全国算力一体化进程进入关键阶段：服务器智能水平成决胜因素

在全国算力一体化建设的背景下，算力服务器正在扮演着至关重要的角色。

一方面，作为提供计算资源的核心设备，算力服务器是实现全国算力一体化的基础。通过集中或分布式部署，算力服务器为各种应用和服务提供必要的计算能力。另一方面，在全国算力一体化的体系中，算力服务器可以作为算力调度的中心节点，根据需求动态分配和调整计算资源，以满足不同地区和行业的计算需求。

与此同时，在AI训练需求快速上升的背景下，服务器市场规模也在快速扩张。IDC预计，2023年中国人工智能服务器市场规模将达到91亿美元，同比增长82.5%；2027年将达到134亿美元，年均复合增长率为21.8%。

但在全国一体化算力网建设规划下，传统算力服务器也面临着新的升级需求。

神州数码信创业务集团计算产品线总经理吴艳伟在接受21世纪经济报道记者采访时表示，算力需求的波动性算力需求会呈现峰值和低谷，需要数据中心能够灵活应对这种需求波动。例如，在特定事件（如春节）期间，某些地区的算力需求会急剧上升。而在这一背景下，就对数据中心自动化和智能化运维水平提出了极高的要求。

在他看来，未来为了应对算力需求的波动，数据中心需要自动化和智能化的运维工具，以实现算力的快速调度和优化，同时保证安全性和实现预测性维护。

算力服务器异构单元挑战

从技术角度来看，AI大模型对于算力服务器提出了无穷尽的需求。

“如果说千亿参数是大模型智能涌现的门槛，那么万卡则是AI系统设计的起点，对目前计算机系统提出了全面的挑战。”

首当其冲的挑战就是计算资源不足，浪潮信息相关负责人表示，AI系统的性能主要源于GPU等加速器，AI需要计算机系统具有强大的异构扩展能力，但是传统的计算机体系结构限制了异构加速器的扩展性。

“加速计算模块一直被作为CPU的配属单元，依靠PCI-e总线接入系统，只支持有限数量的异构单元，并且同CPU的通信带宽也十分有限，因而CXL、NVlink等下一代总线技术发展迅速。”

而在大模型的互联方面，该负责人表示，当前AI训练集群已经从千卡增长到万卡、十万卡，节点间的并行产生大量的通信需求。

相关数据显示，当前张量并行频率有28.4次/S，需要带宽194GB/S，网络的延迟和带宽不足使得计算单元经常因为等待数据而空闲，严重限制了集群效率。例如GPT-4的集群有2.5万块GPU，效率32%~36%，非常低，但在当前技术条件下几乎触顶。

在算法效率方面，由于AI训练是一个超级复杂的计算系统，算法结构与硬件结构匹配不合理、并行化处理不科学等都会导致整个计算平台的利用率偏低。

除此之外，智能算力需求的扩大也导致算力服务器面临巨大能效压力，当前单颗AI芯片的功耗已经突破2700W，单机柜AI服务器的功耗已经突破100KW，这样的热功率密度几乎超越了风冷的物理极限。而且国家“双碳”战略背景下，AI的能效挑战越来越大，不论技术、经济还是政策层面看，数据中心的液冷化是大势所趋。

巨大业务机遇

在上述问题的驱动下，算力服务器也在呈现出一些新的发展趋势。

首先，底层的体系结构创新迎来黄金时代。传统以CPU为中心的体系结构明显不能适应人工智能的计算需求，以数据为中心，基于CXL、NVlink等下一代总线技术的新一代体系结构发展迅速。

与此同时，系统创新越来越重要。单颗芯片性能提升受限，而AI对于大算力的追求永无止境。因此，AI计算系统只能集成越来越多的芯片来获得大算力，AI计算集群的设计起点已经达到了万卡级别。大规模计算系统中，互连、算法等关系整体效率的工作越来越重要，芯片的重要性反而在不断下降。

“智算节点内的P2P高速互连距离是非常有限的，最多能做到1~2个机柜之间的高速互连，所以AI计算必然走向高密度。同时，GPU的功耗越来越高，比如英伟达最新的GB200超级芯片（集成了一颗CPU、2颗GPU）最大功耗达到了2700W，高密度部署与高功耗芯片叠加，一方面使得智算服务器从传统机架向整机柜升级，从单台服务器交付向整机柜一体化交付升级，另一方面使得单机柜功率迅速提升从当前的12~16千瓦走到120千瓦，散热将逐渐走向液冷。AI计算、液冷和整机柜的结合将成为未来趋势。”上述浪潮负责人说道。

此外需要指出的是，在算力一体化布局下，服务器产业链公司也随之迎来了相关发展机遇。

吴艳伟表示，随着技术的发展，数据中心的运维正在更加智能，包括预测性维护和故障自愈能力，以提高运营效率和可靠性。

除此之外，一体化算力网的建设也进一步颠覆了算力业务的传统商业模式。

吴艳伟告诉21世纪经济报道记者，当前算力的传统业务模式如单纯销售服务器硬件等，正在向提供算力租赁等新服务模式转变。这种模式允许不具备建设大型数据中心能力的机构，如高校、研究所和创新企业，通过租用算力来满足其高端计算需求。“未来，算力租赁有望作为一种新的商业模式，允许在算力需求高峰期将算力调度到需求高的地区或行业，从而提高资源利用效率。”吴艳伟说道。

更多内容请下载21财经APP