阿里雲張新濤：異構計算為數字經濟提供澎湃動力
圖：阿里雲彈性計算產品專家-張新濤
5月11日，在“2022阿里雲視覺計算私享會”上，阿里雲彈性計算產品專家張新濤為大家帶來了題為《阿里雲彈性計算在視覺計算上的應用實踐》的主題分享。以下內容根據他的演講整理而成。
元宇宙、數字孿生和虛擬現實，意味著我們正從單向的互動方式向全要素的互動演進。這種演進是通過沉浸感迭代實時互動來實現真實感，而真實感帶來的是人類認知效率的提升。
這樣的判斷源於上個世紀一位教育學家提出了著名的人類學習認知的金字塔模型，模型中認為人類最高效的學習方式是費曼學習法，但它不適合所有人。對於普通人來說，通過模擬實踐的方式更有利於提升學習效率和認知效率，模擬實踐中最高效的方式即全要素的實時互動。就比如：飛行員要在真正駕機上天之前，會在飛行模擬艙裡進行長時間的艱苦訓練，這樣的做法與在真實駕機飛行的學習效率十分接近且更加安全和經濟。
認知方式的提升本質上就是生產力的提升。生產力作為人類社會的重要概念，使得我們有必要認真瞭解元宇宙產業，它究竟帶來了哪些機會和挑戰？
這個Metaverse 七層模型是目前比較完整地描述元宇宙產業的模型，從使用者的體驗層到創作者經濟，最後到基礎設施層，它將所有相關概念、表現層以及技術都歸納在其中，涉及諸多產業。
將這些概念和技術對映到雲端計算常見的領域，最終它會在計算、應用、通訊、人機介面以及商業生態5個方面對雲端計算產生非常大的影響，這對於雲端計算也是前所未有的挑戰，甚至是飛躍性的挑戰。
以智慧手機為例，現在的智慧手機相比於 20 年前的 PC ，在各方面都有了巨大的飛躍。而這得益於智慧手機的互動方式的升級，出現了支援多點觸控的作業系統，最終在這個平臺上生長出了出豐富的應用生態，而豐富的應用生態又反向推動了計算效能的不斷提升，也推動了通訊效能的不斷提升。當下，手機的效能和功能甚至超越了膝上型電腦，手機提供了各種膝上型電腦所沒有的感測器以及互動方式。
元宇宙面臨的互動方式可能是實時 3D、手勢互動、語音互動等，這些互動方式最終帶來的挑戰更多的是實時計算和互動通訊，比如之前只有觸屏，而現在多了識別手勢、識別場景、識別空間的感測器，這些都需要實時計算，而對通訊的要求也更苛刻，需要更大頻寬、更低延時。
同時，元宇宙面臨的商業生態會比以往任意 IT 系統都更加複雜，因此還需要面臨的另外一個問題是如何將這一整套商業系統運作起來。
因此，總結來說，雲端計算適配元宇宙業務需要面臨的三個主要問題即計算、通訊和生態，它需要 10倍+的計算效能和計算規模，需要 10倍+的通訊和低延時，需要 10 倍+的生態效率和開放程度。
在計算效能和規模方面，需要有 10倍+的圖形計算來渲染更高保真的 3D 模型，要實現更多場景的光線實時追蹤，以便實現對真實世界的真實描述；在 AI 方面，需要更強的計算能力去訓練和執行 AI 模型，需要更強的計算能力來做流媒體的處理；在頻寬和延時方面，需要更大的頻寬和更低的延時來負責將渲染好的高保真影象推送到客戶端，也需要低延時的頻寬來解決大規模 AI 模型的訓練和推理，還需要通過高效能頻寬來解決人類和虛擬人之間通過細微表情的交流。
除此之外，而更大的挑戰來自於生態。元宇宙的技術生態十分複雜，此前 case by case 的產業協作方式無法使產業規模擴張到10倍甚至100倍。因此，我們需要新的生態協作方式，讓協作更高效，也讓協作系統更加開放。
針對上述三個方面的問題，在過去十年裡，阿里雲在技術的效能指標以及計算的規模上做了很多工作。比如在去年雲棲大會上釋出了第四代神龍架構，通過硬體加速的方式實現了 eRDMA 的大規模組網，延時低至 5 微秒，處於業內領先水平，具備了在雲上實現了人類細微表情的識別的能力。
