先进计算发展研究报告2018_45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

本报告围绕先进计算技术的发展历程、现状、创新重点及未来趋势展开，重点分析了未来3-5年先进计算领域的核心技术及发展方向。报告指出，计算技术已从传统冯诺依曼架构向多元化、专用化、开放融合等方向演进，量子计算与类脑计算等非冯诺依曼架构成为未来的重要探索方向。

主要观点

1. 计算技术发展历史

   • 计算技术历经手动、机械、电动及电子四个阶段，从ENIAC的诞生标志电子计算时代的开启。
   • 从电子管、晶体管到集成电路，计算技术逐步实现自动化与电子化，推动了计算技术的规模普及与产业繁荣。

2. 当前先进计算的挑战

   • 固有升级模式遭遇天花板：晶体管微缩受限、主频提升受限、多核并行受限、冯诺依曼瓶颈加剧。
   • 应用需求增速远超摩尔定律：数据总量激增、非结构化数据增多、人工智能等高算力应用需求显著提升。

3. 短期发展驱动因素

   • 需求驱动创新：应用创新成为计算发展的核心动能，推动计算能力与应用场景的深度结合。
   • 系统优化为主：融合专用加速的系统优化成为主流，如CPU+GPU、CPU+FPGA等异构计算平台。

4. 创新重点方向

器件技术

• 摩尔定律仍延续，10/7纳米工艺成为主流。
• EUV等新技术逐步应用，提升制造精度与性能。
• 晶体管结构创新不断推进，如FinFET、Nanosheet、MBCFET等。
• 三维堆叠技术提升存储密度，实现等效摩尔定律的延续。

部件技术

• 数据处理单元：CPU、GPU、FPGA、ASIC等计算芯片协同发展，AI ASIC成为主流。
• 数据存储单元：非易失性存储技术（如3D NAND、PCM、阻变存储器、磁阻存储器）持续创新，提升存储密度与性能。
• 数据交换单元：通过高带宽内存、高速总线（如NVLink）、RDMA等技术，缓解冯诺依曼架构的I/O瓶颈。

系统技术

• 异构计算：CPU+GPU、CPU+MIC、CPU+FPGA等成为主流异构平台，云侧与端侧均加速布局。
• 分布式与集群计算：Hadoop、Spark、Storm等成为主流分布式计算框架，高性能计算（HPC）与超算发展迅速。
• 内存计算与存算一体化：通过内存内计算、内存驱动计算及存算一体化技术，提升计算效率与实时性。

非冯诺依曼架构

• 量子计算：具备并行运算优势，但受限于相干时间、测量精度等技术瓶颈，仍处于原理验证与原型机开发阶段。
• 类脑计算：通过模拟神经元实现分布式存储与计算，但受限于对人脑结构理解不足，尚处于技术探索阶段。

关键信息

• 计算技术体系：以冯诺依曼架构为基础，涵盖数据处理、存储、交互三大能力单元，未来将向多元化、专用化方向发展。
• 计算需求增长：人工智能、自动驾驶、VR/AR、5G等新兴应用对计算能力的需求呈指数级增长，传统计算方式难以满足。
• 创新模式转变：从“先有能力，再谈需求”转向“根据需求，实现能力”，应用驱动成为主流。
• 产业生态重构：随着技术发展，计算生态将向多元、开放、融合方向演进，开源技术（如RISC-V）成为推动产业发展的关键。
• 未来趋势：短期内以专用加速、系统优化为主；中长期将重点探索量子与类脑等非冯诺依曼架构，推动计算技术突破。

重要数据与技术进展

• 全球数据总量：预计2020年达到44ZB，个人数据量超过5.2TB。
• AI训练需求增长：自2012年起，每3.5个月计算能力翻倍，增长超30万倍。
• 芯片工艺：2018年全面进入10/7纳米工艺，EUV技术逐步应用。
• 超算发展：Summit超算峰值浮点运算速度达200PFlops，E级超算（10^18 FLOPS）成为未来目标。
• 异构计算：三大主流平台为CPU+GPU、CPU+MIC、CPU+FPGA，FPGA在数据中心并行计算中效能比CPU高33倍，GPU高3倍。
• 内存计算：内存内计算技术已进入分布式内存平台阶段，SAP HANA和Apache Spark为典型代表。

技术发展瓶颈与挑战

• 冯诺依曼瓶颈：数据读取速度远低于计算速度，成为性能瓶颈。
• 量子计算瓶颈：需提升相干时间与测量精度，算法发展受限。
• 类脑计算瓶颈：对人脑结构理解不足，硬件与软件技术尚未成熟。
• AI ASIC发展：面向不同应用（训练、推理、端侧）设计差异化架构，提升计算效率与能效比。

未来展望

• 创新应用驱动：人工智能、自动驾驶、VR/AR、5G等将推动计算技术进一步升级。
• 开放融合趋势：开源技术（如RISC-V）推动软硬件协同创新，计算与通信、传感等技术融合加速。
• 产业生态多元化：计算生态将向专用化、个性化发展，不同应用场景催生不同技术路线与产品体系。
• 非冯诺依曼架构探索：量子计算与类脑计算将成为未来突破性技术，但大规模产业化仍需时间。

总结

本报告系统梳理了先进计算技术的发展脉络与现状，指出当前供需不匹配是主要问题，应用创新成为核心驱动力。短期以系统优化、专用加速为主，长期则聚焦量子与类脑等非冯诺依曼架构。同时，报告强调了开源开放与跨领域融合的重要性，预测未来三年AI相关市场将快速增长，推动计算技术与产业生态进入多元化重构阶段。