信通院-先进计算发展研究报告-2018.12-47页-1mb

CAICT 中国信通院《先进计算发展研究报告》（2018年）总结

核心内容概述

本报告系统分析了先进计算技术的发展历程、当前发展态势、创新重点以及未来趋势，旨在为未来3-5年先进计算领域核心技术发展提供参考。报告指出，随着人工智能、自动驾驶、物联网等新兴应用的快速发展，计算技术正从传统的通用计算模式向专用加速和系统优化方向转变，同时，非冯诺依曼架构如量子计算和类脑计算成为未来发展的探索方向。

主要观点与关键信息

一、先进计算的内涵和体系

• 发展历程：

  • 计算技术历经手动、机械、电动、电子四个阶段，以冯诺依曼架构为基础，逐步发展为当前的计算体系。
  • 从早期的ENIAC到“神威·太湖之光”超级计算机，计算技术在冯诺依曼体系下持续演进。
  • 数据处理、数据存储、数据交互是计算体系的三大核心要素。

• 对先进计算的理解：

  • 先进计算是面向未来的多种计算技术的统称，涵盖原理、材料、工艺、器件、系统、算法、网络架构和应用等多个层面。
  • 短期以硅基冯诺依曼架构为主，长期将向量子、类脑等非冯诺依曼架构发展。
  • 当前计算体系分为基础理论层、器件技术层、部件技术层、系统技术层和应用技术层。

二、现阶段先进计算总体发展态势

• 供需不匹配是主要问题：

  • 摩尔定律趋缓，传统升级路径如主频提升、多核堆叠、工艺微缩等遭遇瓶颈。
  • 冯诺依曼架构的“存储墙”和I/O瓶颈制约了计算效能的提升。
  • 数据总量激增，催生“新摩尔定律”，即每18个月全球新增信息量等于历史信息总量。

• 需求驱动创新成为主流：

  • 应用创新成为计算发展的核心动能，推动计算从“先有能力，再谈需求”向“根据需求，实现能力”转变。
  • 专用加速芯片如GPU、FPGA、ASIC等成为满足计算需求的关键技术。
  • 云计算、边缘计算、异构计算等系统技术成为新的发展方向。

三、现阶段先进计算创新重点

（一）器件技术：多路径推动摩尔定律持续演进

• 先进工艺节点：

  • 10/7纳米工艺成为主流，台积电、三星、英特尔等企业推动技术升级。
  • EUV技术逐步成熟，提升芯片性能和制造精度。

• 晶体管结构创新：

  • FinFET结构逐步被Nanosheet和MBCFET取代，提升电流驱动能力和能效比。
  • III-V族化合物半导体、隧穿晶体管等新技术不断探索。

• 三维堆叠技术：

  • 3D NAND等技术提升存储密度，缓解存储瓶颈。
  • 高密度集成和新型存储介质（如NVM）推动存储技术革新。

• 系统级设计与封装：

  • SoC设计和先进封装技术（如SiP、3D堆叠）提升芯片集成度和性能。

（二）部件技术：三大计算单元加速协同创新

• 数据处理单元：

  • CPU、GPU、FPGA是当前主流计算芯片。
  • AI专用芯片如ASIC、TPU等迅速发展，满足深度学习等高性能计算需求。

• 数据存储单元：

  • 非易失性存储器（如3D Xpoint、RRAM、MRAM）技术持续演进，提升存储性能。
  • 存储架构逐步向高速、低功耗、大容量方向发展。

• 数据交换单元：

  • 高带宽内存、高速互联技术（如PCIe5、NVLink）提升数据交换效率。
  • RDMA技术实现低延迟、高吞吐的网络数据传输。

（三）系统技术：围绕应用需求展开体系化升级

• 异构计算：

  • CPU+GPU、CPU+MIC、CPU+FPGA是主流异构计算模式。
  • 异构计算在人工智能、自动驾驶等场景中广泛应用，推动计算效率和性能提升。

• 分布式及集群计算：

  • Hadoop、Spark、Storm是主要的分布式计算框架。
  • 集群计算在高性能计算、科学计算等领域发挥重要作用。

• 内存计算及存算一体化：

  • 内存计算通过数据就近处理提升性能，成为突破冯诺依曼瓶颈的重要方式。
  • 存算一体化技术（如在存储单元中集成计算单元）推动计算与存储的深度融合。

（四）非冯诺依曼架构：量子和类脑成为探索重要方向

• 量子计算：

  • 量子计算采用量子比特，具有指数级的并行计算能力。
  • 当前处于理论验证和原型机研发阶段，产业化应用尚需时间。

• 类脑计算：

  • 类脑计算通过模拟人脑结构和神经网络进行分布式计算。
  • 技术路线分为功能类脑（硅基）和结构类脑（忆阻器等），尚处于单点突破阶段。

• 中国发展现状：

  • 在量子计算方面，中国已进入超导技术第一集团，但在算法、架构等方面仍与国外存在差距。
  • 在类脑计算方面，中国在基础理论和交互产品领域表现突出，但整体技术仍处于早期阶段。

四、近期发展趋势与展望

• 创新应用成为驱动力：

  • 人工智能、自动驾驶、VR/AR、5G等新兴应用推动计算需求快速增长。
  • 不同应用场景对计算性能、功耗、延迟等提出差异化要求。

• 开放融合成为主导模式：

  • 计算技术与通信、传感等领域的融合成为趋势，推动系统协同创新。
  • 开源开放模式加速技术创新，RISC-V等开源架构推动硬件创新。

• 产业生态进入多元化重构期：

  • 传统通用计算生态（如Wintel、Android+ARM）逐渐被专用计算生态取代。
  • 人工智能、自动驾驶等细分领域推动计算生态向专业化、个性化方向发展。
  • 未来三年，AI相关市场将保持快速增长，预计云端深度学习推理市场规模将突破20亿美元。

结论

本报告指出，先进计算技术的发展正由通用计算向专用加速转变，非冯诺依曼架构探索成为未来发展方向。在短期内，需求驱动创新仍将是主要模式，而长期来看，量子计算、类脑计算等技术将逐步成为计算体系的重要组成部分。随着开源和融合创新的推进，先进计算产业生态将进入多元化重构阶段，为不同应用场景提供更高效、更灵活的计算解决方案。