近日,由e企业研究院主办的2019年中国数字万里行活动正式启动。作为一次以国内大型数据中心参观和考察为主的活动,今年的数字万里行依然以了解和报告中国数据中心发展状况和应用趋势为主要目标,e企业研究院组织了多位圈内知名记者赶赴祖国的大江南北,了解了包括华为云、阿里云、腾讯云、京东云、万国数据等多家公司的数据中心最新情况。
数据中心并不是一堆堆服务器、制冷系统、消防体系等堆砌起来的冰冷冷建筑,它的兴起和发展恰恰是数字化步伐加速而在我们这个时代所留下的烙印。因此,除了了解数据中心的建设位置、运行规模、设计思路、能效性价比等这些能够眼见为实的信息外,本次数字万里行活动中,我们也将目光放在了数据中心所运行应用上,从而可以看出数字化时代下应用的变化万千和发展趋势。
根据synergy research group的数据显示,2018年大型数据中心同比增长了11%,数量达到了430个,并且还有132个处于规划或建设的不同阶段,以阿里、腾讯、京东这些云和互联网公司为代表的超大规模数据中心用户,在数据中心建设的脚步并没有放缓,资本支出超过40%是用于建设和装备数据中心。这其中,近年来呈现出井喷增长的ai、hpc类应用是驱动数据中心加快建设的主要因素之一。这类型应用不仅加速了各行各业智能化的进程,也实打实地增加云和互联网公司们对于数据中心资源的需求。
因此,今年我们就从ai、hpc类应用的角度来看看本次中国数字万里行有哪些收获。
ai和hpc应用日趋增多
首先,我们来看看一家叫genedock的公司。这家公司致力以医学遗传为核心的精准医疗数据技术,提供基因数据的传输、存储、分析、计算、协作和应用等一体化解决方案,将生物信息云服务化。类似genedock这些生物信息公司,正在对生物医药领域产生重要影响,通过利用人工智能、大数据分析等技术帮助各种生物科研机构对生物信息数据进行分析,然后对包括产前筛查、新生儿、遗传病,以及癌症相关的诊断和用药指导,这背后都需要强大的数据分析处理能力来做支撑。
genedock的各项业务属于典型的ai、hpc应用,对于复杂基因数据的传输、存储、计算要求有着极高的要求,genedock选择在阿里云架构基础上建了符合基因数据国际安全标准的架构平台,使用阿里云对海量基因数据进行快速稳定的处理,极大提高了基因数据的解读效率,实现了持续稳定的批量交付。阿里云可以提供大规模的作业调度、高吞吐量的性能以及优秀的技术服务,让genedock这些公司可以将更多精力集中在核心业务。
以另一家公司video++为例,其以videoai视频智能系统、videoos视频小程序系统等视频ai技术为核心,主要业务业务包括ai场景营销平台、视频电商、视频互娱,让视频平台实现在视频中的购物、百科、虚拟植入、卡牌互动、投票、发红包等互动功能,月均为11135家视频平台提供101亿次服务,月独立覆盖用户2.8亿,日均视频播放量达到5000万量级。如此庞大的数据处理需求,以及瞬间高并发的应用需求,驱使video++选择了阿里云平台来部署相关业务应用,以应对各种数据处理与分析的挑战。
ai独角兽旷视科技日常拥有大量的ai应用,并于今年4月与中国移动呼和浩特数据中心展开合作,成为首家落户于内蒙古自治区的人工智能超算平台。平台将依托全球领先并拥有自主知识产权的人工智能框架旷视brain++与数据管理平台旷视data++,提供深度学习云平台服务能力以及引擎训练、计算资源、存储资源等服务,其背后则意味着数据中心通过ai算法不断的算法学习,也对数据中心的算力、存储以及网络层面提供坚固的支撑。
事实上,最近两年ai和hpc类应用在数据中心中增长趋势非常明显。不仅阿里云和ai独角兽旷视科技,其他像腾讯、京东、金山云等云和互联网公司上都部署着大量的ai应用,这些ai应用一方面是这些公司自己的ai应用,另外一方面以云的方式让更多ai公司将应用部署在其云平台之上。
