2022 先進計算七大趨勢

2022先進計算七大趨勢目錄新一代計算硬件量子芯片硅光芯片類腦芯片

航海梯山無遠弗屆 04摩爾的盡頭有“光” 07來自大腦的答案 10DPU

以數(shù)據(jù)為中心的計算 13架構(gòu)演變分布式云泛在算力

云邊端協(xié)同的關(guān)鍵樞紐 16無處不在的算力網(wǎng)絡(luò) 19前沿應(yīng)用科學復(fù)興

先進計算加速科學復(fù)興 2231量子芯片1航海梯山無遠弗屆當下，量子計算已經(jīng)邁入NISQ時代。量子芯片作為量子計算機的核心，是量子計算實現(xiàn)規(guī)?；c商業(yè)化的關(guān)鍵瓶頸。在學術(shù)界與產(chǎn)業(yè)界的不斷推動下，量子芯片在2021年迎來了大爆發(fā)。想要跨入通用量子計算時代，量子比特的數(shù)量與質(zhì)量，比特間的連通性以及容錯能力仍有待進一步突破。航海梯山，無遠弗屆。量子計算終將越過重重障礙，乘微觀粒子以顛覆現(xiàn)代計算體系，為人類帶來算力的騰越。4PAGEPAGE5

量子芯片——航海梯山，無遠弗屆量子計算是基于量子力學的全新計算模式，具有原理上遠超經(jīng)典計算的強大并行計算能力。量子計算以量子比特作為信息編碼和存儲的基本單元。與經(jīng)0101利用量子疊加態(tài)與糾纏態(tài)，將使得量子計算機的運算效率遠超傳統(tǒng)計算機，獲得指數(shù)級別的增長。算力危機下，量子計算作為一種顛覆性的計算體系，具備幫助人類實現(xiàn)算力跨越式發(fā)展的無限潛力。隨著“量子計算優(yōu)越性”已被證明，量子計算已邁入含噪聲的量子計算（NISQ）階段。當下，科研與產(chǎn)業(yè)發(fā)展的重點將集中在實現(xiàn)解決特定問題的專用量子計算機上。量子芯片是將量子線路集成在基片上，進而承載量子信息處理功能的處理器，是量子計算機的核心。量子計算機想要實現(xiàn)產(chǎn)業(yè)化，邁向商業(yè)階段，量子芯片正是需要攻克的關(guān)鍵瓶頸。目前，包括Goe、BM等在內(nèi)的科技巨擘和麻省理工學院、耶魯大學、中國科學技術(shù)大學等世界知名高校已在量子芯片領(lǐng)域取得重大突破。

超導(dǎo)量子芯片，由于其電子線路設(shè)計和制備的工藝與現(xiàn)代集成電路技術(shù)相兼容，被認為是具有清晰的商業(yè)前景、能較快實現(xiàn)產(chǎn)業(yè)化的一種量子芯片技術(shù)路徑。Google、IBM、麻省理工學院、中國科學技術(shù)大學、浙江大學和初創(chuàng)公司本源量子等在此技術(shù)上均有布局。圖|全球部分量子芯片初創(chuàng)公司21BM17超導(dǎo)量子比特芯片“Eal”，突破超導(dǎo)量子芯片百位量子比特的大關(guān)。但量子芯片的規(guī)模與性能，不僅僅由名義上的量子比特數(shù)目決定。邏輯門保真度、退相干時間、量子比特間的連通性等也是評價量子芯片性能的重要指標。接下來，超千位比特的超導(dǎo)量子芯片有望在三年內(nèi)問世。在進一步提高比特數(shù)量的同時保證比特的

量子芯片——航海梯山，無遠弗屆作為量子計算的另一種代表性技術(shù) 想要實現(xiàn)通用量子計算機需要具備三集成度高等特點也受到廣泛關(guān)注。包括PsiQXanadu量子等在內(nèi)的光量子集成芯片領(lǐng)跑者，2021

