渲染技术下的算力基础设施发展有什么趋势？

当前，渲染技术下的算力基础设施发展呈如下趋势：

一、算力网络：从“算网融合”逐步过渡到“算网一体”，扩大算力边界。 渲染需要足够的算力资源，这要求算力提供商在能够提供广泛分布的服务器集群以支撑大规模计 算需求的同时，还能通过网络连接算力，以此突破单点、单技术提供商的算力上限，形成算力资 源的智能分配、充分调动。

“算力 + 网络”形成的算力网络是通过网络控制面分发算力服务节点的算力、存储、算法等资源 信息，并结合用户需求，提供最佳的资源分发、交易、调配的优化方案，能够将分布的计算节点 智能连接起来，形成计算资源可感知、可调度的网络。算力网络可以通过构建社会算力泛在连接、 智能调度能力和可信交易等技术，盘活新建和存量算力资源，实现全社会算力的充分利用。

算力网络的发展将经历“算与网的泛在协同”“算与网的逐步融合”“算与网形成一体”三个阶 段，而智能调度系统的发展与成熟将是决定市场发展进程的核心因素： 智能调度系统纳管多技术提供商节点以及中心云、边缘云等各类算力节点，通过分布式云架构 实现资源的统计、调配、管理与运维。算网泛在协同是整体起步阶段，这一阶段整个体系仍以 算力为中心，能够实现跨地域、跨机构、跨空间的算力资源供给。在第二阶段，算和网仍是两 个主体。在“算与网形成一体”阶段，算与网的边界将被打破，形成算与网的统一控制、编排 与管理。算力将被融入网络路由，形成“网络 + 计算”的算力路由。同时，部分计算任务也将 由计算设备中卸载到闲散的网络设备中，形成边走边算的在网算力。

二、边缘节点：云 - 边 - 端将成为降低渲染任务时延的必备基础架构形式，算力走向分布式 。依托于云端进行渲染，中心化的云服务可以提供大量的计算资源，但是云服务节点往往部署在少 数几个一线城市区域，位于下沉市场或距离中心节点较远的用户通常会遇到时延长的问题，用户体验受到极大挑战。随着渲染应用场景的广泛渗透，将有全球、全国各地的企业用户提出渲染计 算任务请求，将所有的计算任务请求都汇集到中心节点显然是不可行的，也难以满足用户低时延 渲染的要求。

边缘云是服务商或用户基于业务需求，将公有云服务或私有云解决方案由少数或单个计算节点（中 心节点）向边缘节点自然延伸而形成的服务或解决方案。通过建立边缘节点，构成“云 - 边 - 端” 的体系架构，将计算或存储任务下沉至边缘，提升边缘资源利用效率，将数据下沉到边缘，节约 回源带宽成本。与此同时，基于边缘节点资源，重构部分或全部 IT 功能，实现基于边缘的数据闭环， 提供时延更低、网络质量更好的产品与服务，提升用户体验。

IDC 认为，支撑渲染的基础架构将从过去传统的云到端部署，演进为云 - 边 - 端协同⽆处不在的 新型计算架构，越来越多的企业将寻求更加灵活、地理分散的基础架构资源，以此更高效地完成 自身的渲染业务。

三、异构算力：面向渲染计算密集型任务时，CPU+GPU 成为主流方案，CPU+GPU+DPU 有望 形成新趋势 。渲染是一类计算密集型任务，需要计算速度快、并行高，以此达到低延迟、稳定、高分辨率的画 面输出。CPU 强调通用性、全局调度、管理、协调能力。为此，CPU 需要通过引入大量的分支 跳转和终端处理以支持复杂的逻辑判断，因而 CPU 中存储单元与控制单元比重较大，计算单元的占比降低，因而 CPU 不擅长高效处理并行数据任务。

传统的 x86、ARM 等以 CPU 为单一计算单元的通用算力难以满足渲染并行能力的要求，而通过 引入不同类型指令集、不同架构的计算单元来执行并行和分布式计算的异构计算方式正在成为主 流解决方案。

除了 CPU 外，典型的计算资源还包括 GPU、ASIC、FGPA 等。根据资源类型的不同组合，异 构计算架构可以组合为 CPU+GPU、CPU+FGPA 等多种类型。其中，GPU 芯⽚采取单指令、 多数据处理方式，采⽤数量众多的计算单元和超⻓的流⽔线，主要用于实现视频数据的处理。 CPU+GPU 的方案广泛应用于图像渲染领域。

CPU+GPU+DPU 有望形成新趋势：随着云原生应用的发展，数据中心网络传输带宽持续升级， 而带宽的逐步增大意味着有更多的网络数据需要处理，这将给 CPU 带来更多的成本消耗。DPU 主要作用是提升数据中心等算力基础设施的效率，为 CPU 分担网络协议数据处理、存储相关的 高速接口标准协议处理等工作。将云平台虚拟化工作及 I/O 功能卸载给 DPU，能够构建更加高 效的计算方案，支持更大规模、更高性能需求的场景。