![](https://csdnimg.cn/release/download_crawler_static/87327143/bg6.jpg)
通用算力,成为全球算力主流。随着摩尔定律逼近极限,以 CPU 为主的通用计算性能提升
放缓,为保证数据处理效率, GPU、DPU、FPGA 等异构加速芯片将有望取代 CPU 成为智
算中心的主算力。
存储系统实现应用数据的持久化,向应用提供数据访问服务。随着社会智慧程度的提高,
海量数据收集、分析、处理带来的挑战越来越大,智算中心必须解决好数据“存得下、读得
出、用得好”的问题。需要多方面的提升存储能力,首先,存储介质由单一的 HDD 向 SSD、
SCM、HDD 等异构存储介质演进,采用高速存储协议 NVMe,满足上层多样化的数据存储
需求;其次,需要提升数据存取效率,重点解决处理器内部、处理器和内存、内存和外存以
及服务器之间等不同层级数据存取的效率问题,包括提升 L1、L2、3 的 Cache 缓存能力、
构建大规模持久内存池、引入 RDMA/DMA 协议等,实现端到端数据存取加速,最终实现
降低访问时延、大幅提升传输效率的目的;最后,传统集中式存储在弹性扩展能力等方面存
在力不从心,基于通用硬件构建的分布式存储快速发展。
2. 智算中心网络发展趋势
在过去十年,数据中心网络技术经历了两个发展阶段:
(1)虚拟化时代(~2020),以应用为中心,提供远程服务:各类敏捷智能的微服务应
用的发展,推进了企业的数字化转型。在这一阶段,分布式和虚拟化技术替代了大型机、小
型机,满足了当时企业业务扩展带来的弹性需求,通过 ESXI/OPS/Docker 等虚拟化技术,
实现生产系统上云,推动数据中心高速发展。
(2)云化时代(~NOW),以多云为中心,提供云化服务:多云之间算力无损调度需
求,推进了云化计算和算力网络发展。在这一阶段,出现了资源池化技术,把计算和存储资
源分离,再规模化编排和调度,提供了超大规模的计算和存储资源池。GPU 高速发展、算
力普惠,带来算力中心集约化建设,数据中心正从“云化时代”转向“算力时代”。
传统数据中心,面向传统的计算处理任务,或离线大数据计算,以服务器/VM 为池化
对象,网络提供 VM/服务器之间连接,聚焦业务部署效率及网络自动化能力。智算中心是
服务于人工智能的数据计算中心,包括人工智能、机器学习、深度学习等需求,以 GPU 等
AI 训练芯片为主,为 AI 计算提供更大的计算规模和更快的计算速度,以提升单位时间单位
能耗下的运算能力及质量为核心诉求。