2022先进计算七大趋势指的是什么？

下面关于2022先进计算七大趋势的内容。

1.趋势一：量子芯片 —— 航海梯山，无远弗届

量子计算是基于量子力学的全新计 算模式，具有原理上远超经典计算的强 大并行计算能力。量子计算以量子比特 作为信息编码和存储的基本单元。与经 典比特只能代表 0 或者 1 不同，具备叠 加态的量子比特是 0 且 1 的存在。恰当 利用量子叠加态与纠缠态，将使得量子 计算机的运算效率远超传统计算机，获 得指数级别的增长。

算力危机下，量子计算作为一种颠 覆性的计算体系，具备帮助人类实现算 力跨越式发展的无限潜力。随着“量子 计算优越性”已被证明，量子计算已迈 入含噪声的量子计算（NISQ）阶段。当 下，科研与产业发展的重点将集中在实 现解决特定问题的专用量子计算机上。

量子芯片是将量子线路集成在基片 上，进而承载量子信息处理功能的处理 器，是量子计算机的核心。量子计算机 想要实现产业化，迈向商业阶段，量子 芯片正是需要攻克的关键瓶颈。

目前，包括 Google、IBM 等在内 的科技巨擘和麻省理工学院、耶鲁大学、 中国科学技术大学等世界知名高校已在 量子芯片领域取得重大突破。

超导量子芯片，由于其电子线路设计 和制备的工艺与现代集成电路技术相兼容， 被认为是具有清晰的商业前景、能较快实 现产业化的一种量子芯片技术路径。 Google、IBM、麻省理工学院、中国科学 技术大学、浙江大学和初创公司本源量子 等在此技术上均有布局。

2021 年底，IBM 公司推出全球首个 127 超导量子比特芯片“Eagle”，突破 超导量子芯片百位量子比特的大关。但量 子芯片的规模与性能，不仅仅由名义上的 量子比特数目决定。逻辑门保真度、退相 干时间、量子比特间的连通性等也是评价 量子芯片性能的重要指标。接下来，超千 位比特的超导量子芯片有望在三年内问世。 在进一步提高比特数量的同时保证比特的 质量，将是超导量子芯片发展的重点。

2.趋势二：硅光芯片 —— 摩尔的尽头有“光”

随着集成电路微电子器件的进一步 微缩化，电子芯片在提高算力的同时所 面临的能耗和数据传输带宽等问题成为 了难以逾越的障碍。光子芯片作为一种 在数据运算与传输方面更具优势的集成 技术，在后摩尔时代发出闪耀“光”芒。

与电子芯片利用电子作为信息载体 不同，光子芯片是利用光子来生成、处 理并传输信息。光子是一种玻色子，其 静止质量为零，所以在信号传输的过程 中由质量的惯性所带来的能量损耗较小， 光子器件传输 1 比特信息所需要的能量 仅为电子器件的千分之一。同时，光子 的信息容量比电子高出 3 ~ 4 个数量级， 极高的信息密度与抗干扰能力是光子作 为信息载体的先天优势。光子芯片能够 在信息传输的同时完成计算，在与成熟 的硅基半导体加工工艺有机融合后，能 够释放光子计算的无限潜力。

半导体集成电路需要将大量微电子 原件（如晶体管、电阻、电容等）放在 一块基板上，硅光芯片则利用硅的强大 光路由能力，通过施加电压产生持续的 激光束驱动硅光子原件，来实现光信息 的传输、计算等功能。硅基光电子芯片在微电子技术和光电子技术之间取长补 短，既具有微电子尺寸小、成本低、集 成度高等特点，又将光电子高带宽、高 速率、多通道的优点发挥地淋漓尽致， 实现了两种物理体系的高效整合。另一 方面，硅光芯片对于工艺制程的要求较 低，45 nm 或 65 nm 的 CMOS 工艺线 即可满足现阶段光计算的绝大部分要求， 这使得硅光芯片在制备流程上具备极高 的性价比。

数字化的时代背景下，5G、人工智 能、物联网等领域下游应用的兴起导致 了数据量的井喷。根据 IDC 的预测数据， 2025 年全球数据总量将达到 175 ZB。

3.趋势三：类脑芯片 —— 来自大脑的答案

人工智能时代，存算分离的冯诺依曼 架构逐渐显现瓶颈。人脑是自然界中最完 美的通用智能体，类脑计算借鉴人脑处理 信息的方式，以更少的器件、更低的能耗 与更高的能效比解决冯诺依曼架构所面临 的“内存墙”与“功耗墙”等诸多挑战。

人工神经网络，是基于统计学递归原 理所构建的计算架构。而类脑计算是基于 借鉴脑神经元工作原理的新型架构，是一 种时域加空域的计算，在具备稀疏性的同 时能够有效体现人脑处理信息时候的高效 性、近似性与时空连续性。