力、低環(huán)境要求和高集成度。同時，對于大規(guī)模的量子比特系統(tǒng)，通過量子糾錯來維持系統(tǒng)的正確運行是必然要求，這也是想要邁入容錯量子計算時代所面臨的主要果，為光量子計算的商業(yè)化奠定了基礎(chǔ)。挑戰(zhàn)之一。目前，量子糾錯主要是通過增20213XanaduX8

加邏輯量子比特內(nèi)自由度的冗余來達到降量子處理器。這是一款可編程、可擴展、低凈誤差的目的?？蓤?zhí)行多種算法的光量子芯片，能夠集 雖然國際學術(shù)界一般認為真正實現(xiàn)可成到現(xiàn)有的基于光纖的電信基礎(chǔ)架構(gòu)中，編程通用量子計算機還需15年甚至更久，有效降低運營成本。20217量子金賢敏領(lǐng)導(dǎo)的團隊提出了首個基于光子集成芯片的物理系統(tǒng)可擴展的專用光量子計算方案。2022

但我們有理由相信，在政策的推動、相關(guān)產(chǎn)業(yè)的升級和資本的不斷加持下，規(guī)?；c商業(yè)化的量子計算將加速到來。未來，量子芯片將賦能先進計算，為發(fā)布首個商用科研級專用光量子計算機，人工智能、密碼分析、氣象預(yù)報、量子化利用定制化的三維光量子芯片研究和解決各類實際問題。下一步，可靠的高品質(zhì)光源技術(shù)是光量子計算迎來應(yīng)用爆發(fā)前必須克服的難題。實驗室引領(lǐng)了量子計算技術(shù)革新，而市場助力了量子計算生態(tài)的建立。根據(jù)CV2014226.91億美元，超過以往的總和。

學和藥物設(shè)計等領(lǐng)域的大規(guī)模計算難題提供顛覆性的解決方案?！霸诹孔宇I(lǐng)域，我們正在看到越來越多過去被認為是需要10203、4*WilliamHurleyStrangeoksCEOTII*Sue:Autelated.(202204).aigtm’squatumakeStrangeoksCEOTII硅光芯片硅光芯片摩爾的盡頭有“光”2硅光芯片兼具微電子與納米光子的技術(shù)優(yōu)勢，既具有微電子尺寸小、成本低、集成度高的特點，又將光子高帶寬、高速率、多通道的長處發(fā)揮地淋漓盡致，實現(xiàn)了兩種物理體系的高效整合。隨著云計算與人工智能等應(yīng)用的爆發(fā)，硅光芯片進入了技術(shù)與產(chǎn)業(yè)的高速發(fā)展期。目前，硅光芯片已在大型數(shù)據(jù)中心內(nèi)部數(shù)據(jù)傳輸?shù)阮I(lǐng)域迎來商業(yè)化落地。未來，硅光芯片與電子芯片將互補共存，深化光電融合的發(fā)展模式。7PAGEPAGE8

硅光芯片——摩爾的盡頭有“光”隨著集成電路微電子器件的進一步微縮化，電子芯片在提高算力的同時所面臨的能耗和數(shù)據(jù)傳輸帶寬等問題成為了難以逾越的障礙。光子芯片作為一種在數(shù)據(jù)運算與傳輸方面更具優(yōu)勢的集成技術(shù)，在后摩爾時代發(fā)出閃耀“光”芒。與電子芯片利用電子作為信息載體不同，光子芯片是利用光子來生成、處理并傳輸信息。光子是一種玻色子，其靜止質(zhì)量為零，所以在信號傳輸?shù)倪^程中由質(zhì)量的慣性所帶來的能量損耗較小，光子器件傳輸1比特信息所需要的能量僅為電子器件的千分之一。同時，光子3~4極高的信息密度與抗干擾能力是光子作為信息載體的先天優(yōu)勢。光子芯片能夠在信息傳輸?shù)耐瑫r完成計算，在與成熟的硅基半導(dǎo)體加工工藝有機融合后，能夠釋放光子計算的無限潛力。半導(dǎo)體集成電路需要將大量微電子原件（如晶體管、電阻、電容等）放在一塊基板上，硅光芯片則利用硅的強大光路由能力，通過施加電壓產(chǎn)生持續(xù)的激光束驅(qū)動硅光子原件，來實現(xiàn)光信息的傳輸、計算等功能。硅基光電子芯片

