編者按

三大運(yùn)營商都在積極地推廣“算力網(wǎng)絡(luò)”的相關(guān)技術(shù)概念落地，互聯(lián)網(wǎng)公司有類似的概念叫“分布式云”。個(gè)人理解，兩個(gè)概念的技術(shù)實(shí)現(xiàn)基本相同，不同點(diǎn)在于：算力網(wǎng)絡(luò)站在基礎(chǔ)計(jì)算環(huán)境的視角，著眼于算力資源的整合；分布式云從業(yè)務(wù)服務(wù)的視角，著眼于計(jì)算以何種形式提供。

今天這篇文章，拋磚引玉，探討一下宏觀視角的算力網(wǎng)絡(luò)的底層算力體系。

1、算力網(wǎng)絡(luò)和分布式云的概念

Garnter 2021年發(fā)布的戰(zhàn)略技術(shù)趨勢，將分布式云（Distributed Cloud）列為云計(jì)算的重要戰(zhàn)略技術(shù)趨勢。分布式云的定義：將公有云服務(wù)分布到不同的物理位置（即邊緣），而服務(wù)的所有權(quán)、運(yùn)營、治理、更新和發(fā)展仍然由原始公有云提供商負(fù)責(zé)。解決客戶讓云計(jì)算資源靠近數(shù)據(jù)和業(yè)務(wù)活動(dòng)發(fā)生的物理位置的需求。分布式云是整合公有云、私有云和邊緣云在一起，核心思想是，讓公有云的全棧服務(wù)能力延伸到最靠近用戶所需的地方。分布式云，本質(zhì)上是一朵云，由云負(fù)責(zé)調(diào)配計(jì)算資源。雖然中間需要網(wǎng)絡(luò)，但是網(wǎng)絡(luò)主要是承擔(dān)管道的角色。

按照運(yùn)營商的觀點(diǎn)，算力網(wǎng)絡(luò)是云網(wǎng)協(xié)同和分布式云的升級(jí)版，指的是：在計(jì)算能力不斷泛在化發(fā)展的基礎(chǔ)上，通過網(wǎng)絡(luò)手段將計(jì)算、存儲(chǔ)等基礎(chǔ)資源在云-邊-端之間進(jìn)行有效調(diào)配的方式，以此提升業(yè)務(wù)服務(wù)質(zhì)量和用戶的服務(wù)體驗(yàn)。算力網(wǎng)絡(luò)中的網(wǎng)絡(luò)非常關(guān)鍵：網(wǎng)絡(luò)是用戶去往算力資源的必經(jīng)之路，也是用戶發(fā)起業(yè)務(wù)需求的入口，通過網(wǎng)絡(luò)調(diào)配算力。

站在用戶業(yè)務(wù)的角度，分布式云和算力網(wǎng)絡(luò)的目標(biāo)是一致的：云網(wǎng)邊端從協(xié)同走向融合。算力網(wǎng)絡(luò)是網(wǎng)絡(luò)擁有者為滿足這類需求，提出的方案；分布式云是云計(jì)算廠商為滿足同樣的需求，提出的方案。從趨勢看，兩種方式是既合作又競爭的關(guān)系，隨著未來技術(shù)和業(yè)務(wù)的不斷發(fā)展，兩種方式會(huì)逐漸趨于統(tǒng)一。

2、從計(jì)算形態(tài)看算力網(wǎng)絡(luò)

2.1 計(jì)算機(jī)的資源分類

在傳統(tǒng)CPU的計(jì)算機(jī)架構(gòu)里，計(jì)算機(jī)資源主要分為三類：CPU、內(nèi)存和外設(shè)。在異構(gòu)和超異構(gòu)的計(jì)算體系下，計(jì)算機(jī)的硬件資源可以分為四類：

