算力調度關鍵要素及路徑分析

邵杭青 馬蘊穎 梁汗臣

1.中國電信股份有限公司南京分公司；2.中國電信集團公司政企信息服務事業群；3.SEGi University

0 引言

據2022 年7 月中國算力大會上工信部發布的最新信息，我國算力產業規模近五年平均增速超過30%，算力規模排名全球第二。如此高速的增長，是否表明現有算力已能滿足我們國家國計民生的需求？為了有效利用算力，哪些場景可以通過算力調度解決而無需新建？哪些場景通過調度無法徹底解決，可行的路徑有哪些？這些都是伴隨著算力發展出現的新課題。

1 算力及算力應用分類

1.1 算力分類

目前算力的劃分大致有兩類：

一類是以物理介質為基礎的分類，分為通用算力（基于CPU 芯片）、智能算力（基于GPU、FPGA 芯片等）和超算算力（基于大規模集群）。據中國工程院院士鄔賀銓在中國算力大會上所作的《對數據中心“數學”與“算術”的思考》演講中的數據，從2021 年全球算力分布來看，美國占31%，中國占27%，其次是日本、德國、英國等。美國的通用算力占全球35%，智能算力占15%，超算算力占30%，中國這三類分別為27%、26%和20%。

一類是按算力在網絡層級中的位置劃分，包括核心算力、邊緣算力、終端算力。核心算力為布局于數據中心核心層的算力中心，邊緣算力為位于網絡邊緣層的新興算力，終端算力是智能手機、物聯網終端具備的算力。目前談論較多的為邊緣算力，它其實是隨著視頻、游戲、物聯網等業務興起，在對時延、存儲和運算要求越來越高的情形下產生和發展的，主要解決核心算力太遠、終端算力不足的問題。

以上兩種分類還可以衍生出很多交叉的分類，如邊緣智能算力、核心智能算力等等，不再贅述。

1.2 算力應用分類

算力目前已廣泛應用于國計民生的各個領域，從應用的角度分為以下幾類。

（1）計算類

此類應用是以計算為主的應用，包括科學工程計算、深度學習、人工智能訓練等，廣泛應用于氣候氣象、生物信息、工業仿真、石油物探、數值分析等領域。使用的算力介質涵蓋超算算力、智能算力以及通用算力。算力的網絡位置主要在核心層。

以氣候氣象為例，它是超算算力的重要應用領域。氣象預測研究大氣的變化規律，從定性和定量兩方面來說明大氣的特征，其計算量大、時效性要求高。WRF（Weather Research and Forecasting）等是該領域的典型應用軟件。再以生命科學應用為例，生命科學可分為基因測序、電鏡分析、蛋白質折疊等生物信息學，也需要大量的計算。生命科學領域典型的軟件包括Blast（Basic Local Alignment Search Tool）、GATK（Genome Analysis Tool Kit）等。

（2）存儲類

此類應用主要以存儲為主，最典型的場景為災備業務場景，例如銀行、政府機構的兩地三中心應用，有大量的交易、影像、分析、運維等數據需要存儲。這類存儲的網絡位置也主要在核心層。

事實上，存儲類與計算類應用緊密關聯、密不可分。在高性能計算場景，如氣象氣候、地質勘探、航空航天、工程計算、材料工程領域，根據不同的計算模式與規模，構成集群系統的節點數可以從幾個到成千上萬個，這就要求存儲系統具備統一存儲空間、高效文件檢索、高帶寬吞吐性能、高可靠數據安全保障等功能。在大數據視頻云應用場景，如雪亮工程、平安城市、廣電媒資、影視制作、視頻網站等領域，對存儲系統提出了大容量存儲、高讀寫性能、高可靠性、低延時及可擴展性等要求。在大數據分析應用場景，伴隨著海量終端、AI 智能等需求，對存儲功能集成度、數據安全性、數據穩定性，系統可擴展性、性能及成本提出了更高要求。

