全球人工智能產(chǎn)業(yè)正被限制在了名為“算力”的瓶頸中，一側(cè)是供不應(yīng)求的高端芯片,，另一側(cè)則是激戰(zhàn)正酣的“百模大戰(zhàn)”,，市場的供求兩端已然失衡。

然而,，大多數(shù)人的關(guān)注點仍舊還是在以英偉達(dá)為主導(dǎo)的高端芯片領(lǐng)域,。

半導(dǎo)體的創(chuàng)新固然關(guān)鍵，但是從現(xiàn)實處境來講,，芯片從造出來到用起來,，是一個龐大的系統(tǒng)工程，市場更需要一條能暫時繞開半導(dǎo)體創(chuàng)新的系統(tǒng)創(chuàng)新的技術(shù)路徑,，來同步釋放算力,，以滿足現(xiàn)階段爆發(fā)性的算力需求以及后期可持續(xù)的常態(tài)發(fā)展。

遵循著這一思路,，就不難發(fā)現(xiàn),，以浪潮信息為代表的本土廠商已經(jīng)開始了另一條釋放算力的創(chuàng)新路徑，即對服務(wù)器等硬件的基礎(chǔ)架構(gòu)進(jìn)行創(chuàng)新,，在硬件層面“拓荒”,，“壓榨”更多的硬件性能，打破算力桎梏,。

只是這樣的路徑,，似乎沒有想象中的那么簡單、輕松,。

向底層“拓荒”,，

激活“牛鞭效應(yīng)”

以服務(wù)器為例，一臺服務(wù)器有超過10000個零部件，同時還涉及30多個技術(shù)領(lǐng)域,，包括材料學(xué),、熱力學(xué)、電池技術(shù),、流體力學(xué),、化學(xué)等一系列學(xué)科。此外,，一臺服務(wù)器里還會應(yīng)用超過100種傳輸協(xié)議,。其制造過程更是需要經(jīng)歷30多道流程，使用100多種加工和制造工藝等等,。

若要對這樣的高精密硬件的基礎(chǔ)架構(gòu)進(jìn)行創(chuàng)新,，絕非易事。

在四五年前,，一些大規(guī)模數(shù)據(jù)中心用戶幾乎都遇到過一個相似的問題：風(fēng)扇轉(zhuǎn)速越快,，硬盤越有可能出現(xiàn)性能波動，嚴(yán)重時還會直接掉線,，非常影響硬盤的讀寫性能,。

浪潮信息的工程師團(tuán)隊做了大量實驗，最終鎖定原因：風(fēng)扇產(chǎn)生的噪音一旦達(dá)到120分貝,，就非常容易造成硬盤磁頭偏移,、讀寫效率下降，進(jìn)而導(dǎo)致扇區(qū)失效乃至硬盤報廢,、服務(wù)器宕機,。

盡管這樣的問題看起來很小，卻對服務(wù)器的性能有著嚴(yán)重制約,。如何解決服務(wù)器內(nèi)部的風(fēng)噪問題,，成為了一個業(yè)內(nèi)共同探索的議題,。國際開放計算社區(qū)OCP組織成員包括FaceBook（現(xiàn)為Meta公司）,、微軟、浪潮信息,、戴爾等企業(yè),，共同發(fā)起Storage Vibration（存儲設(shè)備振動）項目，旨在解決相關(guān)的問題,。

最終,，浪潮信息的工程師們基于大量機理性研究和測試，發(fā)現(xiàn)了硬盤性能損失與聲壓強度間的數(shù)學(xué)規(guī)律,，并構(gòu)建出業(yè)界首個硬盤敏感度模型,，量化出不同硬盤受到各類噪聲影響后的性能表現(xiàn)。

以此為依據(jù),，浪潮信息也得以對最新G7服務(wù)器系統(tǒng)進(jìn)行了全方位的優(yōu)化設(shè)計,，譬如通過CFD流體動力學(xué)仿真改進(jìn)·不同機箱布局下的風(fēng)扇的葉片形態(tài),，抑制扇葉表面因渦流脫落形成的高頻噪音，提升硬盤讀寫效率50%,；或是在機箱內(nèi)通過設(shè)計40多種歌院式的消音結(jié)構(gòu),，消除特定的高頻噪聲等等。

這些“繡花針”功夫是創(chuàng)新底層架構(gòu)的關(guān)鍵,，而看似很微小的基礎(chǔ)改良,，卻是提升服務(wù)器性能、保障硬件平穩(wěn)運行的重要因素,。在經(jīng)濟(jì)學(xué)領(lǐng)域,，有一個專業(yè)術(shù)語叫作“牛鞭效應(yīng)”，指一端微小的擺動被不斷放大,，到了另一端將演變?yōu)榇蠓鶖[動的趨勢,。