• CPU：站在控制的視角，CPU作為中央處理器，是整個(gè)系統(tǒng)的核心；站在計(jì)算的視角，CPU和其他加速器一樣，是用于計(jì)算的處理器之一。
• 內(nèi)存：在異構(gòu)或超異構(gòu)計(jì)算體系下，內(nèi)存的概念同經(jīng)典架構(gòu)下意義相同；區(qū)別在于，在異構(gòu)或超異構(gòu)情況下，內(nèi)存的訪問者更多，訪問更加頻繁，帶寬等性能要求更高。
• I/O設(shè)備：同經(jīng)典架構(gòu)下意義基本相同。
• 其他的加速處理器：如GPU、AI-DSA、網(wǎng)絡(luò)DSA，以及各種ASIC類的加速器等。從CPU視角看，其他的加速器是和I/O設(shè)備對(duì)等的“外部設(shè)備”；而從計(jì)算的視角看，其他的加速器是和CPU對(duì)等的計(jì)算處理器。

2.2 IaaS服務(wù)分類

IaaS服務(wù)主要分為四類：計(jì)算、網(wǎng)絡(luò)、存儲(chǔ)和安全，詳細(xì)分析如下：

• 計(jì)算類：不管是裸金屬機(jī)、虛擬機(jī)或者容器的形態(tài)，云計(jì)算的主機(jī)或容器硬件平臺(tái)都是由計(jì)算機(jī)的四大大資源組件組成的：

計(jì)算的CPU處理器，不管是通用（CPU）計(jì)算，還是異構(gòu)計(jì)算，CPU都是不可缺少的資源組件。

計(jì)算的加速處理器，異構(gòu)計(jì)算需要有GPU、AI加速等加速處理器資源組件。

計(jì)算的內(nèi)存，內(nèi)存是用于計(jì)算暫存的存儲(chǔ)資源。

網(wǎng)絡(luò)和存儲(chǔ)I/O，是計(jì)算不可或缺的組件；在IaaS體系里，網(wǎng)絡(luò)和存儲(chǔ)通常以獨(dú)立服務(wù)的形態(tài)存在。

根據(jù)業(yè)務(wù)場景的需要，計(jì)算的硬件平臺(tái)是這些資源的不同規(guī)格不同比例的組合。

根據(jù)需要，可以通過很多種方式，實(shí)現(xiàn)所有資源的池化，以及實(shí)現(xiàn)硬件平臺(tái)計(jì)算資源的本地或（和）遠(yuǎn)程擴(kuò)展。

網(wǎng)絡(luò)類：狹義的網(wǎng)絡(luò)只是一個(gè)網(wǎng)卡，為計(jì)算提供網(wǎng)絡(luò)訪問的通道。廣義的網(wǎng)絡(luò)類服務(wù)，包括兩類：網(wǎng)絡(luò)轉(zhuǎn)發(fā)，如VPC、EIP、各類網(wǎng)關(guān)、LB等；網(wǎng)絡(luò)通信：如高性能網(wǎng)絡(luò)、確定性網(wǎng)絡(luò)等。

存儲(chǔ)類：從計(jì)算的角度看，外存是計(jì)算的輸入輸出，即使計(jì)算機(jī)關(guān)機(jī)，外存的數(shù)據(jù)依然存在。但從云服務(wù)器的視角看，本地外部存儲(chǔ)是臨時(shí)存儲(chǔ)，當(dāng)云服務(wù)器資源被銷毀后，也會(huì)銷毀本地存儲(chǔ)的數(shù)據(jù)。要想長期地持久化地保存數(shù)據(jù)，則需要采用遠(yuǎn)程的分布式存儲(chǔ)。本地臨時(shí)存儲(chǔ)和分布式的快存儲(chǔ)、對(duì)象存儲(chǔ)、歸檔存儲(chǔ)等都是以服務(wù)的形式，支撐計(jì)算類服務(wù)。

• 安全類：安全的計(jì)算，如可信計(jì)算；安全的網(wǎng)絡(luò)，如防火墻；安全的存儲(chǔ)，如數(shù)據(jù)加解密等。安全是個(gè)非常龐大的話題，無處不在，這里我們不再展開。

