算力調(diào)度關(guān)鍵要素及路徑分析

邵杭青 馬蘊穎 梁汗臣

1.中國電信股份有限公司南京分公司；2.中國電信集團公司政企信息服務(wù)事業(yè)群；3.SEGi University

0 引言

據(jù)2022 年7 月中國算力大會上工信部發(fā)布的最新信息，我國算力產(chǎn)業(yè)規(guī)模近五年平均增速超過30%，算力規(guī)模排名全球第二。如此高速的增長，是否表明現(xiàn)有算力已能滿足我們國家國計民生的需求？為了有效利用算力，哪些場景可以通過算力調(diào)度解決而無需新建？哪些場景通過調(diào)度無法徹底解決，可行的路徑有哪些？這些都是伴隨著算力發(fā)展出現(xiàn)的新課題。

1 算力及算力應(yīng)用分類

1.1 算力分類

目前算力的劃分大致有兩類：

一類是以物理介質(zhì)為基礎(chǔ)的分類，分為通用算力（基于CPU 芯片）、智能算力（基于GPU、FPGA 芯片等）和超算算力（基于大規(guī)模集群）。據(jù)中國工程院院士鄔賀銓在中國算力大會上所作的《對數(shù)據(jù)中心“數(shù)學(xué)”與“算術(shù)”的思考》演講中的數(shù)據(jù)，從2021 年全球算力分布來看，美國占31%，中國占27%，其次是日本、德國、英國等。美國的通用算力占全球35%，智能算力占15%，超算算力占30%，中國這三類分別為27%、26%和20%。

一類是按算力在網(wǎng)絡(luò)層級中的位置劃分，包括核心算力、邊緣算力、終端算力。核心算力為布局于數(shù)據(jù)中心核心層的算力中心，邊緣算力為位于網(wǎng)絡(luò)邊緣層的新興算力，終端算力是智能手機、物聯(lián)網(wǎng)終端具備的算力。目前談?wù)撦^多的為邊緣算力，它其實是隨著視頻、游戲、物聯(lián)網(wǎng)等業(yè)務(wù)興起，在對時延、存儲和運算要求越來越高的情形下產(chǎn)生和發(fā)展的，主要解決核心算力太遠、終端算力不足的問題。

以上兩種分類還可以衍生出很多交叉的分類，如邊緣智能算力、核心智能算力等等，不再贅述。

1.2 算力應(yīng)用分類

算力目前已廣泛應(yīng)用于國計民生的各個領(lǐng)域，從應(yīng)用的角度分為以下幾類。

（1）計算類

此類應(yīng)用是以計算為主的應(yīng)用，包括科學(xué)工程計算、深度學(xué)習、人工智能訓(xùn)練等，廣泛應(yīng)用于氣候氣象、生物信息、工業(yè)仿真、石油物探、數(shù)值分析等領(lǐng)域。使用的算力介質(zhì)涵蓋超算算力、智能算力以及通用算力。算力的網(wǎng)絡(luò)位置主要在核心層。

以氣候氣象為例，它是超算算力的重要應(yīng)用領(lǐng)域。氣象預(yù)測研究大氣的變化規(guī)律，從定性和定量兩方面來說明大氣的特征，其計算量大、時效性要求高。WRF（Weather Research and Forecasting）等是該領(lǐng)域的典型應(yīng)用軟件。再以生命科學(xué)應(yīng)用為例，生命科學(xué)可分為基因測序、電鏡分析、蛋白質(zhì)折疊等生物信息學(xué)，也需要大量的計算。生命科學(xué)領(lǐng)域典型的軟件包括Blast（Basic Local Alignment Search Tool）、GATK（Genome Analysis Tool Kit）等。

（2）存儲類

此類應(yīng)用主要以存儲為主，最典型的場景為災(zāi)備業(yè)務(wù)場景，例如銀行、政府機構(gòu)的兩地三中心應(yīng)用，有大量的交易、影像、分析、運維等數(shù)據(jù)需要存儲。這類存儲的網(wǎng)絡(luò)位置也主要在核心層。