在微電子技術(shù)和光電子技術(shù)之間取長補短，既具有微電子尺寸小、成本低、集成度高等特點，又將光電子高帶寬、高速率、多通道的優(yōu)點發(fā)揮地淋漓盡致，實現(xiàn)了兩種物理體系的高效整合。另一方面，硅光芯片對于工藝制程的要求較低，45nm或65nm的CMOS工藝線即可滿足現(xiàn)階段光計算的絕大部分要求，這使得硅光芯片在制備流程上具備極高的性價比。數(shù)字化的時代背景下，5G、人工智能、物聯(lián)網(wǎng)等領(lǐng)域下游應(yīng)用的興起導(dǎo)致了數(shù)據(jù)量的井噴。根據(jù)DC2025175ZB。硅光芯片按應(yīng)用分類硅光芯片按應(yīng)用分類2026$1.1B$454M2020$454M$115M$84M$478MCAGR49%數(shù)據(jù)中心硅光模塊 光子計算光互連圖|2020-2026硅光芯片市場規(guī)模（來源：le）

硅光芯片——摩爾的盡頭有“光”立足于光子的傳輸速率和計算密度等優(yōu)勢，硅光芯片在信息傳輸與信息處理方面的作用逐漸凸顯。在信息傳輸方面，數(shù)據(jù)中心內(nèi)大規(guī)模的分布式計算使得服務(wù)器之間需要進行頻繁的大量數(shù)據(jù)交換，數(shù)據(jù)的訪問與搬運性能成為與計算性能一樣重要的指標。傳統(tǒng)的高速光模塊在通信網(wǎng)絡(luò)設(shè)備成本中占比高達5060%，其高昂的成本阻礙了數(shù)據(jù)傳輸速率的發(fā)展。而硅光芯片能夠在較低的成本下，提供數(shù)據(jù)中心集群設(shè)備間、服務(wù)器與服務(wù)器間、甚至是芯片內(nèi)部的超高速光互連。未來，硅光芯片將成為數(shù)據(jù)中心內(nèi)超高帶寬數(shù)據(jù)互聯(lián)的標配。在信息處理方面，硅光芯片具備相比電子芯片更快的矩陣運算速率。光子2021二代高性能光子計算處理器“PACE”，集成了超過1萬個光子器件，其在特定循環(huán)神經(jīng)網(wǎng)絡(luò)下的運行速度可達目前最先進的電子芯片的數(shù)百倍。人工智能正在從“MolCeic”向“DataCentric”轉(zhuǎn)變，基于海量數(shù)據(jù)的大模型背后，將會是硅光芯片大放異彩的賽場。

當下，硅光芯片仍然面臨著產(chǎn)業(yè)鏈與工藝水平的制約，還未形成系統(tǒng)化的設(shè)計方法與標準化的制造工藝，光學器件的密度有待進一步的提升。并且光計算的精度低于電子芯片，限制了硅光芯片的應(yīng)用場景。只有打通了設(shè)計、工藝、封裝、產(chǎn)品等完整的產(chǎn)業(yè)鏈條，硅光芯片才能真正釋放性能與成本的巨大潛力。硅光芯片的商業(yè)化是一個持續(xù)且漫長的過程。未來3年，硅光芯片的商業(yè)化產(chǎn)品將首先出現(xiàn)在對算力、延時和功耗有特定需求的應(yīng)用場景，如量化交易、自動駕駛和大數(shù)據(jù)中心。未來10年，隨著技術(shù)的不斷演進，光計算將會在硅光芯片和電子芯片長期互補共存的基礎(chǔ)下走向大規(guī)模普及?！安痪玫膶?，大家可能會看到，服務(wù)器中、板卡上、芯片里和計算系統(tǒng)內(nèi)各個尺度的光電進一步融合?！薄蛞喑筷刂强萍紕?chuàng)始人類腦芯片類腦芯片來自大腦的答案3人腦是自然界中最完美的信息處理系統(tǒng)，類腦計算借鑒人腦處理信息的方式，以更少的器件、更低的能耗與更高的能效比顛覆傳統(tǒng)計算范式。類腦芯片是類腦計算落地應(yīng)用的硬件載體，具備“事件驅(qū)動”與“存算一體“等特性。未來，人工智能的發(fā)展必將從狹隘的弱人工智能走向更具魯棒性與通用性的通用人工智能。腦科學與計算機科學的深度融合，將為通用人工智能的實現(xiàn)提供必要的條件。10PAGEPAGE11

