信通院-先进计算发展研究报告（2018年）-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、现状、创新重点及未来趋势，旨在探讨未来3-5年先进计算领域的核心技术发展方向，并对量子计算、类脑计算等颠覆性技术进行研判。报告指出，计算技术的持续升级将围绕应用需求展开，通过系统优化、专用加速及开源融合等手段推动技术创新与产业生态重构。

主要观点

1. 计算技术发展历程

• 计算技术经历了手动、机械、电动、电子四个阶段，从ENIAC的诞生开始进入电子化时代。
• 冯诺依曼架构成为现代计算技术的基础，涵盖数据处理、存储、交互三大能力要素。
• 计算技术发展与应用创新紧密相连，创新动能正由“先有能力，再谈需求”向“根据需求，实现能力”转变。

2. 当前发展态势

• 供需不匹配成为主要问题，固有计算技术升级模式遭遇天花板。
  • 晶体管微缩受限，主频提升受限，多核架构受限于并行算法不成熟。
  • 冯诺依曼架构的瓶颈效应日益凸显，数据读取速度远低于计算速度。
• 应用创新对计算需求增速远超摩尔定律，尤其是人工智能、自动驾驶、VR/AR等领域的爆发性增长，推动计算资源消耗激增。

3. 创新重点方向

• 器件技术：通过多路径推动摩尔定律持续演进，如10/7纳米工艺、EUV技术、三维堆叠等。
• 部件技术：围绕数据处理、存储和交换单元展开协同创新。
  • 数据处理单元：CPU、GPU、FPGA、AI ASIC等多样化芯片持续发展，AI ASIC成为专用计算加速的代表。
  • 数据存储单元：非易失性存储技术（如3D NAND、PCM、RRAM、MRAM等）不断涌现，存储层次结构面临重构。
  • 数据交换单元：通过高速总线（如PCIe 5、NVLink）和RDMA技术优化数据交换性能，缓解冯诺依曼瓶颈。
• 系统技术：围绕应用场景展开体系化升级，包括异构计算、分布式计算、集群计算、内存计算及存算一体化等。
  • 异构计算：CPU+GPU、CPU+MIC、CPU+FPGA等模式成为主流，云侧异构计算逐步深化。
  • 分布式与集群计算：Hadoop、Spark、Storm等成为主流框架，P级超算进入发展关键阶段。
  • 内存计算：内存内计算技术在商业和开源领域广泛应用，如SAP HANA和Apache Spark。

4. 非冯诺依曼架构

• 量子计算与类脑计算成为未来计算技术的重要探索方向。
• 二者在存储、编码、计算方式等方面与传统冯诺依曼体系存在本质差异。
• 量子计算在性能上具有指数级优势，但目前仍处于理论验证和样机研发阶段。
• 类脑计算在结构和算法上与人脑相似，但目前仍处于单点突破阶段，尚未实现大规模产业化。

关键信息

技术发展瓶颈

• 冯诺依曼瓶颈：数据读取速度远低于计算速度，成为制约计算效能的重要因素。
• 摩尔定律趋缓：芯片性能提升受限，需转向其他技术路径如专用加速、异构计算、非冯诺依曼架构等。

应用驱动创新

• 人工智能、自动驾驶、VR/AR等新兴应用对计算能力的需求远超传统领域。
• 专用计算芯片（如AI ASIC）成为满足这些应用需求的主流技术路径。

产业生态重构

• 开放融合成为技术创新的主导模式，开源社区和生态推动计算技术发展。
• 多元化生态正在形成，计算技术将向不同应用场景的专用化、个性化方向演进。

国际竞争与合作

• 量子计算和类脑计算成为全球科技竞争的新焦点，中美日欧在该领域均有布局。
• 中国在部分技术领域已接近国际先进水平，但在算法、材料、体系结构等方面仍存在差距。

总体展望

• 未来5-10年，先进计算技术将基于现有硅基冯诺依曼架构展开优化与专用化发展。
• 开放融合将加速技术创新，推动计算与通信、传感等技术的深度融合。
• 多元化重构将带来更多产业机遇，新兴应用领域将引领新一轮计算技术发展浪潮。
• 非冯诺依曼架构将作为未来计算技术的重要方向，但短期内仍难以取代传统体系。

附：主要技术对比表

结论

先进计算技术正经历从通用计算向专用加速、从冯诺依曼架构向非冯诺依曼架构演进的阶段。未来，技术创新将更加注重与应用场景的融合，开源开放、异构计算、专用芯片等成为主要趋势。随着人工智能、5G、物联网等新兴应用的爆发，计算技术将持续升级，推动新一轮信息技术产业变革。