（3）互動類

此類應用需要與終端發生關聯互動。根據交互的主體看，有純終端，包括車聯網（交互對象為車）、工業互聯網（交互對象為機器）等，也有終端背后的人，包括電商應用、游戲、視頻直播、證券交易等。

互動類應用與計算、存儲類應用同樣關聯緊密。與計算關聯更大的有電商、游戲、車聯網、證券交易等，與存儲關聯更大的有視頻直播、視頻分發等應用。

互動類區別于計算、存儲類應用的最重要的一點是時延。它是基于人的生物反應和機器協同需要，包含了所需要的存儲、計算和網絡的時延。也就是說，除了網絡距離作為客觀存在的時延外，用于存儲和計算的時延需要盡可能降低，因此互動類應用的業務形態決定了算力的位置，以及相應的技術，以便達到時延要求。邊緣算力通常是為了滿足此類需求。

（4）交叉類典型應用

計算+存儲：適用于需要對海量數據進行計算的應用，典型應用如氣候氣象。以臺風預測為例，臺風數據庫存儲了有記錄以來所有臺風生命史衛星影像、雷達圖像、海溫、高低空大氣環流形式等海量數據資料信息，同時實時采集分散在氣象系統內各部門的氣象數據，按照數據格式、數據體量、數據種類、數據維度進行聚類、采集，并與其他行業進行跨部門、跨系統、跨業務的集中匯聚。通過大數據分析和求解流體力學方程，最終進行與農業、航空等各相關行業有密切關聯的氣候氣象的準確預測，最大限度發揮數據的價值，為生產生活保駕護航。

存儲+互動：適用于對已知大數據量內容進行互動的應用，典型應用如視頻分發。目前無論是今日頭條、騰訊還是阿里，都使用了內容分發網絡（Content Delivery Network，CDN）來實現各類內容的就近分發，其目的是使用戶可就近取得所需內容，提高用戶訪問網站的響應速度。同時，以8K、AR/VR、自由視點、全息、AI 為代表的新技術驅動視頻業務向大流量、超低時延、雙向實時互動演進。在此應用場景下，計算能力主要體現在探知網絡負載，提前配置分發策略，所以對計算的要求不高，內容存儲和時延為核心要求。

計算+互動：適用對非固定數據信息探知、計算、判斷、控制的應用，如電商、游戲、工業互聯網、車聯網等。以工業互聯網的工業內網為例，工廠內網絡呈現“兩層三級”的結構：即“工廠IT 網絡”和“工廠OT 網絡”兩層技術異構的網絡和“現場級”、“車間級”、“工廠級/企業級”三個級別的網絡。IT（Information Technology）網絡主要由IP網絡構成。OT（Operation Technology）網絡主要用于連接生產現場的控制器以及傳感器、伺服器、監測控制設備等部件。工廠級/企業級對通信的要求與傳統IT 網絡類似。這里，車間級、現場級等OT 網絡由于互動需要，對通信可靠性和時延有更高的要求，例如等時運動控制場景中，控制報文通信周期應小于1ms，網絡時延一般不超過50%的通信周期且抖動小于1us，丟包率需優于10-6。這是計算互動類的典型應用。

以上算力應用場景分類如圖1 所示。

圖1 算力應用場景分類

2 算力調度關鍵要素及策略

2.1 算力調度關鍵要素

在考察算力調度問題時，首先要回答的問題是，什么場景需要調度？假設算力可以像水電氣一樣直達千家萬戶，那么基本沒有調度的需求。但事實上，由于自然條件的限制，國家仍然需要“西氣東輸”、“南水北調”這樣的工程來解決地區間的差異。算力也有類似情況。普通場景不需要調度，但是針對特別或突發情況，例如對計算、存儲、時延要求高的場景，需要進行綜合分析后開展調度。由于計算和存儲往往不可分割，所以這里不做專門的區分，以下統稱為算力。