类脑芯片，是类脑计算落地应用的硬 件载体。类脑芯片具备“事件驱动”的特 性，即只有输入信号达到一定的阈值，神 经元才会被激活并发出脉冲，通过人工突 触将信号传递到下一个神经元。在输入信 号不足以刺激神经元发出脉冲时，其他非 活跃神经元自身能够保持极低的运行功耗。 与此同时，类脑芯片还具备“存算一体 “的优势，能够很好地满足边缘计算领域 低延时场景的需求。目前，类脑芯片存在 基于数模混合电路、异步数字电路和同步 数字电路等多种技术方案，类脑计算的研 究也正处于飞速发展期。

在实验室领域，包括斯坦福大学、 曼彻斯特大学、清华大学以及浙江大学 在内的世界知名高校均在类脑计算方向 有所建树。而产业界中，IBM、Intel、阿 里巴巴等大型科技公司和众多初创公司 也正在积极布局类脑芯片。

4.趋势四：DPU —— 以数据为中心的计算

过去 20 年，智能化和数字化的浪潮 加速了云计算与数据中心的发展。作为信 息时代的 IT 基础设施，数据中心在快速 扩容的同时也面临着来自性能、规模、能 耗与安全的问题。

一方面，数据中心的计算资源被复 杂的基础设施操作所占据，留给业务处理 的计算空间正在逐渐缩减。数据显示，处 理 25G 带宽的网络服务，将耗费 CPU 约 20% 的算力，而当带宽变为 100G，这个 数字将提升到 70%。另一方面，服务器 集群的规模越来越大，如何高效地统筹各 服务器间的计算和存储资源是数据中心想 要实现降本增效必须克服的难题。

针对上述问题，从智能网卡演变而 来的 DPU 成为了共识的解决方案。 DPU 集合了高性能的网络接口与灵活可编程的 多核 CPU，能够实现算力卸载、降低网 络拥塞、网络虚拟化和安全加速等多种功 能，为数据中心业务与基础设施操作的分 离提供了强有力的支持。

DPU 最根本的功能是对 CPU 任务的 卸载。DPU 将数据中心基础设施操作中 占据 CPU 资源较多的网络、存储、虚拟化和安全等任务都卸载并集成到一个平台。 在此基础之上，CPU 算力能够被最大规 模地释放给上层应用，从而提升可供售卖 的计算资源，为数据中心带来经济效益。

DPU 另一个重要的使命是对数据中 心进行集群管理。DPU 作为数据中心的 大脑，利用快速的数据迁移能力实现基础 设施硬件的池化，包括算力的池化、存储 的池化以及将来内存的池化。池化后的资 源能够得到更高效的利用和管理，从而有 效降低数据中心的 TCO（整体拥有成 本）。与此同时，DPU 作为数据处理和 运维的中枢，负责将不同的数据任务调度 给最合适的 CPU、GPU 或 DPU 自身进 行处理，加速了异构计算到来的步伐。

5.趋势五：分布式云 —— 云边端协同的关键枢纽

从电子计算机的诞生到客户端电脑 的普及再到云计算的兴起，计算架构经历 了从集中式到分布式再到集中式的演变。 5G 与 IoT 浪潮之下，智能终端数量及其 产生的数据总量呈现指数级别的增长，集 中式的云计算难以满足带宽、时延与成本 的需求，算力架构开始再次向分布式迁移。

分布式云搭建在数据中心与终端设 备之间的边缘基础设施上，是云计算能力 向边缘节点下沉的表现。分布式云靠近数 据源头，广泛分布在不同地理位置，覆盖 各种数据热点区域和客户场景，就近提供 计算、网络、存储、安全等云能力。基于 以上物理层面的优势，分布式云是一种满 足广连接、大带宽、低延时和碎片化需求 的精细化云服务。

分布式云作为中心云的延伸，承担 着“神经末梢”的计算任务。与物流配送 “最后一公里”类似，分布式云最显著的 特点就是能够针对计算任务提供敏捷的响 应。由于终端设备与大型数据中心地理距 离的限制，传统云服务难以进一步降低如 自动驾驶和虚拟现实等应用的响应时延。 由于分布式云更靠近边缘侧，能够满足实 时数据分析与处理的数据产生和使用的需 趋势 五 求，从而为以传感器网络为基础的各类应 用提供了可靠的计算基础。随着分布式云 覆盖密度的提升，更多的边缘智能与端侧 智能将成为现实。

分布式云能够提供更高效和安全的 服务。中心云的模式下，大量终端设备的 数据需要回传到云端，极易造成网络通道 的堵塞和带宽容量的浪费。而分布式云的 架构，每一个计算节点都有能力承担数据 预处理的工作，从而实现数据的分层传输， 减缓大规模并发对于骨干网络的冲击。另 一方面，由于缩减了数据的传输链路，分 布式云能够减少传输过程中数据隐私泄露 的风险，并满足特殊客户关键数据不离场 的需求。未来，数据安全相关法律法规的 实行将使得分布式云成为企业的必要选择。