2.3 算力網(wǎng)絡(luò)的兩種類型

簡單介紹一下Serverless的概念。Redhat給出的Serverless定義為：“無服務(wù)器是一種云原生開發(fā)模型，可使開發(fā)人員專注構(gòu)建和運(yùn)行應(yīng)用，而無需管理服務(wù)器。無服務(wù)器方案中仍然有服務(wù)器，但它們已從應(yīng)用開發(fā)中抽離了出來。云提供商負(fù)責(zé)置備、維護(hù)和擴(kuò)展服務(wù)器基礎(chǔ)架構(gòu)等例行工作。開發(fā)人員可以簡單地將代碼打包到容器中進(jìn)行部署。部署之后，無服務(wù)器應(yīng)用即可響應(yīng)需求，并根據(jù)需要自動(dòng)擴(kuò)容。公共云提供商的無服務(wù)器產(chǎn)品通常通過一種事件驅(qū)動(dòng)執(zhí)行模型來按需計(jì)量。因此，當(dāng)無服務(wù)器功能閑置時(shí)，不會(huì)產(chǎn)生費(fèi)用。”

通俗易懂地講，有服務(wù)器的服務(wù)，需要用戶自己創(chuàng)建服務(wù)的具體實(shí)例Instance，一個(gè)實(shí)例只能歸屬于一個(gè)用戶，一個(gè)用戶可以擁有一個(gè)或多個(gè)實(shí)例；而Serverless類型的服務(wù)則不需要?jiǎng)?chuàng)建服務(wù)實(shí)例，直接使用服務(wù)即可，很多用戶共享使用同一個(gè)服務(wù)“實(shí)例”（不是所有用戶，服務(wù)軟件在不同數(shù)據(jù)中心的部署可以是不同的服務(wù)）。至于服務(wù)所需要的各種底層資源，用戶不需要關(guān)心，服務(wù)可以根據(jù)業(yè)務(wù)使用的情況自動(dòng)地?cái)U(kuò)縮容等。

也因此，算力網(wǎng)絡(luò)的實(shí)現(xiàn)形態(tài)，我們大體上可以分為兩個(gè)類型：有服務(wù)器型和無服務(wù)器型。

類型1，有服務(wù)器型

有服務(wù)器的形態(tài)，更接近算力網(wǎng)絡(luò)的概念。通過網(wǎng)絡(luò)等方式實(shí)現(xiàn)數(shù)據(jù)中心的以及跨數(shù)據(jù)中心的各類資源的池化，然后再通過云裸金屬機(jī)、云虛擬機(jī)、云容器等方式組合出供用戶業(yè)務(wù)運(yùn)行的硬件的計(jì)算平臺(tái)。

可以根據(jù)用戶的需求，在云、網(wǎng)、邊、端的任何位置，組合出規(guī)格和形態(tài)各異的計(jì)算平臺(tái)，給用戶提供最優(yōu)的算力服務(wù)，實(shí)現(xiàn)算力的無處不在。

類型2，Serverless無服務(wù)器型

業(yè)務(wù)軟件，經(jīng)典的C/S或B/S架構(gòu)，一切皆（微）服務(wù)的架構(gòu)下，可以簡單地理解成客戶端和多個(gè)微服務(wù)組成的分布式軟件。

Serverless無服務(wù)器型，更接近分布式云的概念。類似分布式云的早期經(jīng)典案例是CDN，當(dāng)用戶訪問加入CDN服務(wù)的網(wǎng)站時(shí)，域名解析請(qǐng)求將最終交給全局負(fù)載均衡DNS進(jìn)行處理。全局負(fù)載均衡DNS通過一組預(yù)先定義好的策略，將當(dāng)時(shí)最接近用戶的節(jié)點(diǎn)地址提供給用戶，使用戶能夠得到快速的服務(wù)。CDN只是一些靜態(tài)內(nèi)容，而分布式云則需要把服務(wù)分布式的放置在邊緣等節(jié)點(diǎn)。

