自适应计算可成为新基建的强大数据处理引擎

唐晓蕾（Maria Tang），赛灵思大中华区销售副总裁唐晓蕾（左），酆毅（Bob Feng），赛灵思大中华区核心市场总监酆毅（右）

1   新基建“新”在哪儿

我国正大力发展新基建。新基建“新”在哪儿？新在数据，即如何做基建以把数据的能量很好地释放出来，使数据能更好地流通，以改变生活。

所以以前的基建是围绕人，即怎样改变人的生活，怎样让社会更高效；新基建的目标是“新”，在于围绕数据进行的基建。

我国给出了新基建的七大领域：其中5G、人工智能、数据中心，主要关于数据的产业化，即怎样把产生的数据，通过手机、智能工厂、人工智能变成产业化的东西；汽车、城际高速、特高压、工业物联网是非常独特的领域，特点是能够产生海量的数字，同时又是传统行业，因此，我们要思考怎样让传统行业利用数据产生的能量加速发展。所以，人们把新基建分成数字产业化和产业数字化（如图1）。

图1 新基建按照数据的分类

2   数据引力带来了边缘计算的需求

为何今天数据变得如此重要？因为当数据成为一种社会的能量聚集点后，会吸引很多服务、应用向数据靠拢。这也产生了边缘的智能计算。（如图2）。 

图2 “数据引力”图

数据的引力作用由2个层面来决定，以下以新基建中的工业物联网来说明。

1）系统的延时所带来的诉求。从控制系统角度，控制的速率是由自然数据的频率，即自然速率来决定的。根据Nyquist定理，至少要2倍的采样频率才能实现有效的信息捕捉。对于系统，它的要求更高，理论上是需要有10倍的采样频率（如图3）。

例如，对于较慢的频率，如燃气发电机或者是风力发电机，它们的数据频率可能是在十几Hz或几Hz，但是控制速率需达到10 ms左右。这时如果对控制系统的作用是通过中央处理平台来实现的，会给物理限制带来挑战。因此无法通过云化来进行这样的控制系统的管理。

2）成本角度。对于计算中心，同样是发电站的数据量消耗，图4左列出了各种I/O控制的数据量，推断到每分钟、每小时、每天，每月的吞吐量，结果是一个普通的电站所产生的数据量，至少在7 700 GB以上。以亚马逊云(aws)的云存储服务作为模型来计算，仅发电站的数据存储成本，每月要超过1.3万美元。

可见，由于数据引力，一方面是数据的物理限制导致了本地化部署的需求，另外是数据的数量，二者同时把计算推向了边缘。即加倍的边缘计算及智能化带来了工业物联网领域的需求。

图3 系统物理图

3   杂乱无章、爆炸性增长的数据需要自适应平台

数据今天是以一种什么样的形式出现？①是杂乱无序的，②增长既不是线性的，也不是指数级的，而是爆炸性的。线性的，例如随着手机用户的增多，数据产生的量就多了，实际上，每部手机的带宽/数据流量是有限制的。但是今天，我们面对的不是这种形式，而是能够接入、产生数据的端越来越多，即每个端都在产生海量的数据。

这些数据是怎样完成传输、计算，从而产生内容和意义的？实际上，它不是一种架构就能够产生。即不像以前简单的诸如通讯里的数据，或汽车里的数据，而是把短视频、流媒体等各种不同的数据都叠加进来。所以，单一的数据架构无法独立完成这种海量数据的处理。

为此，自适应和智能计算的领先企业赛灵思公司（Xilinx）于2018年提出了“异构计算”概念。当时正处于数据爆炸的黎明，赛灵思认为：异构计算将会是整个世界需要的一种计算模式。

因为芯片的迭代周期越来越慢，而不是越来越快。例如，从90 nm到16 nm过程，在制程上每2年左右推出一代新品，或是容量翻番。但是，随着进入到20 nm之后，芯片的推进周期越来越慢。

但从另一角度来看，创新是在快速演进的。例如现在的智能世界和AI（人工智能）时代，算法的演进是非常快的，以AI为例，可能算法的演进也就是一篇论文的发表，人们就能发现一个全新的世界；与此同时，行业标准也在不停地从各种维度更迭。所以今天的创新和芯片的周期变成了一种非常不匹配的节奏。

因此世界在呼唤一种自适应的计算，它不被芯片的设计周期所限制；但是又同时在算法演进和行业标准推进的时候来支撑人们的想法，再跟上保密性/安全性的需要，以及传感器和接口数量不断增加时，能够有一种硬件，让用户可以自适应地去满足这些需求。

图4 发电站的数据量及成本

2018年赛灵思推出了区别于CPU、GPU的一种新型计算架构——ACAP（自适应计算加速平台）。

对于新基建，赛灵思怎样落地？首先是让客户去接受赛灵思的产品；然后再根据客户的需求做优化，并如此反复迭代——因为新基建落地的过程是螺旋式上升的，可能要经历5~10年的漫长过程，所以需要把该落地，能落地的事情先做好，然后在和客户一起成长。

自适应的核心是适者生存。在这样一个创新的、瞬息万变的时代，灵活多变的高性能自适应计算平台，有望成为创新的利器和驱动新基建的强大引擎。

本文来自2020年8月期《电子产品世界》