針對算力要求高的場景，如科學計算類和國計民生類工程項目，需要依托超級算力平臺來實現，例如2022 年9 月發布的世界首個工業級流體仿真大模型，將仿真時間從10 分鐘縮短至25 秒，大大提升了大飛機設計的效率。這種場景需要的是超級計算的能力，這種能力不太可能遍布在各地，而只能是集中在某些地方。算力需求方可將數據集中到算力平臺來獲取計算能力，基本無法做到超算能力下沉。目前科技部批準建立了10 家國家超級計算中心，分別位于天津、廣州、深圳、長沙、濟南、無錫、鄭州、昆山、成都、西安。另外鵬城實驗室、華為公司等聯合建設了包括20 個節點的中國算力網，主打AI算力。從布局看，均為集中式的算力能力庫。

針對普通商用、民用交互場景，時延是關鍵要素。在時延敏感型業務中，又可以分為以下三類：

（1）通信類

主要解決的是人的通信需求，滿足人類消費行為的互聯網應用，往往端到端帶寬需求在幾十兆到幾百兆，端到端時延需求在幾十毫秒到幾百毫秒之間。如果交互時延低于10ms，人的感官一般無感，交互時延大于300ms，人的感官難以接受。粗略統計：實時競技類游戲的時延要求是50ms；實時交互類游戲的時延要求是100ms；實時交互語音類的時延要求是100ms；實時交互視頻類的時延要求是150ms；非實時大部分互聯網應用時延要求是300ms。

（2）功能類

主要解決機器之間的通信需求，如車聯網和工控網絡，端到端帶寬往往并不高，但時延要求確定性保障。其中，工業自動化控制的時延要求是小于10ms；遠程/遙控駕駛的時延要求是小于10ms。

（3）三維交互類

基于三維顯示和交互的元宇宙應用，為了避免頭暈，需要10ms 以內的交互時延，這就對當前的互聯網技術提出了巨大挑戰。因為此類需求對帶寬、時延、算力都提出了超高要求，屬于體驗提升型應用。

另一個影響算力調度的隱含要素是成本。一般原則是，在業務允許的時延范圍內，選擇最經濟的算力網絡架構布局，來降低算力成本、網絡成本、運營成本。例如對于實時交互視頻，在150ms 范圍內，可以選擇將視頻源布局在本地市、外地市甚至外省，網絡選擇互聯網即可。而對于時延要求小于10ms的應用，則一般只能將各種計算資源部署在本地，網絡也需要選擇時延小的專線網絡。

2.2 算力調度原則及策略

根據各種不同業務場景，最核心的要素往往決定了選擇算力、網絡的下限，從而衍生出算力調度的多種形態。一般原則為，根據算力、時延要求，調度的成本低于自建的成本時進行調度和選擇。算力中通用算力成本最低，時延相關的網絡里互聯網成本最低。在算力、時延剛需滿足的前提下，成本決定了算力的位置和布局。

針對不同業務場景，算力、網絡等可選方案歸納如表1所示。

表1 各類應用場景算力網絡選擇

3 不同應用算力調度路徑分析

3.1 計算存儲類

針對科學計算、氣象氣候等需要超級計算的應用場景，由于對計算能力和過程的要求高，往往通過專線進行組網，將所需算力進行分發和組合提高計算的效率。未來可逐步走出“東數西算”、“東數西存”的道路。

針對影視制作等需要智能算力的應用場景，成本是需要考量的重要因素，可選擇最經濟的算力資源使用。

3.2 存儲互動類

針對雪亮工程、平安城市等存儲互動類應用，通常為政府部門部署使用，核心往往布局在本地，且使用專線網絡，調度的需求不突出。

對于視頻分發應用，由于視頻源多在異地IDC 機房，使用方為大量最終分布不固定的用戶，所以需要進行調度，并考慮既滿足使用體驗又節省成本的要求。

以目前廣泛應用的CDN 為例，以省為一個區域看，存在域內調度和域間調度。如圖2 所示。

圖2 CDN 業務調度示意

域內調度包括從IDC 到城域網（Metropolitan Area Network，MAN）、城域網到城域網的調度。視頻源一般分布在IDC 機房內，合理調度為IDC 到城域網，即圖中①。但是由于IP 網絡的互通性，事實上城域網內出現了很多不合理的視頻源，來自城域網專線或PCDN（peer-to-peer CDN），即②③。

