就像早期的电力主要是通过直流方式进行本地化供应的,后来才逐步利用交流技术走向了网络化的电力服务,计算也从最早的单台计算机方式,通过云计算和边缘计算等逐步走向了网络化的算力服务。 云计算是一种中心化的算力提供方式,因为资源共享带来了规模效应。但与此同时,集中化计算也存在因为距离用户较远带来的时间延迟,托管带来的数据安全和隐私保护等顾虑,以及法律和监管对数据流动和处理的合规性要求挑战。因此,大约在 2014 年出现了边缘计算的概念,即就近向用户提供计算服务,以提供更快的算力服务响应,满足业务在实时性、安全性、隐私保护和合规性等方面的需求。 现在,随着云计算和边缘计算的发展,云与网络、云与云、云与边缘以及边缘与边缘之间,如何做算力的协同就成了一个新课题,于是算力网络的概念就顺势兴起了。 算力网络是一种通过网络分发服务节点的算力、存储和算法等信息,结合网络信息(如路径、时延等)和针对客户需求,提供最佳的算力资源分配及网络连接方案,并实现整网资源的最优化使用的新架构(ITU-T 的定义)。 算力中心、云原生、算力网络和“东数西算”等概念,是业界开始探索算力网络的重要标志,都是为了如何大规模、更低成本地提供算力服务。但如果参照电力网络,目前算力网络的发展水平还相当于刚刚结束了爱迪生和特斯拉的电力大发明时代,开始了进入大规模建设电力基础设施的阶段,只是二者在时间上整整差了100 年。 算力生成所消耗的核心资源是电力。21 世纪初曾经出现过计算机、电话网和广电网的“三网融合”,相信未来会出现“新三网融合”,即通信网络、算力网络和电力网络的新一轮融合,以寻求算力时代在经济层面和技术层面的最佳组合。 著名科技观察家凯文·凯利在他 2016 年的书籍《必然》中,提到了“算力原生”的概念,认为算力原生是数字化转型的必然趋势,将对社会、经济和文化产生深远的影响。这可能是最早的关于“算力原生”的论述。 2018 年,美国麻省理工学院(MIT)发布了一份与算力相关的报告,指出算力原生是数字世界的未来趋势,将会引领新一波的技术革命和经济变革。2020 年,MIT 在同类报告提出,未来算力原生将会呈现“边缘化、全球化、多样化、智能化、安全化”的趋势。 2018 到 2019 年,高盛集团连续发布了两份算力相关的报告,指出算力原生是一种新的商业模式,它不仅是技术的变革,更是一种经济形态的改变。在算力原生的时代,人们不再将算力看作是一种资产或工具,而是将其视为一种货币或资源,可以用来交换价值、获取服务或实现创新。 在 2020 年,Gartner 在一份报告中提到了算力原生的概念,并预测它将成为未来数十年中最具影响力的技术之一,推动云计算、人工智能、区块链等技术的发展。布鲁金斯学会的一份报告中指出,算力原生是数字经济的未来,将推动云计算、人工智能等技术的快速发展。IDC 公司的报告指出,算力原生是数据中心未来的发展方向,将成为云计算、大数据、人工智能等技术的基础。 算力原生的基础是各种框架、算法和硬件。10 多年前,深度学习的突破就是建立在需要强大并行算力支持的基础上的。现在,大模型更是需要数百万次乃至数千万次的计算才能完成训练。可以说,以深度学习和大模型为代表的 AI 是算力原生应用的典型代表。 电力能力决定着一个国家的工业化水平,算力能力也可以用来衡量一个国家的数字化水平。可以用四个指标作为参考,来判断算力行业的成熟度,来衡量是否已经迈入了算力原生的时代: · 从国家层面来看,GDP 的增长开始用云量或算力消耗量来衡量。数字经济消耗的核心资源是算力,但目前观察社会经济运行情况的主要指标还是用电量等,并没有将“用算量”或“用云量”统计进去。 · 从行业层面来看,面向公众和互联网用户的公有云市场规模,远远超过了私有云市场规模,形成了稳定的“以公有云为主体,私有云为补充”的算力市场格局。公共算力在算力资源供给中的占比越大,说明算力的社会化供给程度越高,算力越发达和越普及。据统计,中国云计算市场中公有云与私有云的市场占比,2022 年刚超过 3:1,2019 年大约是 1:1。 · 从企业层面来看,企业架构发生重大变化,传统后勤保障部门与信息中心合并成了一个。传统后勤部门负责老基建的建设、运行和维护,信息中心负责新型基础设施的建设、运行和维护。因此,算力发展成熟和企业数字化转型成功的核心标志之一,就是电工和“算工”成了“同屋的你”。“算工”中的“工”,不再是工程师的“工”,而是工人的“工”。 · 从从业者的比例来看,从业人员的主体学历构成结构,从以大学生和研究生占比为主(目前刚超 40%),发展到超过80% 来自职业技术学校,成为吸纳数字原生代蓝领就业的重要市场,形成了更加合理的、层次化人才结构。 算力、算法和数据被视为推动这轮人工智能革命的三大要素。优秀的算法可以帮助 AI 系统提取数据中的有价值信息,发现模式和趋势,并做出准确的预测和决策。同时,高质量的数据为算法提供了训练和学习的基础,而强大的算力则为实现复杂的算法和处理大规模数据提供了支持。 经过十多年的发展,现在的 AI 已经从深度学习演进到了大模型阶段,它不仅是一种更“大”的深度学习,而且增加了第四个维度:知识,成了知识、数据、算力和算法四大件。 |
|