類腦芯片——來自大腦的答案人工智能時代，存算分離的馮諾依曼架構(gòu)逐漸顯現(xiàn)瓶頸。人腦是自然界中最完美的通用智能體，類腦計算借鑒人腦處理信息的方式，以更少的器件、更低的能耗與更高的能效比解決馮諾依曼架構(gòu)所面臨的“內(nèi)存墻”與“功耗墻”等諸多挑戰(zhàn)。人工神經(jīng)網(wǎng)絡(luò)，是基于統(tǒng)計學遞歸原理所構(gòu)建的計算架構(gòu)。而類腦計算是基于借鑒腦神經(jīng)元工作原理的新型架構(gòu)，是一種時域加空域的計算，在具備稀疏性的同時能夠有效體現(xiàn)人腦處理信息時候的高效性、近似性與時空連續(xù)性。類腦芯片，是類腦計算落地應(yīng)用的硬件載體。類腦芯片具備“事件驅(qū)動”的特性，即只有輸入信號達到一定的閾值，神經(jīng)元才會被激活并發(fā)出脈沖，通過人工突觸將信號傳遞到下一個神經(jīng)元。在輸入信號不足以刺激神經(jīng)元發(fā)出脈沖時，其他非活躍神經(jīng)元自身能夠保持極低的運行功耗。與此同時，類腦芯片還具備“存算一體“的優(yōu)勢，能夠很好地滿足邊緣計算領(lǐng)域低延時場景的需求。目前，類腦芯片存在基于數(shù)?；旌想娐?、異步數(shù)字電路和同步數(shù)字電路等多種技術(shù)方案，類腦計算的研究也正處于飛速發(fā)展期。

在實驗室領(lǐng)域，包括斯坦福大學、曼徹斯特大學、清華大學以及浙江大學在內(nèi)的世界知名高校均在類腦計算方向有所建樹。而產(chǎn)業(yè)界中，IBM、Intel、阿里巴巴等大型科技公司和眾多初創(chuàng)公司也正在積極布局類腦芯片。20198異構(gòu)融合類腦芯片“天機芯”登上《Nature》雜志封面?！疤鞕C芯”總共4AI圖|全球類腦計算研究部分頂尖高校10芯片已完成從科研到產(chǎn)業(yè)應(yīng)用的轉(zhuǎn)變。21年9tl片Loihi2Loihi2圖|全球類腦計算研究部分頂尖高校趨勢三 類腦芯片——來自大腦的答案類腦芯片在實驗室內(nèi)已經(jīng)取得了重要技術(shù)突破，而在市場上也能夠看到前沿的應(yīng)用落地。智能感知終端設(shè)備由于需要實時處理多模態(tài)、非結(jié)構(gòu)化的數(shù)據(jù)并做出正確的決策，是類腦計算施展拳腳的絕佳場景。目前，已有類腦芯片企業(yè)針對智能機器人、智能安防等具體應(yīng)用對生物神經(jīng)網(wǎng)絡(luò)進行優(yōu)化，并將算法變成芯片架構(gòu)，提供定制化的類腦智能解決方案，推動了類腦芯片的產(chǎn)業(yè)化與商業(yè)化落地。當下，類腦芯片仍面臨著來自材料體系的難題。目前能夠?qū)崿F(xiàn)量產(chǎn)的類腦芯片，基本還是采用電路模擬人工神經(jīng)突觸的方式來進行類腦計算，這樣做不僅對芯片制造工藝要求較高，生產(chǎn)效率也十分低下。理想的類腦芯片材料，應(yīng)該既具備在器件層面模擬神經(jīng)元和突觸的功能，又能夠于系統(tǒng)層面實現(xiàn)大規(guī)模的集成。努力探尋滿足上述條件的材料，是類腦芯片實現(xiàn)突破的關(guān)鍵卡口。盡管類腦計算行業(yè)還處在突圍階段，其市場前景仍受到廣泛的認可。根據(jù)YoleDévelopment預(yù)測，2035年類腦計算市場將占人工智能市場總收入的15%-20%，市場規(guī)模約200億美元。

