中国移动研究院：2022年面向智算的算力原生白皮书_26页_2mb

面向智算的算力原生白皮书总结

核心内容概述

本白皮书由中国移动通信有限公司研究院发布，旨在探讨算力原生技术在智能计算时代的应用与发展趋势。随着人工智能在各行业深入应用，智能算力需求持续增长，呈现出泛在互联的特征，但同时也面临生态碎片化、资源利用率低、开发者负担重等挑战。算力原生技术通过统一抽象模型、标准化接口和跨架构编程能力，致力于解决上述问题，推动算力资源的高效利用与产业生态的协同发展。

主要观点

1. 智算时代背景

• 数字经济加速发展：智慧城市、智慧交通、智慧家庭等场景推动AI应用广泛落地。
• 数据量激增：全球数据量从2016年到2025年将增长10倍，非结构化数据占比超70%，推动计算模式复杂化。
• 智能算力需求提升：AI训练规模扩大，模型参数量增加，单一算力节点无法满足需求，分布式训练成为主流。
• 云边端协同趋势：5G与边缘计算推动数据处理向边缘扩散，形成云边端高效协同的发展格局。

2. 算力原生的定义与愿景

• 定义：算力原生是通过统一的算力资源抽象模型和标准化编程接口，实现跨架构的无感迁移和高效利用。
• 愿景：
  • 一套代码，简化开发；
  • 异构资源，一体池化；
  • 屏蔽差异，跨芯迁移；
  • 融通产业，繁荣生态。

3. 算力原生平台架构与关键技术

• 平台架构：
  • 算力池化层：统一抽象硬件资源，支持动态调度与弹性扩缩容。
  • 算力抽象层：包含编程模型转换器与原生运行时，实现对底层硬件的感知与控制。
• 关键技术：
  • 算力抽象及统一编程模型：解决异构算力系统的编程复杂性，实现任务的灵活迁移。
  • 算力原生接口与编译优化技术：通过统一接口与编译器，提升程序可移植性与运行效率。
  • 硬件原生堆栈与运行时支持机制：保障任务在不同算力单元上的有效执行与系统级优化。

关键信息

1. 智能算力发展挑战

• 开发者负担重：跨架构应用开发需多套代码适配，开发成本高。
• 资源利用率低：异构算力资源池相互独立，缺乏统一调度机制，导致资源闲置与不足并存。
• 生态碎片化：各厂商围绕自身芯片构建独立软件生态，形成技术壁垒，限制了应用的跨平台发展。

2. 算力原生技术路径

• 阶段一：实现异构算力资源池化，支持动态调度与弹性资源分配。
• 阶段二：实现应用跨架构迁移，通过编程模型转换与运行时支持，屏蔽底层硬件差异。
• 阶段三：实现全局泛在融通，构建统一编程模型与开发环境，推动混合并行计算发展。

3. 产业实践

• 阿里云：提出基于ODLA的AI部署方案，支持多款异构硬件的编译与运行。
• 英特尔：推出OneAPI规范，构建统一编程模型与开源生态。
• 趋动科技：推出猎户座AI算力资源池化解决方案，实现资源解耦与细粒度分配。
• 中国移动“芯合”系统：支持算力资源池化与跨架构部署迁移，已实现英伟达GPU与寒武纪MLU的兼容。

4. 开源生态建设

• 中国移动主导：2022年7月在OIF成立全球首个算力网络开源社区（CFN）。
• 算力原生子工作组：聚焦统一算力抽象模型、编译平台、系统接口与运行时，推动首个跨架构算力原生开源平台的实现。

倡议与展望

• 联合攻关：呼吁产学研各界合作，推动算力抽象、统一编程模型、编译优化与运行时支持等关键技术突破。
• 标准化建设：推动算力原生在ITU、CCSA等国际组织中的标准化进程，构建统一的软硬件生态。
• 开源生态繁荣：通过算力原生开源社区，形成开放共享的产业生态，加速技术成熟与落地。

结语

算力原生技术是应对智能算力碎片化、提升资源利用率、推动应用创新的关键手段。中国移动通过发布白皮书，凝聚产业共识，联合行业伙伴共同推进技术发展与标准建设，为构建全球统一的算力原生生态奠定基础。