6.趋势六：泛在算力 —— 无处不在的算力网络

先进计算与网络技术的发展，推动 了智能世界万物互联的进程。未来社会， 智能化设备无处不在，算力也将无处不在。 迈入算力时代，算力将突破云的边界，向 万物蔓延，呈现出云边端立体化泛在分布 的趋势。泛在算力，将如同工业社会里石 油的角色一样，成为智能社会的基石。

进入后摩尔时代，受到性能、成本 和功耗等因素的影响，单个芯片算力的提 升逐渐放缓。与此同时，多核芯片数量及 性价比也趋于极限，推动了算力从单点向 网络化阶段的过渡。在算力需求不断增长 的背景下，网络化的算力能够弥补局部算 力的缺口和算力供给不均衡的现象。通过 网络连接泛在算力，突破单点算力的性能 极限，成为打破算力危机的关键。

网络化的算力并不仅仅是简单地将 云端数据中心与数据中心之间、数据中心 与算力需求端之间互相连接起来，而是构 建云边端一体的多层级算力架构。在面对 一些如自动驾驶、智慧安防等有着低时延、 大带宽算力需求的场景时，网络信道的传 输质量影响了数据传输的效率，从而限制 了云端算力的全量输出，产生算力供给与 算力需求间的错配。为了解决上述问题， 趋势 六 将部分数据处理工作从云端迁移至边缘端， 引入广泛分布的边缘算力，是建设网络化 算力体系的支柱。边缘算力的引入，不仅 能对计算需求起到“削峰填谷”的作用， 显著提升算力网络的效能，更能有效节省 网络带宽成本，提升算力网络的经济性。 未来，云端算力是主引擎，边缘算力是涡 轮增压器，终端算力是倍增器，共同打造 无处不在的算力网络。

泛在算力是多元异构且位置无感的。 除通用计算外，随着高性能计算和人工智 能加速器的兴起，算力的内核不断朝着 GPU、FPGA、DPU 等多元异构化的方向 演进。算力网络将通过统一的基础设施层对多元化的硬件进行管理和编排，并对外 提供多样性算力的统一供给。同时，算力 网络的智能调度能力将淡化算力供给来源 的意识，让算力需求方更专注于上层应用 的执行效果，实现算力的处处可用、计算 资源的位置无感。算力应用与算力基础设 施的解耦，将会催生更多智能应用和智慧 场景的诞生。

7.趋势七：科学复兴 —— 先进计算加速科学突破

科学的突破不仅仅需要敏锐的观察 力、丰富的想象力、严谨的推理能力，更 需要强大的计算能力。从手稿纸上基于人 类智力的演算，到图灵机代替人脑进行机 器运算，再到基于大数据的机器学习和逐 渐工具化的量子计算，人类每一次计算能 力的革新都助推着科技的发展。迈入算力 时代，以量子计算、光计算为代表的先进 计算技术将为人工智能等工具搭载全新的 引擎，加速人类科学复兴。

过去二十年，随着算力的不断提升， 人工智能系统正变得足够强大。AI 除了 可以应用于解决现实世界的问题，更能为 科学发现本身带来突破。当下，人工智能 已经成为科学研究人员的得力工具，开启 了众多全新的科学探究领域，并不断促成 跨学科的合作。

如果说数学是物理学的正确描述语 言，那么 AI 在生物学中也扮演着类似的 角色。由于长链氨基酸的三维扭曲、折叠 和交织，蛋白质结构预测成为困扰生物学 界 50 余年的难题。2022 年 12 月，人工 智能公司 DeepMind 发布 AlphaFold2， 这是一种能将蛋白质的形状预测到接近原 子尺度的 AI 工具。AlphaFold2 的预测 结果，帮助了人类进一步阐明蛋白质的作 用，也为了解癌症和新冠肺炎等重大疾病 提供了宝贵的参考。

虽然 AlphaFold2 预测人类蛋白质 的覆盖率很高，达到了 98.5%，但在某 些生物制药或疾病治疗领域，对氨基酸的 结构精度需要真正达到原子级别。从这个 角度看，AlphaFold2 还有很多的提升空 间。与此同时，AlphaFold2 模型在运行 时，仍需要耗费几个小时甚至一整天。未 来，随着 AI 加速器的不断进步和先进计 算技术的引入，人工智能底层的算力将会 迎来更大的腾跃，彼时的 AlphaFold2 将会以更高的功率、更精的准度，帮助人 类扩张已知蛋白质的数据库，并为靶向药 物的快速研发和迭代贡献计算的膂力。