阿里雲針對 AI 和元宇宙的GPU計算例項也有巨大進步，過去幾年中 GPU 例項的效能得到了百倍的提升。去年釋出了7代 GPU 例項，在影象計算和 AI 計算上也有了大幅提升。更加值得一提的是，阿里雲實現了非常大計算規模的積累，通過商業化運作，實現了亞洲最大的 GPU 叢集，總算力超過 1700P，且還在保持高速增長。
除了技術方面，商業生態問題也是我們面臨的巨大挑戰。要繁榮產業，必須提升產業的生產力，理順產業的生產關係。我們與合作伙伴、客戶一起通過生態運作的方式，構建了阿里雲的視覺產品體系，並在產品上實現了非常多的積累。
眾所周知，異構計算是個非常難用的計算系統，我們的產研團隊也在這裡做出了巨大努力。通過軟體的方式，解決了異構計算在各行業使用中的共性難題，最終實現了更高效、更高效能以及更具經濟性和易用性的異構計算產品。
更重要的是我們與各行各業最領先的合作伙伴一起構建了視覺計算軟體服務，並且已經落地了很多產品在阿里雲上。
我們將軟體服務分為三層來解決產業生態的問題。
通用層：其中兩個比較重要的產品是雲 XR 平臺和雲實時3D編輯器平臺，主要解決3D內容和應用託管執行環境的問題和3D內容和應用研發生產的問題。
行業層：希望可以與各行各業的編輯器夥伴一起構建巨大的行業編輯器矩陣，以解決各行業自有編輯器的問題。編輯器有助於更高效地落地元宇宙企業級應用，讓所有人蔘與進來，提升整個行業的生產力和創造力。
生態層：生態層主要解決內容生產和內容交易的問題。它負責為前面兩層提供素材，因此也需要著重去建設。
在不久的將來，這些產品將在阿里雲上線，它們會配合行業編輯器以及通用的編輯器來解決各行各業的問題。
當前元宇宙最常見的應用場景如上圖所示，將場景需求歸一化之後，它們最終集中在5個層面，這5個層面的需求與前面的產品體系可以實現一一對應。
舉個例子，自動駕駛在路測之前的重要環節是做 3D 環境的實時模擬，一般可以通過行業編輯器來完成。有了行業編輯器後，無須再利用通用的 3D 編輯器來構建房屋、道路等，而是使用模擬平臺快速地在一張白圖上完成環境構建，效率大大提升，甚至能夠提供不同的天氣、風速、光照條件、雨雪環境來模擬真實駕駛環境來檢測自動駕駛程式的執行情況。
但不是所有行業都擁有這樣的編輯器，因此，我們提供了兩個比較通用的產品，來解決各行業的類似問題。
我們也在各行業做了適配和落地，目的是提升各行業的創造力和生產力。除了XR執行平臺，我們也需要更多的內容。而這些 3D 應用的內容如何產生的？
可以依靠雲實時 3D 編輯器平臺這個產品。
雲實時 3D 編輯器是阿里雲與國際頂級 3D 引擎合作伙伴一起，在雲上首次實現了雲原生的 3D 編輯器。相比於之前在 PC 工作站上的開發，雲實時 3D編輯器更加靈活也更加強大。
它的靈活性在於它可以通過任意裝置接入進來，之前往往只能用工作站或遊戲本；但現在，任意終端比如 Pad 、手機都可以接入來做 3D App 的設計以及遊戲的設計。
它的強大在於，此前開發工作站僅限於已有的計算資源，比如 CPU 的資源、記憶體資源以及 GPU 資源。但在雲上編輯器，它可以使用雲上無限的計算能力，來解決非常耗時的計算問題，大幅提高研發效率。比如此前需要十幾個小時才能完成的烘焙環節，在雲上只需十幾分鍾。
除此之外，這些應用開發完成之後，還可以在雲上做適配。因為阿里雲上有各種體系的 GPU例項 ,有 x86、ARM等等 ，可以模擬各種終端環境來做產品適配，相比於以往的介面卡更加高效。我們的平臺也即將上線，歡迎大家來測試試用。
今天我的分享就到這裡，謝謝大家。
本文為阿里雲原創內容，未經允許不得轉載。