事實上，存儲類與計算類應(yīng)用緊密關(guān)聯(lián)、密不可分。在高性能計算場景，如氣象氣候、地質(zhì)勘探、航空航天、工程計算、材料工程領(lǐng)域，根據(jù)不同的計算模式與規(guī)模，構(gòu)成集群系統(tǒng)的節(jié)點數(shù)可以從幾個到成千上萬個，這就要求存儲系統(tǒng)具備統(tǒng)一存儲空間、高效文件檢索、高帶寬吞吐性能、高可靠數(shù)據(jù)安全保障等功能。在大數(shù)據(jù)視頻云應(yīng)用場景，如雪亮工程、平安城市、廣電媒資、影視制作、視頻網(wǎng)站等領(lǐng)域，對存儲系統(tǒng)提出了大容量存儲、高讀寫性能、高可靠性、低延時及可擴展性等要求。在大數(shù)據(jù)分析應(yīng)用場景，伴隨著海量終端、AI 智能等需求，對存儲功能集成度、數(shù)據(jù)安全性、數(shù)據(jù)穩(wěn)定性，系統(tǒng)可擴展性、性能及成本提出了更高要求。

（3）互動類

此類應(yīng)用需要與終端發(fā)生關(guān)聯(lián)互動。根據(jù)交互的主體看，有純終端，包括車聯(lián)網(wǎng)（交互對象為車）、工業(yè)互聯(lián)網(wǎng)（交互對象為機器）等，也有終端背后的人，包括電商應(yīng)用、游戲、視頻直播、證券交易等。

互動類應(yīng)用與計算、存儲類應(yīng)用同樣關(guān)聯(lián)緊密。與計算關(guān)聯(lián)更大的有電商、游戲、車聯(lián)網(wǎng)、證券交易等，與存儲關(guān)聯(lián)更大的有視頻直播、視頻分發(fā)等應(yīng)用。

互動類區(qū)別于計算、存儲類應(yīng)用的最重要的一點是時延。它是基于人的生物反應(yīng)和機器協(xié)同需要，包含了所需要的存儲、計算和網(wǎng)絡(luò)的時延。也就是說，除了網(wǎng)絡(luò)距離作為客觀存在的時延外，用于存儲和計算的時延需要盡可能降低，因此互動類應(yīng)用的業(yè)務(wù)形態(tài)決定了算力的位置，以及相應(yīng)的技術(shù)，以便達到時延要求。邊緣算力通常是為了滿足此類需求。

（4）交叉類典型應(yīng)用

計算+存儲：適用于需要對海量數(shù)據(jù)進行計算的應(yīng)用，典型應(yīng)用如氣候氣象。以臺風預(yù)測為例，臺風數(shù)據(jù)庫存儲了有記錄以來所有臺風生命史衛(wèi)星影像、雷達圖像、海溫、高低空大氣環(huán)流形式等海量數(shù)據(jù)資料信息，同時實時采集分散在氣象系統(tǒng)內(nèi)各部門的氣象數(shù)據(jù)，按照數(shù)據(jù)格式、數(shù)據(jù)體量、數(shù)據(jù)種類、數(shù)據(jù)維度進行聚類、采集，并與其他行業(yè)進行跨部門、跨系統(tǒng)、跨業(yè)務(wù)的集中匯聚。通過大數(shù)據(jù)分析和求解流體力學(xué)方程，最終進行與農(nóng)業(yè)、航空等各相關(guān)行業(yè)有密切關(guān)聯(lián)的氣候氣象的準確預(yù)測，最大限度發(fā)揮數(shù)據(jù)的價值，為生產(chǎn)生活保駕護航。

存儲+互動：適用于對已知大數(shù)據(jù)量內(nèi)容進行互動的應(yīng)用，典型應(yīng)用如視頻分發(fā)。目前無論是今日頭條、騰訊還是阿里，都使用了內(nèi)容分發(fā)網(wǎng)絡(luò)（Content Delivery Network，CDN）來實現(xiàn)各類內(nèi)容的就近分發(fā)，其目的是使用戶可就近取得所需內(nèi)容，提高用戶訪問網(wǎng)站的響應(yīng)速度。同時，以8K、AR/VR、自由視點、全息、AI 為代表的新技術(shù)驅(qū)動視頻業(yè)務(wù)向大流量、超低時延、雙向?qū)崟r互動演進。在此應(yīng)用場景下，計算能力主要體現(xiàn)在探知網(wǎng)絡(luò)負載，提前配置分發(fā)策略，所以對計算的要求不高，內(nèi)容存儲和時延為核心要求。

