里的“数学”是指数据的科学，“算术&rdq
|
目前我国正在实施东数西算战略。在算力发展这个话题下，我谈一些对数据中心“数学”与“算术”的思考。这里的“数学”是指数据的科学，“算术”指的是算力的技术。 目前算力可以分为基础算力（基于CPU芯片）、智能算力（基于GPU和NPU芯片）和超算算力（基于高性能计算机）。基于GPU/NPU/FPGA等构建的AI智算中心，更适于训练数据、导出模型。训练出数学模型后，后续利用模型对输入数据来计算AI决策结果，这时并不需要太高计算算力。所以通常是用基于CPU的通用计算来做在已知数学模型下的计算任务，可以理解为智算中心的功能主要是算，数据中心的的主要任务是存。 从数据角度，大部分数据可以分为热数据和冷数据。热数据主要是一些需要实时计算的数据，相比之下冷数据不需要实时性。国家的八大算力枢纽，实际上西部主要是定位在处理冷数据和本地的一些热数据；而东部主要是处理热数据。 国际数据公司IDC提出，人类历史上90%的数据都是过去几年产生的，其中50%是短短过去两年产生的。最近产生的数据是热数据，但热数据经过一段时间之后，也会“降温”继而变成冷数据。一项统计认为，冷、温、热三类数据分别占累计数据量的80%、15%和5%，这意味着，冷数据是最多的、主要的。 热数据要求实时计算，但冷数据的需求主要是存储，或者说，对冷数据来讲计算并不是常态，存储是常态。东西部的算力中心，就分别更适合于热数据和冷数据，从这个意义上来讲，东数西算可以说是“东数西存”——主要是存，当然也有计算。 在计算架构上，主要有两种：存算分离、存内计算。 存算分离架构在控制单元指令下从存储器读数据并交到CPU计算，得到的结果再送回存储器。如此往复的I/O通讯，对于热数据的计算来说效率不高。 但存算分离有个优点，存储单元可以不仅服务于单个计算单元，可以同时服务多个服务器的计算，形成一个池化的存储，这样能够支持多云计算，实现较高利用率和低成本、低能耗。而这恰好适用于冷数据，例如可以用云平台建模，用边缘计算训练与仿真。 不过，热数据需快速计算，受限于存算分离I/O瓶颈，且CPU能力受累于存储器访问速度难以发挥，更需要存内计算。存内技术以随机存取存储器（RAM）替代硬盘，在RAM内完成所有运算。现在还有一些阻变存储器和相变存储器等新型非易失性存储器，已经在实验室中取得了突破，但大规模推广目前成本还较高。还有介乎于存内计算和存算分离之间的模式，如近存计算。 总体而言，存算分离适用于冷数据处理，存内计算适用于热数据。举个例子，自动驾驶的数据要在路边甚至在车内同时完成存与算。 西部以处理冷数据为主，但也需要处理当地的热数据，冷热数据是否需要分别采用不同的存算架构？这也是值得研究的问题。 （编辑：温州站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
站长推荐