<address id="7thvr"></address>
      <strike id="7thvr"></strike>

            <form id="7thvr"><nobr id="7thvr"><th id="7thvr"></th></nobr></form>

                英偉達的“GPU共享抗疫法”,為什么沒能走進中國方案?
                來源:ItSun 時間:2020-03-20 16:49

                它來了它來了,它帶著AI方案走來了!

                海外疫情的日益嚴峻,AI投身抗疫的海外版也陸續上線。

                在諸多項目中,共享算力方案聽起來格外耳熟。有點像中國人民“躺在家為國做貢獻”類似,英偉達號召游戲玩家們“開電腦為抗疫做貢獻”。,吁PC玩家們捐獻自家GPU/CPU的閑置算力,支援斯坦福大學的分布式計算Folding@home(FAH)項目,以彌補病毒研究算力的不足。

                英特爾、MSI微星等巨頭和網友們也紛紛響應,表示自己準備好了:為了拯救世界,多掏點電費算什么!MSI甚至用了“復仇者聯盟”終局之戰的配圖,用“人人都是超級英雄”來瘋狂暗示。

                不過,共享算力能否為抗擊新冠病毒起到作用?為何在中國抗疫方案中卻沒有見到它的身影呢?

                共享算力:分布式計算的全民版本

                想要了解共享算力對于抗擊新冠病毒的價值,要從斯坦福大學 Pande 實驗室發起的Folding@home說起。

                所謂算力共享,是指依托建立的網絡信息中心,運用云端分布式計算技術實現網絡算力的互聯共享,以達成分析計算。

                比如這次用于抗擊新冠疫情的Folding@home,就是目前世界上最大的分布式計算計劃( 2007 年吉尼斯世界紀錄),主要用于疾病的AI研究,為蛋白質折疊、聚合及由此引起的相關疾病,進行藥物計算設計和其他分子動力學研究。

                自 2000 年 10 月 1 日啟動以來,已經吸引了英偉達、索尼等商業巨頭的參與,成功模擬5- 10 微秒的折疊過程。目前,Folding@home所有的 GPU 項目,也都瞄準了COVID-19 ,旨在找到它的潛在藥物靶標,未來CPU項目也會盡快加入。

                玩家的參與方式,需要在項目客戶端上選擇“Any disease”,就會收到相關需求,根據其進行客戶端設置就好。然后Folding@home就會在后臺,以非常的優先級,也就是在計算機空閑時來供給案例,不必擔心會影響游戲、視頻等正常的計算機體驗。

                而在疫情爆發之前,算力共享也已經有了不少成熟應用。

                早在 2002 年就建立的項目“BOINC算力地球”,就號稱能夠幫助普通人的電腦實現和外星文明的“第五類接觸”。

                C端用戶允許BOINC在閑置時調用個人的CPU 和 GPU 計算能力,支持數學、醫學、天文學、氣象學等各個領域的科學研究。英國牛津大學就曾使用BOINC的算力來預測未來 100 年全球氣候變化。

                過去十幾年間 BOINC 平臺的算力資源一直在持續增長。截至 2019 年 3 月,已經有超過 440 萬的志愿用戶加入BOINC ,日活的主機大約 60 萬臺,貢獻出大概 30 PFLOPS 的算力。如果按照AWS服務器同等體量的算力租金來計算的話,共享一年的價值就相當于全球PC用戶為科研捐出了 5000 萬美元。

                而BOINC的創建者,正是加州大學伯克利分校分布式計算領域的著名科學家David Anderson。

                BOINC支援過最大的項目,是加州大學伯克利分校發起的、搜索外星智能生物的計算資源共享計劃SETI@HOME。分析位于波多黎各阿雷西博天文臺和望遠鏡,以及位于維吉尼亞州的綠岸天文望遠鏡(Green Bank Telescope)所搜集到的無線電信號,來尋找外星高等智能生物存在的證據,是一個龐大的運算工程。

                1999 年 5 月 17 日啟動至今,吸引了全世界超過500 萬個用戶,有超過 71 萬臺活躍主機,每天提供約30PetaFLOPS的運算能力。

                當然,分布式計算平臺真正大規模走入人們的視野,還離不開“挖礦”的市場化洗禮。

                2017- 2018 年,區塊鏈(尤其是數字貨幣)的火熱也帶動了“共享算力經濟”,出現了眾多可以出租個人計算機資源的平臺。用戶將帶顯卡的機器托管到礦池里,把剩余算力租賃給“礦場”挖礦來獲得收益,平臺也得以降低虛擬幣的算力成本。

                那么,共享算力作為分布式計算的“民主化版本”,究竟有哪些利與弊呢?

                豐滿理想與骨感現實:

                共享算力的真實面貌

                國王說 :“親愛的大臣,昨晚我夢見一個數字,是190554261410902619,我不知道這個數是不是一個素數,我需要最快知道答案。”

                大臣回答 :“陛下,我也不知道,不過,我們剛給王國里的每個百姓按自然數順序編了身份證號碼,只要發布命令,讓每個人用自己的號碼去除國王所夢見的數字,很快就能得到答案。”

                命令發布后的第二天,國王就收獲了兩個報告 ,一個是 456275009,另一個是 456275291。

                這個故事中,就蘊涵了分布式計算的思想。

                AI,人工智能

                一方面,信息技術的飛速發展、人工智能的產業化浪潮,讓處理、分析海量數據的算力,成了新的關鍵資源。

                比如分析蛋白質這類項目,涉及到復雜的模型結構和龐大的計算量,即便是利用超級計算機也需要消耗很長的時間,以及高昂的服務器租賃成本。

                如果能讓許多計算機參與到運算過程中,將需要大量計算的項目分割成小塊,由由多臺計算機同時處理,再上傳運算結果后統一合并得出數據結論,過程就能夠大為縮短。

                而且,與中心化的商業云計算平臺不同,大量個人計算機的用戶都存在一定的資源閑置。

                有統計顯示,全球的電腦年出貨量是 2 億臺,以每五年為一個更換周期來計算,全球大概有 10 億臺電腦隨時保持運行的狀態,但利用率只有20-30%,絕大部分時間都在閑置狀態。

                如果讓它們成為分布式計算的節點,以公益捐贈或者小成本購買的方式,那些因無力支付算力費用而停滯的項目因此獲得支持,按需取用,豈不是人類的科技進程都要加快很多?