從硬件的應(yīng)用來看，基礎(chǔ)部件的改良也將激活“牛鞭效應(yīng)”——從一張硬盤到一個服務(wù)器,，再到一個數(shù)據(jù)中心,，隨著硬件不斷疊加應(yīng)用，底層的改良價值將被逐步放大,，向上層傳遞,，成為服務(wù)器安全運作、釋放算力,、促進(jìn)人工智能產(chǎn)業(yè)發(fā)展的重要保障,。

類似的，現(xiàn)階段備受關(guān)注的芯片互聯(lián)技術(shù),，也是支撐大模型大規(guī)模算力場景的關(guān)鍵技術(shù),，尤其是單個服務(wù)器內(nèi)部芯片高速直連，是實現(xiàn)大規(guī)模算力集群高效協(xié)同工作的基礎(chǔ),。作為全球領(lǐng)先的服務(wù)器廠商,，浪潮信息在高速互連領(lǐng)域定義了業(yè)界第一個符合OAM（開放加速模塊）規(guī)范的8卡互連硬件系統(tǒng)，解決了高速信號的速率提升和信號失真問題,，實現(xiàn)開放加速規(guī)范下芯片互連的最高速率,，助力著人工智能產(chǎn)業(yè)的持續(xù)突破。

一場對性能的極限“壓榨”

在人工智能行業(yè),，算力的巨大需求和供給緊張已然是擺上臺面的事實,。為什么業(yè)內(nèi)廠商想要不斷地改進(jìn)傳統(tǒng)的硬件架構(gòu)去釋放算力，哪怕只是一點細(xì)微的聲噪優(yōu)化,，都不遺余力地花上四五年的時間去研究,、探索和創(chuàng)新。

細(xì)究來說，算力的供應(yīng)大抵可以歸結(jié)為兩條路徑,，一是“增量拓展”,，比如接入更多的服務(wù)器、建更多的數(shù)據(jù)中心,，通過“堆量”的方式來提供更多的算力,。二是“存量優(yōu)化”，對原有架構(gòu),、原有機器進(jìn)行優(yōu)化升級,，通過“提質(zhì)”的方式來把性能和效率提升起來。

其中,，在這兩條路徑之下,，“存量優(yōu)化”又是必然的一條。無關(guān)乎未來算力是否緊張或?qū)捲?，如何對現(xiàn)有的機器和架構(gòu)進(jìn)行升級優(yōu)化,，是行業(yè)發(fā)展的一個重要階段，只是時間早晚的問題,。

值得一提的是,，現(xiàn)階段，服務(wù)器行業(yè)已經(jīng)有著充分的理由去推進(jìn)“存量優(yōu)化”這一路徑,。

一方面,，算力領(lǐng)域正在面臨著高端芯片緊張的問題，“增量拓展”被限制,，那么業(yè)內(nèi)廠商就不得不考慮“存量優(yōu)化”的事情,。

另一方面，源于服務(wù)器的特殊性,，在服務(wù)器概念上的簡單的“堆量”只能堆出各種形態(tài)和規(guī)格的服務(wù)器,，但對數(shù)據(jù)中心計算能力的提升并沒有什么實質(zhì)性的幫助。

對此,，在2014年,，浪潮信息提出了“融合架構(gòu)”的技術(shù)理念，旨在創(chuàng)造一種新的體系架構(gòu),，將硬件設(shè)備中的同類資源整合成一個資源池,，即便是不同的設(shè)備也能夠任意地整合,，再通過軟件動態(tài)感知業(yè)務(wù)的資源需求,，從而利用硬件重組的能力來滿足各類應(yīng)用的性能需求。

這種“融合架構(gòu)”看似是“增量拓展”,，但核心則是“存量優(yōu)化”,。直到融合架構(gòu)3.0的發(fā)布，就可以清晰地看到,，這一技術(shù)理念打破了現(xiàn)有服務(wù)器的邏輯架構(gòu)和應(yīng)用模式,，實現(xiàn)了整機柜級別的計算、內(nèi)存,、存儲與互聯(lián)等各種IT資源的池化,，形成了以系統(tǒng)設(shè)計為中心的新架構(gòu)模式，對構(gòu)建高速高性能的互聯(lián)網(wǎng)絡(luò)起到了重要作用,。