計算+互動：適用對非固定數(shù)據(jù)信息探知、計算、判斷、控制的應(yīng)用，如電商、游戲、工業(yè)互聯(lián)網(wǎng)、車聯(lián)網(wǎng)等。以工業(yè)互聯(lián)網(wǎng)的工業(yè)內(nèi)網(wǎng)為例，工廠內(nèi)網(wǎng)絡(luò)呈現(xiàn)“兩層三級”的結(jié)構(gòu)：即“工廠IT 網(wǎng)絡(luò)”和“工廠OT 網(wǎng)絡(luò)”兩層技術(shù)異構(gòu)的網(wǎng)絡(luò)和“現(xiàn)場級”、“車間級”、“工廠級/企業(yè)級”三個級別的網(wǎng)絡(luò)。IT（Information Technology）網(wǎng)絡(luò)主要由IP網(wǎng)絡(luò)構(gòu)成。OT（Operation Technology）網(wǎng)絡(luò)主要用于連接生產(chǎn)現(xiàn)場的控制器以及傳感器、伺服器、監(jiān)測控制設(shè)備等部件。工廠級/企業(yè)級對通信的要求與傳統(tǒng)IT 網(wǎng)絡(luò)類似。這里，車間級、現(xiàn)場級等OT 網(wǎng)絡(luò)由于互動需要，對通信可靠性和時延有更高的要求，例如等時運動控制場景中，控制報文通信周期應(yīng)小于1ms，網(wǎng)絡(luò)時延一般不超過50%的通信周期且抖動小于1us，丟包率需優(yōu)于10-6。這是計算互動類的典型應(yīng)用。

以上算力應(yīng)用場景分類如圖1 所示。

圖1 算力應(yīng)用場景分類

2 算力調(diào)度關(guān)鍵要素及策略

2.1 算力調(diào)度關(guān)鍵要素

在考察算力調(diào)度問題時，首先要回答的問題是，什么場景需要調(diào)度？假設(shè)算力可以像水電氣一樣直達千家萬戶，那么基本沒有調(diào)度的需求。但事實上，由于自然條件的限制，國家仍然需要“西氣東輸”、“南水北調(diào)”這樣的工程來解決地區(qū)間的差異。算力也有類似情況。普通場景不需要調(diào)度，但是針對特別或突發(fā)情況，例如對計算、存儲、時延要求高的場景，需要進行綜合分析后開展調(diào)度。由于計算和存儲往往不可分割，所以這里不做專門的區(qū)分，以下統(tǒng)稱為算力。

針對算力要求高的場景，如科學(xué)計算類和國計民生類工程項目，需要依托超級算力平臺來實現(xiàn)，例如2022 年9 月發(fā)布的世界首個工業(yè)級流體仿真大模型，將仿真時間從10 分鐘縮短至25 秒，大大提升了大飛機設(shè)計的效率。這種場景需要的是超級計算的能力，這種能力不太可能遍布在各地，而只能是集中在某些地方。算力需求方可將數(shù)據(jù)集中到算力平臺來獲取計算能力，基本無法做到超算能力下沉。目前科技部批準建立了10 家國家超級計算中心，分別位于天津、廣州、深圳、長沙、濟南、無錫、鄭州、昆山、成都、西安。另外鵬城實驗室、華為公司等聯(lián)合建設(shè)了包括20 個節(jié)點的中國算力網(wǎng)，主打AI算力。從布局看，均為集中式的算力能力庫。

針對普通商用、民用交互場景，時延是關(guān)鍵要素。在時延敏感型業(yè)務(wù)中，又可以分為以下三類：

（1）通信類

主要解決的是人的通信需求，滿足人類消費行為的互聯(lián)網(wǎng)應(yīng)用，往往端到端帶寬需求在幾十兆到幾百兆，端到端時延需求在幾十毫秒到幾百毫秒之間。如果交互時延低于10ms，人的感官一般無感，交互時延大于300ms，人的感官難以接受。粗略統(tǒng)計：實時競技類游戲的時延要求是50ms；實時交互類游戲的時延要求是100ms；實時交互語音類的時延要求是100ms；實時交互視頻類的時延要求是150ms；非實時大部分互聯(lián)網(wǎng)應(yīng)用時延要求是300ms。

（2）功能類

主要解決機器之間的通信需求，如車聯(lián)網(wǎng)和工控網(wǎng)絡(luò)，端到端帶寬往往并不高，但時延要求確定性保障。其中，工業(yè)自動化控制的時延要求是小于10ms；遠程/遙控駕駛的時延要求是小于10ms。