域間調度通常發生在IDC 之間，需要骨干網絡支持。這主要是因為內容提供商往往核心節點覆蓋不到所有省，因此需要在主核心與次核心之間進行數據交換，即④。

事實上目前1000 公里光纖往返時延為10ms，加上網絡設備存儲轉發、服務器響應時延，對于時延150ms 要求的實時交互視頻類應用來說，視頻源在幾千公里以內均滿足時延要求。也就是說，視頻源布局在省內甚至是外省，尤其是鄰近省份完全不影響用戶使用。

隨著運營商網絡質量的提升和網絡扁平，出現了域間的不合理調度，通常均為價格較低省覆蓋價格較高省，即低價IDC 帶寬覆蓋周邊省份，即⑤，以及城域網低價PCDN 等帶寬覆蓋周邊省份，即⑥。對于運營商來說，由于不合理調度存在安全、監管、網絡質量等諸多隱患，因此需要對流量進行監控和引導，以確保業務合規、降低網絡壓力。具體舉措包括：監控域間域內出入流量、核 查AAA（Authentication Authorization Accounting）日志信息以及建立省間結算機制等，從而讓數據流量合理流動，即逐步實現圖中藍色線路所示調度占據主導，讓網絡更健壯，讓價值回歸。

3.3 計算互動類

以較為復雜的車聯網為例，車聯網技術結合人工智能、大數據、云計算、視覺和雷達感知、高精度地圖和高精度定位等技術，滿足目前智能交通系統在汽車行駛安全、效率提升和信息服務等方面的需求，為汽車向自動駕駛與無人駕駛系統的平滑演進提供技術支撐。車聯網技術可實現車車、車人、車路（交通基礎設施）、車網絡/云等通信連接和高效準確的信息交互。車聯網的網絡實體包括車載終端（on board unit，OBU）、路側設備（road side unit，RSU）和移動邊緣計算（mobile edge computing，MEC）設備，如圖3 所示。低時延高可靠車聯網通信面臨很多挑戰，包括：復雜快時變無線傳播環境，高頻度、群發群收的車車間通信，車輛在高速運動過程中，車、人等通信對象的不確定且隨機突發等。因此，車聯網對計算和交互提出了極高的要求。

圖3 車聯網算力下沉路徑

出于對車、人安全的考量，需要滿足嚴苛的低時延和高可靠通信要求，這就要求相應的算力盡可能下沉接近終端。算力首先需要下沉到邊緣，即①，以實現近距離感知和定位。進一步下沉到RSU，縮短交互的時間，即②。

不過涉及到普遍服務和真正商用，需要完善的商業模式和完整的生態鏈支持，現階段多少算力下沉到哪一級邊緣，均需要詳細論證和測算。類似的情況也適用于三維交互類應用，如AR/VR、渲染類體驗式業務。

另一種思路是分布式算力，即將算力應用按照算力、時延等要素進行解構。對于低時延高算力部分采用算力下沉本地計算，對于高時延低算力部分可以利用遠端算力，這無疑需要有強大的軟件架構支持，同樣需要考慮成本。

4 結束語

在數字經濟時代，算力是新生產力，與數據、算法協同構成數字經濟時代最基本的生產要素。據全球權威咨詢機構Gartner 研究，2025 年約超75%的數據將在邊緣側處理，這將對算力的布局和流動產生很大的影響。本文從需求應用的角度，對算力及算力調度的要素和路徑進行了分析研判，旨在提供一個有效使用算力的思路?？傮w來說，隨著算力資源越來越豐富，算力調度將是未來數字化經濟重要且活躍的領域。