在分布式云的體系下，用戶不需要關(guān)心底層的主機(jī)和容器，只需要關(guān)注自己的業(yè)務(wù)邏輯。通常情況下，客戶端可以運(yùn)行在終端本地（不排除有的系統(tǒng)只在服務(wù)器運(yùn)行，客戶端也運(yùn)行在服務(wù)器側(cè)），具體的運(yùn)行位置用戶不需要關(guān)心。云服務(wù)供應(yīng)商可以根據(jù)微服務(wù)所需的帶寬、時(shí)延、性能、成本等要求，選擇最優(yōu)的運(yùn)行環(huán)境，它可以是終端本地，也可以是邊緣、網(wǎng)絡(luò)或者云端。并且，這些服務(wù)還可以根據(jù)環(huán)境的變化，動(dòng)態(tài)地調(diào)整運(yùn)行的位置。

3、面向未來十年的宏觀計(jì)算系統(tǒng)特征

3.1 需求的未知

首先，系統(tǒng)場景一直在快速變化：上層軟件場景層出不窮，兩年一個(gè)新熱點(diǎn)，已有熱點(diǎn)仍在快速演進(jìn)。并且，宏觀大系統(tǒng)，計(jì)算資源是預(yù)先準(zhǔn)備好的。購買和部署相關(guān)資源時(shí)，并不知道具體的計(jì)算資源會(huì)分配給哪個(gè)用戶，也不知道用戶在此資源上會(huì)運(yùn)行什么任務(wù)。此外，資源分配和任務(wù)運(yùn)行會(huì)一直動(dòng)態(tài)變化。傳統(tǒng)芯片和系統(tǒng)設(shè)計(jì)，需要先理解場景，然后根據(jù)場景需求來設(shè)計(jì)芯片和系統(tǒng)。未來的挑戰(zhàn)是，系統(tǒng)的場景需求是不確定的；不但芯片公司不了解，客戶自己也“不了解”。因此，復(fù)雜計(jì)算系統(tǒng)的設(shè)計(jì)，需要“無的放矢”。

3.2 全面而綜合

不管是云計(jì)算數(shù)據(jù)中心系統(tǒng)，還是云網(wǎng)邊端萬物互聯(lián)系統(tǒng)，亦或是云宇宙虛實(shí)融合系統(tǒng)，宏觀的計(jì)算系統(tǒng)，只有“一個(gè)”。然而，千千萬不同用戶的需求多種多樣；并且，用戶的需求一直處于快速的變化中；此外，還會(huì)不斷有新增用戶和新增需求。因此，系統(tǒng)需要有包羅萬象的能力，即面對(duì)已知的和未知的各種各樣的需求，系統(tǒng)都要能夠支持。

3.3 專業(yè)而高效

通常情況下，“專業(yè)的人做專業(yè)的事”。言下之意是：專才只能做本領(lǐng)域的事情，其他領(lǐng)域的事情幾乎做不了。與此同時(shí)，通才什么事情都能做，但在每個(gè)領(lǐng)域都不夠高效。但對(duì)宏觀的復(fù)雜計(jì)算系統(tǒng)來說，系統(tǒng)不僅僅要能干幾乎所有事情，并且干任何事情都要足夠的專業(yè)而且高效，達(dá)到既通又專。

3.4 超級(jí)并發(fā)

數(shù)以億計(jì)的用戶，數(shù)以萬億計(jì)的用戶任務(wù)，而系統(tǒng)只有“一個(gè)”。千千萬用戶的計(jì)算需求需要及時(shí)響應(yīng)，用戶的工作任務(wù)需要快速地處理。

因此，同一時(shí)刻，系統(tǒng)并發(fā)處理數(shù)以億計(jì)的各種類型的用戶任務(wù)。

3.5 無處不在

系統(tǒng)覆蓋非常廣泛的地域，實(shí)現(xiàn)算力無處不在，使得算力資源唾手可得。即在任何地方，任何時(shí)刻，為用戶的任何工作任務(wù)，都能提供算力和相關(guān)資源支撐。并且，需要以最合適的形態(tài)，最合適的方式，給用戶更好的體驗(yàn)，為用戶創(chuàng)造更大的價(jià)值。

3.6 快速演進(jìn)