長路漫漫，始于足下。從短期來看，類腦芯片需要以端側(cè)智能為利基市場，憑借自身超低功耗、高能效比的優(yōu)勢，挖掘和創(chuàng)造更多的應(yīng)用場景。荊棘載途，云程萬里。從長期來看，類腦芯片想要迎來商業(yè)價值的釋放，不僅需要產(chǎn)業(yè)端關(guān)注制造成本的降低，更需要科研端從系統(tǒng)結(jié)構(gòu)入手，發(fā)展類腦計算完備性，拓展類腦芯片應(yīng)用于通用計算的可能性。未來，人工智能的發(fā)展必將從狹隘的弱人工智能走向更具魯棒性與通用性的通用人工智能。類腦計算是通往通用人工智能的必經(jīng)之路，但絕不是獨木橋。只有將計算機的剛性與腦的彈性進行有機結(jié)合，在現(xiàn)有的硅基計算機架構(gòu)基礎(chǔ)上載以具備時空復(fù)雜性的類腦芯片，才能引領(lǐng)人工智能的下一次變革。“人工通用智能是一個必然的趨勢，而異構(gòu)融合的類腦芯片正是這把鑰匙?！薄┞菲角迦A大學教授DPUDPU以數(shù)據(jù)為中心的計算4隨著云計算的普及，數(shù)據(jù)中心在快速擴容的同時也面臨著來自性能、規(guī)模、能耗與安全的問題。為更好地解決數(shù)據(jù)中心的瓶頸并實現(xiàn)云服務(wù)的降本增效，DPU（數(shù)據(jù)處理芯片）統(tǒng)的智能網(wǎng)卡，成為了完美的解決方案。數(shù)據(jù)是貫穿計算、網(wǎng)絡(luò)和存儲三要素的一根主線。未來，DPU、CPU、GPU將成為大型數(shù)據(jù)中心內(nèi)的三駕馬車，DPU13PAGEPAGE14

DPU——以數(shù)據(jù)為中心的計算20IT耗與安全的問題。一方面，數(shù)據(jù)中心的計算資源被復(fù)25GCPU100G70%。另一方面，服務(wù)器要實現(xiàn)降本增效必須克服的難題。針對上述問題，從智能網(wǎng)卡演變而DPUDPUCPU，能夠?qū)崿F(xiàn)算力卸載、降低網(wǎng)離提供了強有力的支持。DPUCPU卸載。DPU將數(shù)據(jù)中心基礎(chǔ)設(shè)施操作中CPU資源較多的網(wǎng)絡(luò)、存儲、虛擬

化和安全等任務(wù)都卸載并集成到一個平臺。在此基礎(chǔ)之上，CPUDPUTCO（整體擁有成本）。與此同時，DPUCPU、GPUDPUGPUGPUCPU通用計算圖像處理I加速數(shù)據(jù)中心DPUIO密集任務(wù)資源調(diào)度圖|CPU、GPU、DPU成為數(shù)據(jù)中心“三駕馬車”

