中国联通异构算力统一标识与服务白皮书.docx

《中国联通异构算力统一标识与服务白皮书.docx》由会员分享，可在线阅读，更多相关《中国联通异构算力统一标识与服务白皮书.docx（36页珍藏版）》请在优知文库上搜索。

1、6g嚷0芝uncom1.9A，OQ)CUBE-NetKM2022年娶IIa官方合作供作DMnf1.Iv*w1.1.hOmorWraBRmmmq22异构算力统一标识与服务白皮书中国联通算力网络产业技术联盟2021年3月版权声明本白皮书版权由中国联通算力网络产业技术联盟拥有，并受法律保护.转我、摘编或利用其它方式使用本白皮书文字或者观点的，应注明来源。编写组成员安课；邹婷寒武纪：程归鹏中国联通研究院：唐雄燕、畅、李偌轩、李建飞华为技术有限公司：丁肇霹、刘飞、何军中兴通讯股份有限公司，熊先奎、朱融联想未来通信科技（庆）有限公司:浪潮软件科技有限公司：高娴、谢2021年3月，中国联通发布了中国联通CU

2、BE-Net3.0网络创新体系白皮书。CUBE-Net3.0是以打造算网体为重要目标，歌合云原生、边缘计算、人工智能、内生安全等新的技术元素，强化要素深度融合，构建支撑经济社会数字化转型的新一代数字基础设施。算力业务形态、平台经营方式、网络使能技术等方面的观点,研黄和产业推动产生了重要影响。2020年11月，中国也早在2019年,中国联通就发布了业界首部算力网络白皮书，阐述了未来由尊力网络的技术曲推进算力网络的生态建设、标准制定和应用推广。单位白皮书就是联盟成员合作产出的成果之一。竟力作为国民经济数字化转型可缺少的重要元素。在整体聚力网络产业技术联盟成员单位的大力协作下.可靠的计通过EJ资源抽

3、象和服务化.进一步屏蔽底U算力的差了算力网络产业技术联盟，旨在联合产学研各方力量加也已就相关技术开展了大量研讨，本次发布的研究底层算力资源的管卿Ii体算力接入和共享的商建“可信A可溯;异化,MJ户可度：1；与4土发起成.力网络整个架构中不汴元的基础匕需不断深入1.j原异构化发展的产业趋势，多产权主5力统标识技术开展重点攻关.以期构手理架构.为匕层应用和最终用户提供安全、无差别的应用环境，进一步降低各种冲克资源的使用门槛。希望；皮书算力资源管理、业务建模和服务能力构建等领域为行业发展起到抛砖引玉的作用，同时为我国的算力基础设施建设提供有益参考。1异构算力产业发展现状11.1 第力网络构建“云、边

4、、端”泛在计兑协同11.2 算力从通用架构走向专用定制21.3 异构算力的主要应用场景42异构算力发展需求72.1异构算力需要统标识和阔度2.2 异构算力统一标识设计原则2.3 异构算力统一调度设计原则3异构钵力统一标识和资源抽象.3.1 异构算力统标识78.993.1.193.1.2103.1.33.1.43.1.53.3.13.3.2173.3.3183.3.20异构并力的融；？发展异构和力统措平T，度a流程司度智能运营4t异构算力统一标识技术架构.可信算力的认证鉴权统资源数据模型异构算力资源管理算力度量与算力M3.2 异构兑力资源抽3.3 异构算力统4总结，224.2 算力能力进步开放2

5、24.3 柒力网络促进算力合理化布局234.4 异构算力的标准化建议235参考文献6缩略语1异构算力产业发展现状1.1 算力网络构建“云、边、端”泛在计算协同互联网的高速发展使得万物数据化，数据量和计兑量上指数爆发，赛迪顾问数据显示，到2030年数据原生产业规模最占整体经济总量的15乐中国数据总量将超过1YB,占全球数据盘30数据资源已成为关键生产要素，更多的产业通过物联网、工业互联网、电商等结构或非结构化数据资源来提取仃价值信息,而海量数据的处理与分析需要强有力的算力提供支撑。U也闵i在云、边、端”泛在计算席算力网络的进步/云计算技术在数据中心了不同数据中心之间的连接，因此数业态的出现,新型

6、据中心的公资源部署逐Z传统15,J化为主的中心z;方式，主要向右计尊和而随着未来移动互联网的发展，正逐渐促进塞俄一总数据处理对于算力需求的日益剧增,需要天、边、,效的定义是“在相同或更短的时间里完成比其他人人一样或者更好”。对于目前海量、分散的E处理场KW1.者终端的高效和力处理，都已无法满足抛端的算力能够有效的协同，来满足“匕协同是目前的算力网络正在积极探重发展.在促进新型网络技术也以及跨数据中心的协卮由二络连边缘计匕间岱J包括终i协同.高呐部或I缘计算、分布式计卯等新型计算向泛ZK小勺协同制发展.因此，算力网络技术所带来的新型的网；、边、端”为主的新型的算力资源的协同和发展,围绕渚建了不同

7、层级的算力组成，能锅实现低时延、低成本等效果。并且结合大数据和算法，能够实现在不同层级的匏力满足不同的场景需求,即，云计算满足大体量数据分析和算法训练，边缘计算满足敏槌接入和本地计算.而端测算力侧重现场体验和端侧智能等要求。图IT算力网络促进“云、边、住”协同1.2 算力从通用架构走向专用定制节前算力网络架构中的算力可以由不同的硬件架构红吟低功耗等场景推出的定制化的ASIC芯片，但是崎久端的广FPGA和AISC等类型：CPU主要有X86和ARM,U黑rJ化数据处理的专有架构：FPGA作；辑M速等方面具有优势；而面向特定场景的处理;鳖需翦，米电亍处理，比如当前针对深度学习设计的各种TPC、图卜2