（3）三維交互類

基于三維顯示和交互的元宇宙應(yīng)用，為了避免頭暈，需要10ms 以內(nèi)的交互時延，這就對當前的互聯(lián)網(wǎng)技術(shù)提出了巨大挑戰(zhàn)。因為此類需求對帶寬、時延、算力都提出了超高要求，屬于體驗提升型應(yīng)用。

另一個影響算力調(diào)度的隱含要素是成本。一般原則是，在業(yè)務(wù)允許的時延范圍內(nèi)，選擇最經(jīng)濟的算力網(wǎng)絡(luò)架構(gòu)布局，來降低算力成本、網(wǎng)絡(luò)成本、運營成本。例如對于實時交互視頻，在150ms 范圍內(nèi)，可以選擇將視頻源布局在本地市、外地市甚至外省，網(wǎng)絡(luò)選擇互聯(lián)網(wǎng)即可。而對于時延要求小于10ms的應(yīng)用，則一般只能將各種計算資源部署在本地，網(wǎng)絡(luò)也需要選擇時延小的專線網(wǎng)絡(luò)。

2.2 算力調(diào)度原則及策略

根據(jù)各種不同業(yè)務(wù)場景，最核心的要素往往決定了選擇算力、網(wǎng)絡(luò)的下限，從而衍生出算力調(diào)度的多種形態(tài)。一般原則為，根據(jù)算力、時延要求，調(diào)度的成本低于自建的成本時進行調(diào)度和選擇。算力中通用算力成本最低，時延相關(guān)的網(wǎng)絡(luò)里互聯(lián)網(wǎng)成本最低。在算力、時延剛需滿足的前提下，成本決定了算力的位置和布局。

針對不同業(yè)務(wù)場景，算力、網(wǎng)絡(luò)等可選方案歸納如表1所示。

表1 各類應(yīng)用場景算力網(wǎng)絡(luò)選擇

3 不同應(yīng)用算力調(diào)度路徑分析

3.1 計算存儲類

針對科學(xué)計算、氣象氣候等需要超級計算的應(yīng)用場景，由于對計算能力和過程的要求高，往往通過專線進行組網(wǎng)，將所需算力進行分發(fā)和組合提高計算的效率。未來可逐步走出“東數(shù)西算”、“東數(shù)西存”的道路。

針對影視制作等需要智能算力的應(yīng)用場景，成本是需要考量的重要因素，可選擇最經(jīng)濟的算力資源使用。

3.2 存儲互動類

針對雪亮工程、平安城市等存儲互動類應(yīng)用，通常為政府部門部署使用，核心往往布局在本地，且使用專線網(wǎng)絡(luò)，調(diào)度的需求不突出。

對于視頻分發(fā)應(yīng)用，由于視頻源多在異地IDC 機房，使用方為大量最終分布不固定的用戶，所以需要進行調(diào)度，并考慮既滿足使用體驗又節(jié)省成本的要求。

以目前廣泛應(yīng)用的CDN 為例，以省為一個區(qū)域看，存在域內(nèi)調(diào)度和域間調(diào)度。如圖2 所示。

圖2 CDN 業(yè)務(wù)調(diào)度示意

域內(nèi)調(diào)度包括從IDC 到城域網(wǎng)（Metropolitan Area Network，MAN）、城域網(wǎng)到城域網(wǎng)的調(diào)度。視頻源一般分布在IDC 機房內(nèi)，合理調(diào)度為IDC 到城域網(wǎng)，即圖中①。但是由于IP 網(wǎng)絡(luò)的互通性，事實上城域網(wǎng)內(nèi)出現(xiàn)了很多不合理的視頻源，來自城域網(wǎng)專線或PCDN（peer-to-peer CDN），即②③。

域間調(diào)度通常發(fā)生在IDC 之間，需要骨干網(wǎng)絡(luò)支持。這主要是因為內(nèi)容提供商往往核心節(jié)點覆蓋不到所有省，因此需要在主核心與次核心之間進行數(shù)據(jù)交換，即④。

事實上目前1000 公里光纖往返時延為10ms，加上網(wǎng)絡(luò)設(shè)備存儲轉(zhuǎn)發(fā)、服務(wù)器響應(yīng)時延，對于時延150ms 要求的實時交互視頻類應(yīng)用來說，視頻源在幾千公里以內(nèi)均滿足時延要求。也就是說，視頻源布局在省內(nèi)甚至是外省，尤其是鄰近省份完全不影響用戶使用。