DPU——以數(shù)據(jù)為中心的計算根據(jù)英偉達的預(yù)測，未來用于數(shù)據(jù)中DPU的全球市場規(guī)模有100DPU的市場空間，也吸引了世界范圍內(nèi)的眾多玩家。DPU第一類是包括亞馬遜、谷歌、阿里巴巴和華為在內(nèi)的大型云服務(wù)廠商；第二類是英特爾、英偉達和博通等傳統(tǒng)半導(dǎo)體巨頭；Fugilensno（AMD19）和中國頭部DPU初創(chuàng)公司。當下，DPU芯片的核心競爭要素是性能與可編程能力的極致平衡。想要打造算力大、通用可編程的DPU，必須深入了解

除了在數(shù)據(jù)中心和云計算領(lǐng)域發(fā)光發(fā)熱，DPU在未來會承載更加豐富的應(yīng)用場景。包括網(wǎng)絡(luò)安全、通信、邊緣計算DPUCPU令控制流驅(qū)動計算”的平臺，那么DPU則是“以數(shù)據(jù)為中心，數(shù)據(jù)流驅(qū)動計算”CPUCentric”的時代走向“DataCentric”的時代。數(shù)據(jù)是貫穿計算、網(wǎng)絡(luò)和存儲三要素的一根主線。數(shù)據(jù)中心內(nèi)部，DPU號燈，通過數(shù)據(jù)流鏈接并管理著整個系統(tǒng)，從而實現(xiàn)更高速率和更低延時的業(yè)務(wù)響應(yīng)。算力不僅需要提升，更需要變得可以駕馭。DPU的興起正推動著計算基礎(chǔ)云服務(wù)廠商的需求與數(shù)據(jù)中心的應(yīng)用場景，架構(gòu)的變革，為更高效的數(shù)據(jù)處理和計算根據(jù)需求與場景去抽象和定義產(chǎn)品，在帶來較低的遷移成本的同時也敏捷地支持業(yè)務(wù)變化。作為中國DPU賽道的領(lǐng)頭羊之一，云豹智能將包括DPU芯片在內(nèi)的整板功耗控制在75W以下，為數(shù)據(jù)中心裸金屬、虛擬機和容器應(yīng)用場景提供一體化的DPU解決方案，在成本降低的同時獲得數(shù)倍以上的性能提升。未來，“應(yīng)用定義軟件、軟件定義芯片“的軟硬件融合思路將貫穿芯片設(shè)計的全流程。

解決方案鋪平了道路?！拔磥?，云服務(wù)廠商的創(chuàng)新與優(yōu)化DPU上?！薄拞㈥栐票悄蹸EO分布式云分布式云云邊端協(xié)同的關(guān)鍵樞紐5分布式云靠近數(shù)據(jù)的源頭，搭載在數(shù)據(jù)中心與終端設(shè)備之間的邊緣基礎(chǔ)設(shè)施之上，能夠提供低延時、廣連接、大帶寬的云服務(wù)。隨著硬件設(shè)備的發(fā)展，分布式云節(jié)點將具備部分中心云的能力，但并不能完全取代中心云，而是以云邊端深度協(xié)同的形式構(gòu)建更加完備的云計算架構(gòu)。未來，分布式云將服務(wù)于自動駕駛、工業(yè)制造、智慧城市等對時延和連接有苛刻要求的應(yīng)用，釋放更多邊緣智能的價值。16PAGEPAGE17

