
朋友圈里好多人都在说“东数西算”,东数西算对咱老百姓的生活有什么影响呢?小美就“东数西算”问题,请教了一下悟空博士。
小美:东数西算中的“数”和“算”究竟是什么?
悟空博士:从技术角度来看,“数”指的是数据,“算”指的是算力。大家耳熟能详的“南水北调”、“西气东输”和“东数西算”有点类似,“东数西算”也属于资源跨地域调度。“东数西算”是就是把东部产生大量的业务数据,通过网络传送到西部的数据中心,由西部的数据中心,经过计算的处理后,再返回到东部。
小美:悟空博士,东数西算是怎么来的呢?
悟空博士:东数西算其实是一个国家的重大工程。2021年5月24日,国家发展改革委、中央网信办、工业和信息化部、国家能源局联合印发了《全国一体化大数据中心协同创新体系算力枢纽实施方案》。文件提出,在京津冀、长三角、粤港澳大湾区、成渝,以及贵州、内蒙古、甘肃、宁夏等地布局建设全国一体化算力网络国家枢纽节点,发展数据中心集群,引导数据中心集约化、规模化、绿色化发展。国家枢纽节点之间进一步打通网络传输通道,加快实施“东数西算”工程,提升跨区域算力调度水平。这是东数西算的缘起。
小美:悟空博士,为什么东数西算在今年开始就频频听到这个词了呢,今年的两会,也有很多代表的提案跟东数西算有关?
悟空博士:在今年2月17日,国家发改委、中央网信办、工业和信息化部、国家能源局联合印发通知,同意在京津冀、长三角、粤港澳大湾区、成渝、内蒙古、贵州、甘肃、宁夏等8地启动建设国家算力枢纽节点,并规划了10个国家数据中心集群。“东数西算”工程就算正式全面启动了,东数西算就落到了实施层面。
小美:悟空博士,为什么叫东数西算呢?
悟空博士:大家普遍会比较好理解东西部之间的数字鸿沟,东部和西部之间一直存在着经济、文化等等差异,国家提出“东数西算”,就是把东部的数据拿到西部去计算,也是类似,东部和西部的资源不同,在全国上下发展数字经济的时候,也要从资源的调度层面去考量,通盘布局。
东部人口多,经济发达,相对应,东部的手机等等各种设备使用量大,使用频次高,东部的需要计算、处理的数据多,就出现了算力资源不够的问题。
小美:东数西算的意思,就是东部的算力用量大,算力资源不够了?
悟空博士:对,与西部相比,东部的人口密度大,信息通信应用密度大,东部的经济基础好,数字化转型也在加速,各行各业的数字化需求持续增长,对算力的需求也越来越多。这与东部的算力资源供应,形成了鲜明的对比。
如果单靠东部算力增速,已然无法满足东部自身的需求,因此,解决这一问题的思路,就是要从西部找出路。
小美:当年唐僧是去西天取经,现在是从西部找出路,就是缺啥补啥呗。是不是就就像“南水北调”、“西气东输”是在将资源进行重新分配?
悟空博士:是的,“东数西算”就如同“南水北调”、“西气东输”,把水,气这样的资源送到缺少资源,需要资源的地方去。
小美:水和气都是天然的,中国的南北因为水资源丰富,所以“南水北调”,那西部的算力资源丰富吗?
悟空博士:算力是一种人造的资源,所谓的人造,就是和水、气不一样,不是天然资源,要用人为的方式制造出来。制造出算力,依仗的资源主要是电力成本,当然,还有土地、人才成本等等。
小美:既然算力不是现成的,那西部应该也没有现成的算力资源,是不是也需要来制造?
悟空博士:西部的算力资源也不是现成的,所以要建成渝、内蒙古、贵州、甘肃、宁夏等算力枢纽。
小美:东部的算力资源的紧张,靠西部算力先“造血”,再来为东部“输血”?
悟空博士:是的,不断增长的数据需要日益增长的算力来支持,在东部地区由于土地、电力等限制,达到算力供应的饱和状态后,就需要外部资源的支持,也就是说持续增长的数据,需要引入外部算力的支援和助力。
小美:悟空博士,既然算力资源也是人为制造的,那西部的算力资源是不是比东部的算力资源更容易得到?
悟空博士:从成本角度考虑,东部的土地成本、人才成本都高于西部,自然而然可以理解,在“双碳”目标的大前提下,电力成本对东部地区来说,也变成了奢侈品。东部的数据如果继续放在东部的算力资源去处理,无疑增加了东部自身数字经济发展的准入门槛。所以,不如把一部分数据拿到西部去算。
小美:把东部的数据拿到西部去计算,是不是可以理解为,东数西算也是一种人为的资源调配?
悟空博士:是的,说到底,东数西算,也是寻求资源的平衡。
东数西算,其实是追求算力和数据能力的动态平衡。
小美:听上去还有大学问,我下次再请教吧。
【作者】
中国信通院云大所副总工程师 王蕴韬(悟空博士)
科技行者执行总编辑 孙封蕾(小美)
好文章,需要你的鼓励
Adobe研究院与UCLA合作开发的Sparse-LaViDa技术通过创新的"稀疏表示"方法,成功将AI图像生成速度提升一倍。该技术巧妙地让AI只处理必要的图像区域,使用特殊"寄存器令牌"管理其余部分,在文本到图像生成、图像编辑和数学推理等任务中实现显著加速,同时完全保持了输出质量。
香港科技大学团队开发出A4-Agent智能系统,无需训练即可让AI理解物品的可操作性。该系统通过"想象-思考-定位"三步法模仿人类认知过程,在多个测试中超越了需要专门训练的传统方法。这项技术为智能机器人发展提供了新思路,使其能够像人类一样举一反三地处理未见过的新物品和任务。
韩国KAIST开发的Vector Prism系统通过多视角观察和统计推理,解决了AI无法理解SVG图形语义结构的难题。该系统能将用户的自然语言描述自动转换为精美的矢量动画,生成的动画文件比传统视频小54倍,在多项评估中超越顶级竞争对手,为数字创意产业带来重大突破。
华为诺亚方舟实验室提出VersatileFFN创新架构,通过模仿人类双重思维模式,设计了宽度和深度两条并行通道,在不增加参数的情况下显著提升大语言模型性能。该方法将单一神经网络分割为虚拟专家并支持循环计算,实现了参数重用和自适应计算分配,为解决AI模型内存成本高、部署难的问题提供了全新思路。