前言：近年，“算力經濟”“算力時代”“算力改變世界”“算力驅動未來”等詞句在各個領域不絕于耳。那么，算力到底是什么？與我們有什么關系？當前算力產業面臨什么挑戰？如何破局進階全球領先？在前文《算力，關我什么事兒？》的時候，我們已經探討了部分問題，本章將進一步揭開算力的面紗～
今年，關于“元宇宙”（metaverse，meta+universe，意為超越宇宙）的概念持續升溫。先是號稱“元宇宙第一股”的沙盒游戲Roblox盛裝上市；接著游戲公司Epic高調融資10億美元；9月，字節跳動重金收購虛擬現實社交產品 Pixsoul，正式開始布局元宇宙。而就在美東時間10月28日，Facebook宣布將公司名稱更改為“Meta”，公司股票代碼將從12月1日起變更為“MVRS”，再次將元宇宙推向高潮。
關于元宇宙的概念眾說紛紜，它的終極形態也尚未清晰。綜合多家研報和如今流行的類似元宇宙的體驗，如《堡壘之夜》（Fortnite）或《機器磚塊》（Roblox）可以發現，交互方式、內容生產、算力、通訊、經濟系統和標準協議將成為元宇宙的門檻。總體來看，元宇宙將擁有迄今以來最高的算力要求，算力的可得性和發展水平將局限和定義元宇宙。
無限想象力需要無限算力的支撐。我們將目光回歸到當下的數字經濟時代，聚焦算力進階的每一個步伐。
算力需求不斷刷新記錄
數字經濟時代的特征是以云計算、大數據、人工智能為基礎，依靠強大的算力，以數字技術引領社會變革，為智慧城市、數字政府、智慧金融、智能制造等聚集智慧應用的領域注入源源不斷的動力，驅動經濟高質量發展。
而在 IT 產業，存在一個安迪-比爾定律（Andy and Bill’s Law），原話是 “Andy gives, Bill takes away”，安迪（英特爾前CEO安迪·格魯夫）提供什么，比爾（微軟前任CEO比爾·蓋茨）拿走什么，形象概括了IT產業中軟件和硬件升級換代關系。當前的算力行業正是如此，硬件廠商生產多少服務器，都會被算力廠商拿走，而下游應用市場對算力的需求永無止境。
據IDC預測數據，2025年全球物聯網設備數將超過400億臺，產生數據量接近80ZB，且超過一半的數據需要依賴終端或者邊緣的算力進行處理。斯坦福《AIINDEX2019》報告指出，2012年之前，人工智能的計算速度緊追摩爾定律，算力需求每兩年翻一番；2012年以后，算力需求的翻番時長則直接縮短為3、4個月。面對每過20年才能翻一番的通用計算供給能力，算力捉襟見肘已經不言而喻。
存內計算與分布式架構，推動算力螺旋上升
面對多樣化算力堆砌和多計算域的要求，不同層面的算力通過不同的技術方式持續演進升級。共同推動算力螺旋上升。
存內計算——提升單機性能
在單機層面，提升算力的一個主要的方向是借助對服務器系統架構的優化，弱化或突破“存儲墻”，打破數據讀取瓶頸，從而提升單機算力。
上世紀40年代，馮諾依曼確立了處理器和存儲器分離的基本計算架構：存儲器保存程序和數據，計算單元負責數據的處理。
在過去的20多年中，處理器的性能每年以大約55%速度快速提升，但存儲器與計算單元間的數據吞吐帶寬增長有限，內存性能的提升速度則每年只有10%左右，造成了當前內存的存取速度嚴重滯后于處理器的計算速度，高性能處理器難以發揮出應有的功效，即形成所謂“存儲墻”。
為了存儲墻的問題，一個直接的想法就是讓數據靠近計算單元，而且是物理臨近。因此，出現了“存內處理（PIM，Process In Memory）”，也稱之為“存內計算（In-Memory Computing）”，即在內存中加入運算回路，無需將數據傳輸到處理器中處理，只需將結果傳送到處理器即可，顯著減少數據在存儲器和計算單元之間移動所產生延遲和能耗，提高內存計算系統的性能。
但存內計算并非簡單地將數據移至內存即可，PIM體系結構需要思考并優化其他可能的性能瓶頸與問題，比如數據持久化、超出內存數據的統一管理（Larger-than-Memory）等問題。
分布式架構——提升集群性能
隨著互聯網的普及，尤其是移動互聯網的新興發展，數據規模爆炸式增長。傳統的單機數據庫越來越難以支撐，即使是將數據保存下來這個最基本的需求。于是，伴隨著對于系統性能、成本以及擴展性的新需求，分布式數據庫系統應運而生。
與單機數據庫把數據存儲在一個物理位置上不同，分布式數據庫把數據分散存儲在不同物理位置上，并可以輕松實現擴展。這種橫向擴展能力，解決單機數據庫的性能與存儲瓶頸，同時更加安全與可靠。
分布式數據庫是一個邏輯數據庫。對于用戶而言，在訪問分布式數據庫時，對于他使用的數據在物理上不存儲在自己的計算機中，而是由分布式的數據庫系統通過網絡從其它計算機中傳輸過來的這件事情無感。因此,對每一個用戶來說，看到的是一個統一的概念模式。
分布式架構顯然也帶來了其他問題，例如數據存取結構復雜、通信開銷大、數據安全性和保密性較難控制等。
也許有多少新能力被期許，就有多少新難題待攻克，但就是在不斷地探索蹊徑與取優劣汰的過程中推動了技術的進步。
RapidsDB集存內計算和分布式架構之大成
柏睿數據自主研發具有國產知識產權的全內存分布式數據庫RapidsDB是存內計算和分布式架構的集大成者。
一方面，RapidsDB通過將數據全量加載到內存中進行處理，省去了磁盤I/O開銷，具備更極致的讀寫速度，性能相對傳統的磁盤數據庫有數量級的提升；另一方面， RapidsDB 分布式架構可以很好地通過集群及數據庫分區的方式最大限度的提升高負載狀態下的數據庫性能。
并且，柏睿數據憑借多年深耕數據庫行業經驗，全面考量與優化全內存與分布式數據庫架構下，數據存儲、并發訪問控制、查詢優化、查詢編譯、執行引擎、數據持久化、高可用等方面新需求與新問題，打磨出的RapidsDB可支持高吞吐、高并發、高擴張、高可用的復雜應用場景需求，實現TB級數據及上百個維度隨機數據的秒級查詢，并滿足按需動態擴展的業務需求。同時，在避免數據遷移風險的前提下，RapidsDB實現對多源異構數據統一的接入、查詢、分析，并快速生成可視化報表。
除了上述通過存內計算與分布式架構提升數據庫整體性能外，算力產業正在多個層面并進，包括芯片算力、數據中心算力、網絡化算力等，以及通過軟件與硬件系統的深度融合來實現計算系統整體性能的提升，也是算力產業演進的重要方向。
遠觀元宇宙，近看智慧城市、數字政府、智慧金融、智能制造等應用，算力的需求邊界在不斷拓張，呼喚算力引擎新動能。作為卡脖子技術攻堅者的柏睿數據，將繼續協同產業上下游，攀登數字技術創新高地，助推算力產業與數字經濟發展。