隨著運營商網(wǎng)絡(luò)質(zhì)量的提升和網(wǎng)絡(luò)扁平，出現(xiàn)了域間的不合理調(diào)度，通常均為價格較低省覆蓋價格較高省，即低價IDC 帶寬覆蓋周邊省份，即⑤，以及城域網(wǎng)低價PCDN 等帶寬覆蓋周邊省份，即⑥。對于運營商來說，由于不合理調(diào)度存在安全、監(jiān)管、網(wǎng)絡(luò)質(zhì)量等諸多隱患，因此需要對流量進行監(jiān)控和引導(dǎo)，以確保業(yè)務(wù)合規(guī)、降低網(wǎng)絡(luò)壓力。具體舉措包括：監(jiān)控域間域內(nèi)出入流量、核 查AAA（Authentication Authorization Accounting）日志信息以及建立省間結(jié)算機制等，從而讓數(shù)據(jù)流量合理流動，即逐步實現(xiàn)圖中藍色線路所示調(diào)度占據(jù)主導(dǎo)，讓網(wǎng)絡(luò)更健壯，讓價值回歸。

3.3 計算互動類

以較為復(fù)雜的車聯(lián)網(wǎng)為例，車聯(lián)網(wǎng)技術(shù)結(jié)合人工智能、大數(shù)據(jù)、云計算、視覺和雷達感知、高精度地圖和高精度定位等技術(shù)，滿足目前智能交通系統(tǒng)在汽車行駛安全、效率提升和信息服務(wù)等方面的需求，為汽車向自動駕駛與無人駕駛系統(tǒng)的平滑演進提供技術(shù)支撐。車聯(lián)網(wǎng)技術(shù)可實現(xiàn)車車、車人、車路（交通基礎(chǔ)設(shè)施）、車網(wǎng)絡(luò)/云等通信連接和高效準確的信息交互。車聯(lián)網(wǎng)的網(wǎng)絡(luò)實體包括車載終端（on board unit，OBU）、路側(cè)設(shè)備（road side unit，RSU）和移動邊緣計算（mobile edge computing，MEC）設(shè)備，如圖3 所示。低時延高可靠車聯(lián)網(wǎng)通信面臨很多挑戰(zhàn)，包括：復(fù)雜快時變無線傳播環(huán)境，高頻度、群發(fā)群收的車車間通信，車輛在高速運動過程中，車、人等通信對象的不確定且隨機突發(fā)等。因此，車聯(lián)網(wǎng)對計算和交互提出了極高的要求。

圖3 車聯(lián)網(wǎng)算力下沉路徑

出于對車、人安全的考量，需要滿足嚴苛的低時延和高可靠通信要求，這就要求相應(yīng)的算力盡可能下沉接近終端。算力首先需要下沉到邊緣，即①，以實現(xiàn)近距離感知和定位。進一步下沉到RSU，縮短交互的時間，即②。

不過涉及到普遍服務(wù)和真正商用，需要完善的商業(yè)模式和完整的生態(tài)鏈支持，現(xiàn)階段多少算力下沉到哪一級邊緣，均需要詳細論證和測算。類似的情況也適用于三維交互類應(yīng)用，如AR/VR、渲染類體驗式業(yè)務(wù)。

另一種思路是分布式算力，即將算力應(yīng)用按照算力、時延等要素進行解構(gòu)。對于低時延高算力部分采用算力下沉本地計算，對于高時延低算力部分可以利用遠端算力，這無疑需要有強大的軟件架構(gòu)支持，同樣需要考慮成本。

4 結(jié)束語

在數(shù)字經(jīng)濟時代，算力是新生產(chǎn)力，與數(shù)據(jù)、算法協(xié)同構(gòu)成數(shù)字經(jīng)濟時代最基本的生產(chǎn)要素。據(jù)全球權(quán)威咨詢機構(gòu)Gartner 研究，2025 年約超75%的數(shù)據(jù)將在邊緣側(cè)處理，這將對算力的布局和流動產(chǎn)生很大的影響。本文從需求應(yīng)用的角度，對算力及算力調(diào)度的要素和路徑進行了分析研判，旨在提供一個有效使用算力的思路?？傮w來說，隨著算力資源越來越豐富，算力調(diào)度將是未來數(shù)字化經(jīng)濟重要且活躍的領(lǐng)域。