上層軟件應(yīng)用層出不窮，系統(tǒng)需求快速變化。并且，同一領(lǐng)域，不同用戶的需求具有差異性；與此同時(shí)，同一用戶的業(yè)務(wù)需求仍會(huì)快速迭代。宏觀地看，用戶以及用戶需要運(yùn)行的任務(wù)，一直處于不斷地變化狀態(tài)。復(fù)雜而融合的系統(tǒng)，需要持續(xù)快速演進(jìn)，才能適應(yīng)上層業(yè)務(wù)需求的不斷變化。

4、體系結(jié)構(gòu)視角看算力網(wǎng)絡(luò)

4.1 算力資源的多樣性

隨著CPU的性能瓶頸，我們需要通過GPU、FPGA、DSA等各種形態(tài)的加速處理器，來持續(xù)不斷地提升性能和算力。也因此，計(jì)算的資源，就不僅僅是CPU了，而是多種架構(gòu)多種類型處理器的組合：

• CPU：包括x86、ARM和RISC-v等各種架構(gòu)的CPU，并且每種CPU還有Vector、Matrix、Tensor等各種加速的協(xié)處理器。
• GPU：GPU作為通用的并行計(jì)算平臺(tái)，是使用最廣泛的加速計(jì)算處理器。并且，目前的GPU除了支持通用計(jì)算的CUDA外，還集成了更高效加速處理的Tensor Core，進(jìn)一步提升了GPU的加速能力。
• FPGA：通過各種硬件編程設(shè)計(jì)，實(shí)現(xiàn)各種形態(tài)各種架構(gòu)的計(jì)算引擎。
• DSA：計(jì)算有很多領(lǐng)域，每種領(lǐng)域還有很多公司的很多DSA，甚至同一家公司同域但不同代的DSA架構(gòu)也有可能不同。
• ASIC：ASIC完全面向特定場景，不同領(lǐng)域的不同場景，都有形態(tài)和架構(gòu)各異的各種ASIC引擎。

這么多的處理器類型，這么多的處理器架構(gòu)，造就了算力網(wǎng)絡(luò)計(jì)算資源的多樣性特征。

性能和靈活性是一對(duì)矛盾，對(duì)單個(gè)處理器引擎來說，如果要性能就必須損失靈活性，如果要靈活性必然損失性能。然而，支撐算力網(wǎng)絡(luò)的宏觀計(jì)算系統(tǒng)，既要“全面而綜合”，又要“專業(yè)而高效”。怎么辦？

通過CPU、GPU、DSA等多種類型的處理器相互協(xié)作，實(shí)現(xiàn)團(tuán)隊(duì)作戰(zhàn)。每個(gè)處理器引擎各司其職，發(fā)揮各自的性能/靈活性優(yōu)勢，從而實(shí)現(xiàn)宏觀意義上的性能和靈活性的兼顧和微觀上的每個(gè)處理的高效和高性能。

4.2 算力資源的融合

算力資源的多樣性，其實(shí)也就是算力資源的碎片化，并不是一個(gè)好的現(xiàn)象。

4.2.1 算力資源的池化

如果每個(gè)處理器核是一個(gè)孤島式的計(jì)算資源，那么就沒有意義。算力網(wǎng)絡(luò)的價(jià)值本就在涓涓小溪流匯聚成大海，這是算力網(wǎng)絡(luò)的基礎(chǔ)。這樣，把宏觀的不同云/邊緣數(shù)據(jù)中心、不同終端設(shè)備的計(jì)算資源匯聚在一起，形成算力的統(tǒng)一的大資源池。

網(wǎng)絡(luò)本身更多承擔(dān)的是連接和總線的角色，網(wǎng)絡(luò)設(shè)備中也會(huì)有一些計(jì)算和存儲(chǔ)的資源，可以歸屬到計(jì)算或存儲(chǔ)資源類型。

池化雖然可以把不同服務(wù)器不同設(shè)備上的相同計(jì)算資源連成一個(gè)資源池，但受限于算力資源的多樣性，不同類型不同架構(gòu)的資源仍然是無法整合到一起的。因此，算力資源的池不是一個(gè)，而是很多很多個(gè)。比如x86和ARM、RISC-v的CPU資源就無法整合到一個(gè)池里；不同廠家的GPU也無法整合到一個(gè)資源池里；甚至存儲(chǔ)或網(wǎng)絡(luò)I/O設(shè)備，因?yàn)?a target="_blank">接口的不同，也可能無法整合到一個(gè)資源池；包括各種DSA/FPGA/ASIC，更是無法整合。