簡單來說,，基于“池化”的概念，融合架構(gòu)3.0將服務(wù)器內(nèi)的計算資源,、存儲資源,、內(nèi)存資源、異構(gòu)加速資源等核心IT資源重新細(xì)化,，并做了“重組”,，從而能使其發(fā)揮出更高的性能和應(yīng)用價值。

這相當(dāng)于對現(xiàn)有的服務(wù)器性能做了一次極限地“壓榨”,。眾所周知,，傳統(tǒng)服務(wù)器的性能利用率是無法達(dá)到100%，兩臺服務(wù)器相連得到大多是1+1<2結(jié)果,，而基于融合架構(gòu)3.0的支持,，就有可能實現(xiàn)1+1>2的情況。

當(dāng)然,，這只是一個便于理解的理想化公式，現(xiàn)實大抵是達(dá)不到這個效果的,。但是,，其中的進(jìn)步也是看得見的，特別是隨著服務(wù)器的增加,，當(dāng)我們再來估算1+1+1+...+N的效果時，在融合架構(gòu)3.0下的服務(wù)器便能發(fā)揮出遠(yuǎn)超傳統(tǒng)架構(gòu)的性能和價值,。

這是融合架構(gòu)3.0的價值展望,，同時也是“存量優(yōu)化”這一路徑在服務(wù)器行業(yè)的價值呈現(xiàn),。正如上文提及的“牛鞭效應(yīng)”，當(dāng)?shù)讓蛹?xì)微的創(chuàng)新不斷被放大到一個硬件,、一個計算集群,、一個產(chǎn)業(yè)生態(tài)，那么其發(fā)揮出來的作用將遠(yuǎn)超過往,。

在算力之外

當(dāng)前,，在服務(wù)器行業(yè)，就能看到類似的信號,。

繼續(xù)以融合架構(gòu)3.0為例,，其打破了以往“以CPU為中心”的設(shè)計理念，從整體出發(fā),，以系統(tǒng)為中心,，通過硬件解耦將異構(gòu)計算、內(nèi)存,、存儲等資源轉(zhuǎn)變?yōu)榭瑟毩U(kuò)展的資源池,。

在這個過程中，不僅實現(xiàn)了亞微秒級遠(yuǎn)端內(nèi)存訪問,，并且還構(gòu)建出了一種邏輯上可遠(yuǎn)端共享的內(nèi)存資源池,，讓多臺主機訪問同一個內(nèi)存池，從而大大提高了數(shù)據(jù)交換的效率,，讓Spark,、Hadoop和機器學(xué)習(xí)等使用分布式數(shù)據(jù)框架的應(yīng)用，能夠更順暢地實現(xiàn)框架內(nèi)各節(jié)點間的數(shù)據(jù)交換與協(xié)作,。

也就是說，融合架構(gòu)3.0解決的不僅僅是服務(wù)器性能,、算力釋放等問題,，實際上還繼續(xù)向上層拓展，解決了系統(tǒng)應(yīng)用的問題——服務(wù)器的架構(gòu)創(chuàng)新在算力之外,，帶來了全新的價值呈現(xiàn),。

類似的，放眼全球市場,，微軟與英偉達(dá)合作推出的虛擬機Azure ND H100 v5 VM系列,，正基于強大的硬件能力支持結(jié)合Quantum-2InfiniBand網(wǎng)絡(luò)互連，從而幫助企業(yè)更好,、更高效地處理生成式AI任務(wù),。

現(xiàn)階段，大多數(shù)硬件升級并非單線的,，而是考慮到上層的應(yīng)用需求,，如大模型訓(xùn)練、生成式AI任務(wù)等,，結(jié)合軟件系統(tǒng),、網(wǎng)絡(luò)服務(wù)等進(jìn)行融合創(chuàng)新，從而為應(yīng)用場景服務(wù),。

縱觀當(dāng)前人工智能產(chǎn)業(yè)在算力層面的困頓處境,，以算力牽動整個人工智能產(chǎn)業(yè)的發(fā)展是必然的趨勢。而業(yè)內(nèi)廠商在解決算力供給問題的過程,，也將同步帶動其他模塊的升級,。換句話說，解決算力問題就不能局限在高端芯片領(lǐng)域,，更要從其他的路徑尋求多元化的發(fā)展,。

在這個階段，以英偉達(dá)為主導(dǎo)的高端芯片領(lǐng)域和以浪潮信息為代表的服務(wù)器硬件升級,，都將站在市場的聚光燈下,。今天的市場，需要更多元,、更勇敢,、更執(zhí)著的探索者、創(chuàng)新者,。