分布式云——云邊端協(xié)同的關(guān)鍵樞紐從電子計算機的誕生到客戶端電腦的普及再到云計算的興起，計算架構(gòu)經(jīng)歷了從集中式到分布式再到集中式的演變。5G與oT分布式云搭建在數(shù)據(jù)中心與終端設(shè)備之間的邊緣基礎(chǔ)設(shè)施上，是云計算能力向邊緣節(jié)點下沉的表現(xiàn)。分布式云靠近數(shù)據(jù)源頭，廣泛分布在不同地理位置，覆蓋各種數(shù)據(jù)熱點區(qū)域和客戶場景，就近提供計算、網(wǎng)絡(luò)、存儲、安全等云能力。基于以上物理層面的優(yōu)勢，分布式云是一種滿足廣連接、大帶寬、低延時和碎片化需求的精細化云服務(wù)。分布式云作為中心云的延伸，承擔著“神經(jīng)末梢”的計算任務(wù)。與物流配送“最后一公里”類似，分布式云最顯著的特點就是能夠針對計算任務(wù)提供敏捷的響應(yīng)。由于終端設(shè)備與大型數(shù)據(jù)中心地理距離的限制，傳統(tǒng)云服務(wù)難以進一步降低如自動駕駛和虛擬現(xiàn)實等應(yīng)用的響應(yīng)時延。由于分布式云更靠近邊緣側(cè)，能夠滿足實時數(shù)據(jù)分析與處理的數(shù)據(jù)產(chǎn)生和使用的需

求，從而為以傳感器網(wǎng)絡(luò)為基礎(chǔ)的各類應(yīng)用提供了可靠的計算基礎(chǔ)。隨著分布式云覆蓋密度的提升，更多的邊緣智能與端側(cè)智能將成為現(xiàn)實。大型IDC云分布式云邊終端設(shè)備終端設(shè)備端|大型IDC云分布式云邊終端設(shè)備終端設(shè)備端|云-邊-端協(xié)同架構(gòu)

分布式云——云邊端協(xié)同的關(guān)鍵樞紐面對差異化的計算需求，分布式云能夠基于物理終端的位置、計算節(jié)點的位置和算力系統(tǒng)的狀態(tài)，實現(xiàn)算力的智能調(diào)度與分配，在保證業(yè)務(wù)響應(yīng)低時延的同時有效提升計算資源的利用率。云資源的智能調(diào)度依托于強大的基礎(chǔ)設(shè)施軟件，專注于軟件定義邊緣的分布式云廠商秒如科技，正是憑借全棧自研的異構(gòu)調(diào)度引擎，得以提供強大的跨云、彈性可伸縮的計算資源調(diào)度和編排。從需求側(cè)來看，海量應(yīng)用促使全球算力需求不斷攀升。從供給側(cè)來看，算力網(wǎng)絡(luò)的結(jié)構(gòu)會隨著分布式云的大規(guī)模普及而呈現(xiàn)顆?；⑾鲁恋内厔?。基于供需兩端的發(fā)展情況可以判斷，未來的計算資源將是無處不在且位置無感的。不同于中心云是資源定義的云服務(wù)，分布式云是業(yè)務(wù)場景定義的云服務(wù)。近幾年，除了數(shù)據(jù)中心的成本和效能等因素，云服務(wù)廠商的核心競爭將集中在用戶體驗之上。分布式云基于中心云所不具備的低延時、低帶寬成本等優(yōu)勢，能夠提供給客戶更優(yōu)質(zhì)的云體驗。進入快速成長階段，分布式云的進一步發(fā)展依托于更多上游應(yīng)用場景的落地，而分布式云廠商競爭的關(guān)鍵在于對客戶和業(yè)務(wù)場景理解的深度。