ai和hpc这类应用往往通常都需要大量的算力对海量数据进行训练,对于高并发和高io有着强烈的需求,并且还对于实时性有着越来越高要求。以目前ai应用中广泛采用的深度学习技术为例,业界普遍认为,深度学习至少要从十万个样本起步,对于算力和存储的渴求可谓是极其迫切,尤其是随着模型规模不断增大,数据量的不断增加,深度学习用于训练的神经网络深度也不断增加,需要规模庞大的高性能计算集群来及时完成训练任务,以此来提升训练效果。
阿里云们都是如何应对ai浪潮的
为解决越来越多的ai和hpc应用,目前国内多家互联网公司和云服务提供商,都选择与英特尔进行紧密合作,采用包括基于至强的可扩展处理器,在存储层采用英特尔傲腾optane,以及像英特尔omni-path高性能架构等产品,以此来构建起强大的基础设施平台,为各类ai和hpc应用提供有力保障。
以英特尔第二代至强可扩展平台为例,内置了人工智能加速并针对工作负载进行优化。平台搭载的第二代至强可扩展处理器可以提供更高的每核性能,在计算、存储和网络应用中,为计算密集型工作负载提供了高性能和可扩展,采用了矢量神经网络指令(vnni)的英特尔dl boost让第二代至强可扩展处理器在深度学习应用上大幅提升了30倍性能,对于数据中心的ai应用起到了充分支撑作用。
另外,英特尔傲腾optane存储也在日益广泛的ai应用中扮演着重要的角色。傲腾optane之所以会如此重要,以更加经济的成本来扩展出更高的容量,并且具备数据非易失性,还具备以内存相近的数据读写和延时,可以完美填补cpu与存储介质之间的性能鸿沟。比如,像深度学习这种ai技术对于存储性能要求尤为苛刻,在深度学习的模型训练中,算法通常需要随机读取训练集中的训练样本来进行训练,很多典型的应用场景都需要对于海量小图片进行读取,当训练规模不断增大之后,对于存储系统的iops提出了极高要求。
毫无疑问,英特尔傲腾optane的出现很好的帮各大云服务提供商解决了ai应用的性能问题。与传统ssd介质相比,英特尔傲腾optane在iops、低延迟以及稳定性方面有着突破性的提升,非常适合于大数据、高并发的ai应用场景。越来越多的人工智能公司采用云服务+傲腾存储的方式来部署日常的深度学习训练,加快人工智能技术在各个行业业务场景中的应用。
此外,英特尔第二代至强可扩展平台为ai应用网络层也提供了坚实的基础,如控制平面处理、高性能数据包处理及信号处理等。英特尔还将omni-path这种端到端的高性能架构集成到英特尔至强可扩展平台中,可为分布式并行计算集群提供更高的性能和扩展性,对于数据中心越来越多的高度并行工作负载,都可以实现完美支撑。此外,在英特尔第二代至强可扩展平台中,还有一系列高效的软件工具、优化的库和灵活的框架,比如针对像caffe、tensorflow等常用深度学习框架进行优化,以及针对深度学习框架加速的核心函数库,加速大数据分析的数据分析加速库等。
更加难得的是,在上述这些重要的产品与技术的基础上,英特尔还携手众多合作伙伴推出了英特尔精选方案,可以为包括数据分析、ai在内的各种工作负载进行优化,进一步提升应用的性能表现。
总体而言,英特尔针对目前ai和hpc应用当前面临的挑战,可以从技术、产品、解决方案等层面提供全方位的办法,这也是像阿里云、腾讯云、京东云、旷视科技们青睐英特尔的原因。未来,随着各行各业数字化和智能化程度的进一步提升,云服务提供商们的数据中心建设必然也将更加适应这种应用趋势。
后记
在今年的数字万里行活动之中,我们明显感受到了云服务商和大型互联网公司在数据中心建设中对于ai应用的重视,强大的基础设施能力是ai应用的首要保障,中国ai应用的兴起无疑在将会相当长时间内带动数据中心的建设需求。根据《2018中国人工智能发展报告》中的相关数据显示,中国的人工智能企业数据量位列全球第二,ai论文在数量和质量上位列第一,大量的企业、科研机构、高校投入到ai的研究和应用之中,基于视觉、语音和自然语言处理的大量ai应用得以越来越多的涌现。
随着中国市场ai开始向多个行业中得到应用,ai技术与场景越来越多的融合,云+大数据+ai无疑将成为ai应用的首选。我们也看到英特尔从技术、产品、解决方案等层面与云服务提供商进行紧密和全面的合作,真正从底层基础架构上去解决ai应用中存在的挑战与难题,让ai落地之路越走越宽、越走越快。