當(dāng)有多達(dá)上百個(gè)不同類型不同架構(gòu)的資源池的時(shí)候，其實(shí)已經(jīng)弱化了資源池化的價(jià)值。4.2.2 算力資源的聚合

ChatGPT等AI模型對(duì)算力的需求，每2個(gè)月翻一倍。如此快速的算力增長，目前只能通過Scale out的方式來提升整個(gè)計(jì)算集群的性能。但隨著集群規(guī)模的擴(kuò)展，集群的損耗變得越來越不可承受：集群內(nèi)部東西向的網(wǎng)絡(luò)流量會(huì)占到90%以上，真正外部交互的流量只有不到10%。這個(gè)現(xiàn)象也符合阿姆達(dá)爾規(guī)律，受限于系統(tǒng)中串行部分的影響，隨著并行計(jì)算的節(jié)點(diǎn)越來越多，通過提升并行數(shù)量來提升系統(tǒng)性能的方式會(huì)逐漸遇到瓶頸。

也因此，在Scale out方式無法進(jìn)一步提升系統(tǒng)性能的情況下，提升性能的方式只能通過Scale up。也就是要提升單個(gè)計(jì)算節(jié)點(diǎn)的性能。也因此，單個(gè)計(jì)算節(jié)點(diǎn)的計(jì)算架構(gòu)需要從現(xiàn)在的異構(gòu)計(jì)算逐步過渡到多個(gè)異構(gòu)融合的超異構(gòu)計(jì)算架構(gòu)。

4.2.3 軟件需要跨硬件移動(dòng)

傳統(tǒng)場景下，軟件通常附著在硬件之上，兩者是綁定的?？梢酝ㄟ^如HAL一樣的抽象層來實(shí)現(xiàn)平臺(tái)的標(biāo)準(zhǔn)化，然后再部署操作系統(tǒng)和應(yīng)用軟件。而在系統(tǒng)越來越復(fù)雜的情況下，軟件的實(shí)體，如虛擬機(jī)、容器等，需要在不同的硬件上遷移，這就使得軟件和硬件逐漸分開了。

通常來說，可以通過虛擬化實(shí)現(xiàn)硬件架構(gòu)的屏蔽，軟件不需要太多關(guān)注硬件的架構(gòu)和接口。但隨著虛擬化技術(shù)的完全硬件化，硬件的架構(gòu)和接口完全地暴露給了上層的虛擬機(jī)或容器。這就對(duì)硬件的架構(gòu)和接口提出了更加嚴(yán)苛的要求。4.2.4 開放架構(gòu)和生態(tài)，讓架構(gòu)收斂

CPU、GPU、AI-DSA等只有單個(gè)類型架構(gòu)的處理器，一家公司只做私有的架構(gòu)，如果公司的產(chǎn)品成功，那么就可以獨(dú)占整個(gè)生態(tài)。這里的成功案例如Intel的x86，NVIDIA的CUDA。

在同構(gòu)和異構(gòu)時(shí)代，這種做法是可能成功的；但到了處理器架構(gòu)非常多的超異構(gòu)時(shí)代，這種做法幾乎不可行。因?yàn)闆]有任何一家公司能做到，在所有的計(jì)算架構(gòu)上都能夠做到最好。并且“百花齊放”的做法，其實(shí)在進(jìn)一步分裂整個(gè)計(jì)算生態(tài)，與算力網(wǎng)絡(luò)資源池化和云網(wǎng)邊端融合的發(fā)展趨勢相悖。

在超異構(gòu)時(shí)代，唯一能成功的方式是，大家都遵循一定的架構(gòu)規(guī)范，從而形成開放的架構(gòu)和生態(tài)，讓計(jì)算的架構(gòu)逐漸收斂，從而能發(fā)揮算力資源池化的優(yōu)勢，真正實(shí)現(xiàn)算力無所不在。