當下，分布式云仍然還面臨著部署Gartner2025%的組織在其選擇的地點使用分布式云，從而實現(xiàn)業(yè)務(wù)的轉(zhuǎn)型與升級。隨著硬件設(shè)備的發(fā)展，分布式云節(jié)點將具備部分中心云的能力，但并不能完全取代中心云，而是以云邊端深度協(xié)同的形式構(gòu)建更加完備的云計算架構(gòu)。作為云邊端協(xié)同的關(guān)鍵樞紐，分布式云需要在業(yè)務(wù)、應(yīng)用管理、數(shù)據(jù)和資源等方面與中心云實現(xiàn)協(xié)同，并在應(yīng)用層面為自動駕駛、工業(yè)制造和智慧城市等場景下的終端設(shè)備帶來實時智能互連。未來，分布式云將推動邊緣計算、分布式云原生、分布式數(shù)據(jù)庫、分布式存儲等行業(yè)分布式應(yīng)用的革命。IT從硬件定義到軟件定義再到服務(wù)定義的演進過程后，無不處在的分布式云將成IT————孫思清浪潮云首席技術(shù)官泛在算力泛在算力無處不在的算力網(wǎng)絡(luò)6在數(shù)據(jù)爆發(fā)式增長與算力單點性能極限之間的矛盾日益突出的背景下，以網(wǎng)絡(luò)連接泛在算力，構(gòu)建云邊端一體的立體算力網(wǎng)絡(luò)迫在眉睫。未來，算力將呈現(xiàn)泛在分布、多元異構(gòu)、位置無感的趨勢。隨著網(wǎng)絡(luò)技術(shù)與計算技術(shù)的并行發(fā)展、算網(wǎng)的深度融合，智能可調(diào)度的泛在算力網(wǎng)絡(luò)將加速到來。下一個10年，算力將如同水電煤等基礎(chǔ)資源，滲透進人類生產(chǎn)生活的點滴，成為智能社會運行的核心要素。19PAGEPAGE20

泛在算力——無處不在的算力網(wǎng)絡(luò)先進計算與網(wǎng)絡(luò)技術(shù)的發(fā)展，推動了智能世界萬物互聯(lián)的進程。未來社會，智能化設(shè)備無處不在，算力也將無處不在。邁入算力時代，算力將突破云的邊界，向萬物蔓延，呈現(xiàn)出云邊端立體化泛在分布的趨勢。泛在算力，將如同工業(yè)社會里石油的角色一樣，成為智能社會的基石。進入后摩爾時代，受到性能、成本和功耗等因素的影響，單個芯片算力的提升逐漸放緩。與此同時，多核芯片數(shù)量及性價比也趨于極限，推動了算力從單點向網(wǎng)絡(luò)化階段的過渡。在算力需求不斷增長的背景下，網(wǎng)絡(luò)化的算力能夠彌補局部算力的缺口和算力供給不均衡的現(xiàn)象。通過網(wǎng)絡(luò)連接泛在算力，突破單點算力的性能極限，成為打破算力危機的關(guān)鍵。網(wǎng)絡(luò)化的算力并不僅僅是簡單地將云端數(shù)據(jù)中心與數(shù)據(jù)中心之間、數(shù)據(jù)中心與算力需求端之間互相連接起來，而是構(gòu)建云邊端一體的多層級算力架構(gòu)。在面對一些如自動駕駛、智慧安防等有著低時延、大帶寬算力需求的場景時，網(wǎng)絡(luò)信道的傳輸質(zhì)量影響了數(shù)據(jù)傳輸?shù)男?，從而限制了云端算力的全量輸出，產(chǎn)生算力供給與算力需求間的錯配。為了解決上述問題，

泛在算力是多元異構(gòu)且位置無感的。能加速器的興起，算力的內(nèi)核不斷朝著GPU、FPGADPU資料來源：華為《泛在算力：智能社會的基石》

泛在算力——無處不在的算力網(wǎng)絡(luò)對多元化的硬件進行管理和編排，并對外提供多樣性算力的統(tǒng)一供給。同時，算力網(wǎng)絡(luò)的智能調(diào)度能力將淡化算力供給來源的意識，讓算力需求方更專注于上層應(yīng)用的執(zhí)行效果，實現(xiàn)算力的處處可用、計算資源的位置無感。算力應(yīng)用與算力基礎(chǔ)設(shè)施的解耦，將會催生更多智能應(yīng)用和智慧場景的誕生。根據(jù)華為預(yù)測，到2030年，全球1YB10達到3.3ZFLOPS，人工智能算力增長500倍超過100ZFLOPS之巔”與“絕望之谷”，AI已經(jīng)邁入了AI處不在的感知和無所不及的AI。未來，AI在通往泛在算力