                當然,共享算力這事兒出道多年,始終沒有收獲規模化 的個人用戶支持,背后一定是有其特殊的原因。

                首先,共享算力一般會發生在高度公益屬性,或是具備高度經濟收益的項目上。

                個人閑置算力的確資源龐大,而且成本低廉,試問誰不想在這場算力圈地運動中“一呼百應”呢?畢竟云服務商自己搭建數據中心,還要投入機房、房租、電費、運維等等成本。如果讓全民為自己打工,這種場景你仔細想……你想得美!

                要知道,就算平臺的信譽有所保證,用戶在共享閑置算力時電腦也要持續運行,尤其是使用GPU計算時,會一直會保持在滿負載運行狀態,耗電量也必然會增大,有的還會占用軟件內存導致卡頓,設備的耐久性和壽命也會因此打折扣。

                所以除非有足夠的理由驅使,比如為了人類命運共同體協力抗擊病毒,亦或是給予充分的經濟回報,比如挖礦,否則很難調動起大多數人的積極性。

                其次,就算是值得托付的項目/平臺,也未必能管理好共享資源。

                一方面,分布式計算只適合那些能夠通過計算來解決全部或部分問題的研究,而且計算過程還需要容易被分割成個人計算機處理能力可接受的大小,這就限制了許多研究采用“共享模式”來進行。

                另一方面,項目方/平臺方需要管理海量用戶的GPU/CPU硬件資源,但商業競爭的關系,GPU的設計細節并未公開,不同廠商產品也存在很大的差異。而且算力上傳到云端虛擬化還會產生性能損耗,這都增加了其部署和管理的難度。

                這也是為什么,在上線 21 年后,SETI @ Home決定在今年 3 月 31 日終止向志愿者分配作業。項目小組解釋,是因為已經分析完所有需要的數據,而且數據的分布式計算管理很費事,專案小組決定把精力放在完成數據的后端分析,和撰寫論文上面。

                第三,能將共享資源效率最大化的平臺,必然具備強大的技術能力,這也限制了共享項目的擴張。

                因為對海量個人算力的云端虛擬化、調配,需要部署分布計算環境(也稱為中間件),用來提供公共服務,支持分布式應用,否則,項目人員就不得不解決多種操作系統、多種網絡協議、多種數據庫、性能、效率、安全等等,與業務本身沒有直接關系的難題。

                比如虛擬化技術,多核 CPU 和擁有大量核數的 GPU出現,讓計算機性能得到數量級提高的同時,也加大了共享的部署難度,很容易造成GPU密集型負載的性能混亂和資源浪費,這就需要通過虛擬化來對豐富的計算資源進行抽象和模擬,讓算力達到原生GPPU/CPU的性能,同時成千上萬個應用相互之間沒有任何干擾。

                這樣功能強大、穩定統一的技術,主要還是掌握在云計算廠商手中。

                這或許也從某個層面,解釋了中國的AI抗疫動作里,暫時還沒有出現“全民共享GPU”這個選項。

                方興未艾,自有擔當:

                中國云計算的今日景況

                其一,中國云計算產業規模不斷增長,擁有相對充足的算力資源。

                在過去的數年間,從國家政策到企業需求,推動了國內云計算產業規模的高速增長。信通院、IDC等研究機構發布的數據顯示, 2018 年,中國云計算產業規模達到962. 8 億元人民幣,較 2017 年增長39.2%, 2019 年產業規模則預計超過千億,達到1290. 7 億元人民幣。眾多省市都在建設超級計算中心,這為抗疫期間AI算力的緊缺需求,提供了高效戰略調動的前提。

                第二,中國云服務廠商市場份額和技術能力趨于世界前列,在疫情危急關頭挺身而出開放算力。

                IDC《全球公有云服務市場跟蹤》報告顯示,中國公有云服務整體市場規模(IaaS/PaaS/SaaS)超 40 億美金,中國云廠商占據了全球四強席位。

                而這些科技企業的加入,也撐起了算力需求的江山。阿里云宣布向全球公共科研機構免費開放一切AI算力,百度研究院免費開放線性時間算法LinearFold以及世界上現有最快的RNA結構預測網站;滴滴云也免費開放了GPU云計算資源和技術支持,用于抗擊疫情相關工作……此外,一些云服務廠商也在積極研發,并無償開放多款專門針對疫情調研、排查、防控的智能服務產品,比如至少阿里、騰訊、字節跳動、華為等云協同辦公廠商先后免費開放多項功能,上海經信委與各運營商商議提供 6 個月以上云辦公、云視頻會議的免費服務……

                有這么多算力巨無霸撐起了計算資源的硬核輸入,自然也就不需要號召全民開機、支持抗疫了。

                從這個角度來說,爭分奪秒的“GPU抗疫”,既是對與新型冠狀病毒賽跑的科研人員的強有力支持,也是一個全球云計算業態的最佳側寫。

                快訊
                中中文字幕亚洲无线码 - 视频 - 在线观看 - 影视资讯 - 爱雨网