8、力从通用走向定制泛应用，目前也是作为通用芯片来应用湿酷人叩，要是爨实现矢量的图形揩计算分为取抵译码、发射、执行、写回等几个阶段，通小R件调以完成任意特点计矩当前CPU的架构已经相当且杂，并且真正有效计算在CPU整体功耗比例中不到10%,所以CPU适合控制更杂，而计算密度不i的应用场景。X86CPU在数据中心和云计算领域具有统治地位，而ARMCPU由于其低功耗、低成本的特点占据绝大部分终端市场。另一方面，随着国内在推动国产化服务器的布局，RRM服务器也已经逐渐进入数据中心作为异构算力的组成部分。GPU采用的是S1.MD/SIWT架构，虽然本质上还是冯诺依维架构，但减少了取值、译码开销，GPU同样

9、具有很强的通用性，以NV1.DIA为代表的GPU厂商，培养r非常好的GPU生态系统，为用户提供非常方便的开发环境，所以GPtJ在高性能计算、图像处理和AI领域都有非常广泛的应用。FPGA为现场可编程门电路，可以认为是细粒度可重构芯片，IWA非常适合数据流驱动的计算架构，具有高空间并发和低时延的特点,理论上FPGA可以实现任意功能，但FPGA开发周期比较长，同时对开发人员的专业技能要求也比较高，这些都影响了FpGA的应用场景。AS1.C是一种专用芯片，与传统的通用芯片有一定的差异，是为某种特定的需求而专门定制的芯片。ASIC芯片的计算能力和计.算效率;K据算法需要体枳小、在摩尔定律和登纳德缩放定

10、律的共M30年的抬速发展，随着摩尔定律放缓，登纳德缩放f力提升已经无法满进行定制，所以AS1.C与通用芯片相比，具有以下几个功耗低、计算性能高、计算效率高、芯片出货fit越大成高.显，只能针对特定的某个或某几个应用场景，一旦无法满足业务需求。AMD足当前数据中心对算力增长日瞪图外鼻构算力不同应用年景基于领域定制（I）SA）的异构计算，采用各种加速器来完成对特点业务的加速，从而达到提升系统算力和降低成本的目的，最典型的就是深度学习加速器，不管是采用GPU、FPGA还是各类NPU,相对丁单纯CPU的解决方案，可以将系统的算力提升数倍.13异构算力的主要应用场景算力的需求促进了算力架构的多样性和算力

11、性能的不断提升，在不同的应用场毋中，异构算力协同处理发挥最大化的计算效力，困绕以“云、边、端”为主体架构的：级律力调度需要满足不同场及下的算力需求：云端主要面向以高件能计或为主的传统集约化的性能计算，主要处理大流域旃i发的数据处理场景；边缘侧的数据中心主要考虑用户的快速接入利速处理和及时响应；而端侧的算力应用主要面向物.景的嵌入式设备能够长期稳定运行，要求仃低M耗和多而围绕人工智能的算力需求场景是近个人工智能产甘于算力的需求也是目前推动异构兑力发展的(I)算力与高性能i高性能计以川/,附唯1熊、勘探等科学计算领域，般是建设一定规模的计算集遛联。高性能计算项目中的算力一般使用X86CPU和中J*

12、PU,近理器的集群逐渐增多，在某些专用领域也可使川FPGN1.C0ii算北，种XM的方案是分布式计算,利用分散的计算机和其它终端的闲置处理能大*算问题，如牛物病理研究、药物研究、寻找地外文明的信号等项1九主要利用的是X86CPU、消费级的显卡等克力资源。图1-1异构口力处同实现HPCJg_种应用场景专送到云端进行处理国网关的趋势是承担更多的数据处数据处理和分析物联网网关通过支持各种它将物2）算力与物联网耗X86或者ARM处理ii的理的任:务.对克力的3越.IOT从传感嬲收集数4网J侬修计算分析，在边缘云处做本地分析和处图1-5异构算力与物联网物联网（IOT）通过各种信息传感器设备，实时录曼中互

13、动的物体或过程，采集其声、光、热等各种“息,实现物与物、物与人的泛在连接，实现对岁出那少能化!看F1.J和管理.物联网的应用场景包括工业物联网、联网（3）算力与边缘计算边缘计算和5G的大带宽、低延时相循相成，边缘计算是在网络边缘为应用开发者和内容服务商提供所需的云端计照功能、互联网技术服务环境等.边缘计算在靠近数据源、终端设备的位置对数据进行处理。边缘计算对算力的要求较高，在视领和图像识别、语音识别等场景需要较大算力，需配置SoC、GPU、ASIC或ITG.A等加速处理芯片。边缘计算所需算力分布广泛，可分布于智能装备、工业控制器、传感器、ICT融合网关和边缘云等处。罐装占!EttiHWHXAi

14、ttf1.2异构算力发展需求2.1异构算力需要统一标识;异构算力技术的发展能不同的；VR。通过异构算力的协I，i能够最大化的实现升枸八、；将底*7g,为资源进行仃效的管理，首先需要:也在片构算向统标识体系的建立是将底片异构力作为资源服务进Z微嵇德。算力网络的构建打破了原有的困绕源实流M靖.构建了基于新型网络连接为基础的异构数据中心内部号整源m力接调度能力,方面能嘉现“云、边、端”底层资源的统一纳管和协同：另一方i建立异构算力统标识和网络标识的映射关系,实现算力资源制度，并I1.也为算力交易提供底层的技术基础。算力统一调度方面，基于“云原生+轻量化云原生两级面，通过面向上层PaaS能力的卜.沉，建立算法能力库、计算能力库、存储能力库、网络能力库等异构算力能力库，从而实现异构兑力服务