面向业务体验的算力需求量化与建模研究(征求意见稿).docxVIP

PAGE PAGE 10 中国通信标准化协会 面向业务体验的算力需求量化与建模研究 Research on Quantification and Modeling of Computing Force Requirement based on Service Experience 课题编号：2020B1 2020 年 06 月 目 录 算力需求量化与建模的研究背景 3 算力是人工智能革命的主要驱动力 3 算力的历史存在形式及发展 3 智能社会发展对算力需求逐步提升 4 算力需求量化与建模是算力服务的基础 5 算力定义及衡量指标 5 算力的定义 5 算力衡量指标 6 算力衡量模型 7 算力分级模型 8 算力分级的意义和依据 8 算力分级的标准 8 面向业务体验的算力、存储、网络联合服务能力 9 存储能力 9 网络能力 9 其他个性化能力 10 面向业务体验的联合服务能力 11 不同业务场景的服务能力需求分析 12 训练类场景 12 推理类场景 13 云 AR/VR 场景 13 视频类场景 14 智能驾驶场景 15 未来发展展望 15 算力、特别是边缘算力进一步扩大 15 算力与网络结合越来越紧密 16 算力提供者与使用者分离模式 17 附录 1：AI 芯片发展情况及实际应用示例 18 华为昇腾 AI 芯片简介 18 华为昇腾芯片的应用 18 英伟达 AI 芯片简介 19 英伟达芯片的应用 20 缩略语 21 参考文献 22 算力需求量化与建模的研究背景 算力是人工智能革命的主要驱动力 人工智能（AI）是一项引领未来的技术。近年来，随着深度学习、大数据、群体智能等人工技术在智慧医疗、智慧教育、智能安防、智能制造、智能巡检等领域的广泛应用，人工智能已经成为当代社会一项通用的技术，也是将来智能社会必不可少的技术。 算法，数据和算力共同组成人工智能的三要素，其中算法是关键因素，需要科学家们发明研究实现，如目前流行的机器学习算法，深度学习算法，算法的发展推动了人工智能发展的高潮；海量的数据则来源于各行各业的传感器测量，数据是人工智能的基础，如 AI 算法只有经过大量数据的训练才能获得性能较好的模型；算力是算法实现，数据处理的基础平台。 算力是人工智能的基础，也是AI 发展的主要驱动力，如同驱动前两次工业革命的煤炭和电力，算力也驱动着我们人工智能的革命不断前行。在上世纪 70 年代，人工神经网络模型的理论架构已经基本成熟，却在之后的几十年里一直没能得到认可、应用，直到近来才得以重见天日，这其中的根因就在于算力的限制，当时的算力无法有效支撑算法的运 行。在算法和数据确定的情况下，算力的增加可以使算法获得更好的训练效果，同时大大的减少有效的训练时间。如下图，随着GPU 算力的增加，TensorFLow 的训练时间大大减少。 图 1.1：TensorFlow 训练时间随GPU 增加的关系图 算力的历史存在形式及发展 算力以不同的形式存在于人类发展的各个阶段，从古代的算盘，到机械式计算器，第电子数字计算器，到晶体管，到移动电话。算力已经深度浸透到人们的生活中，从方方面面影响着我们每个人。 表1.1：不同时期的算力载体 年代 算力形式 算力特点 古代 算盘 基于人力的算力 1642年 机械性计算器 机械化算力 1937年 电子数字计算机 电气化算力 1947年 晶体管 集成电路化算力 1993年 移动电话 移动化算力 最早出现的算力载体是算盘，这一种基于人脑的算力形式，是中国古代劳动人民发明创造的一种简便的计算工具，被广泛应用于人们的日常生活。后来大约在1642年，人们利用算盘的原理，发明了第一部机械式计算器，解放了人力，算力进入机械化算力时代。之后1937 年John V. Atanasoff 和 Clifford Berry 设计了世界上第一台基于电子的计算机——“阿塔纳索夫 - 贝瑞计算机”，依托于物理介质的改变，算力的计算效率实现的质的飞越。贝尔实验室发明晶体管（1947）和 Jack Kilby 和 Robert Noyce 发明集成电路（1958）后， 算力载体的物理体积得以大幅度压缩，同时性能进入指数级增长轨道，出现集成电路计算机。而 1993 年，IBM 公司推出全球第一款智能手机Simon，正式标志着算力载体可携带，且不再被物理有源电缆所束缚，算力正式移动化。目前，算力已经深入到人们生活的方方面面。 智能社会发展对算力需求逐步提升 未来社会