第十八届中国计算机大会在深圳隆重开幕探讨数字经济与计算技术的前沿发展趋势

分拣｜雁雁

编辑｜青木

12月16日，第十八届中国计算机大会（CNCC2021)）在深圳隆重开幕。本届大会以“计算赋能加速数字化转型”为主题，特邀报告17场，会议论坛3场，113场技术论坛，600余位国内外计算机领域知名专家和企业家聚焦不同专业和主题，从学术界、技术、产业、教育、科普等方面全面探讨数字经济和计算技术的前沿发展趋势。

开幕当天，CCF Fellow、CCF常务理事、CCF王璇奖获得者、中国工程院院士、中国科学院计算技术研究所研究员孙宁辉作了题为“A从工程科学的角度看计算机系统法》。报告中，孙宁辉从工程科学的基本方法入手，分析了计算机系统“求通用”的基本规律，介绍了电子计算机和高性能计算机成为通用设备的技术发展历程，最后讨论了未来通用计算平台和趋势以及高性能计算可能的重要创新。

在他看来，工程科学的基本规律引领着高性能计算机等大型项目的发展。从工程科学的概念性、批判性和共性的角度来看，工程系统的构建目标遵循两个典型的规律，即追求极端和追求共性。通过对计算相机显微仪器和手机成像技术两个案例的分析，孙宁辉认为，寻求终极体系的突破点在于抓住主要矛盾，再结合新理论、新工程技术突破关键指标. 一般系统一般是松耦合的结构。关键是描述和描述问题，将其映射到关键工程结构的设计中，

在历史回顾中，孙宁辉从珠算时代，到机械计算工具，从工程科学的角度，总结了通用电子计算机繁荣发展的关键转折点和突破原因。孙宁辉结合自己的研究工作，回顾了从追求极致的超级计算机到通用高性能计算机的发展历程，总结了构建通用高性能计算机的基本工程科学方法。最后，他预测未来的先进计算系统将在概念、关键性和共性方面表现出以下特征：内置安全特性的高吞吐量计算系统将成为新的关键结构；（3）系统的共性将从以数据建模为中心的第四范式转向复杂系统建模的第五范式。

以下为演讲全文，AI科技评论在不改变初衷的情况下做了安排：

1

为什么要从工程科学的角度来看待计算系统？

今天报告的主题是从工程科学的角度来看待计算机系统中的规律。让我们与您讨论指导高性能计算机等大型项目的科学原理或规律是什么？我们一般从计算机理论和数学的基础上来思考工程科学的规律。所以，今天我尝试从工程科学规律的角度来看待这么大的计算机系统。

2017年底，中国科学院、中科院院士郑哲民先生发表了《来自钱学森的科技思想》一文。从这篇文章中，我得到了一些启发。这篇文章讲的是，在科学发现的早期，科学与技术并没有严格的区分。以牛顿为例。他既是力学三定律的提出者，也是剑桥大学物质结构研究的科学家。19世纪，科学与工程开始分道扬镳。这背后的原因是自然科学本身并没有一个完整的体系，许多科学理论对工程的实际贡献有限。所以，大多数工程师只使用纯工程方法来解决问题。然后，在 20 世纪中叶，自然科学与工程学再次紧密联系在一起。特别是在二战期间，火箭、雷达和核武器都是重大项目。它们不是基于工程实践积累和经验判断而设计的，而是需要大量的自然科学作为基础，是科学家和工程师密切合作的产物。因此，工程科学、自然科学和工程技术之间的关系在本质上是非常密切的。它们不是基于工程实践积累和经验判断而设计的，而是需要大量的自然科学作为基础，是科学家和工程师密切合作的产物。因此，工程科学、自然科学和工程技术之间的关系在本质上是非常密切的。它们不是基于工程实践积累和经验判断而设计的，而是需要大量的自然科学作为基础，是科学家和工程师密切合作的产物。因此，工程科学、自然科学和工程技术之间的关系在本质上是非常密切的。

工程技术虽然是对自然界事物经验的积累和工艺的提高，但通过提炼一些共同的经验和理论，可以形成具有普遍意义的工程科学理论或规律；分析和改进有可能成为自然科学的一部分，例如工程控制论。

郑哲民先生在这篇文章中指出：“技术科学与工程技术的区别在于，每个项目都涉及到各种具体的技术问题，而技术科学是对概念性、批判性和普遍性规律的研究，给了出来用一些共同的解决方案来解决工程中的类似问题。也就是说，技术科学对工业技术具有指导作用，可以极大地推动和推动工程技术的发展。简单来说，我们可以称之为“三性”，分别是概念性、批判性和普遍性。

今天我想用这三种方法来看看计算机系统中的典型规律。我称它们为求终极法则、求一般法则。我们大型项目的系统化建设，主要有两大目标，一是所谓极致，就是在特定维度或核心技术上突破最高、最大、最快的技术极限，开拓科研新领域。例如，类似的项目有最快的超级计算机、最重的重型火箭，或者最大的望远镜，这些类型的系统在学术研究中通常很常见。

另一个是通用的。这类系统的设计需要很多约束，可以快速迭代，适用范围广，兼容性强。比如我们的手机摄像头、汽车工业、民航客机、高性能计算机，都是通用的。典型系统，一般行业对类似系统的构建更感兴趣。这两类系统在相互促进、相互转换的过程中也存在着一些内在规律。

我将举两个例子。一个极端的例子是戴琼海院士在《自然光子学》杂志上发表的一项研究工作。这项研究结合了光学、微电子、计算机视觉和信号处理。Crossover，提出了一种新的显微成像架构，并开发了“实时超广角高分辨率成像显微镜”。各项研究指标达到了极致，如1 cm x1.2 cm超宽带成像显微镜。场，1.2 微米高分辨率，每秒 51 亿像素的数据吞吐量。这项工作为生命科学和医学研究提供了“利器”。

另一个常见的例子是我们非常熟悉的手机影像技术。它不追求每一个指标的极致，而是利用软硬件一体化来弥补短板，占领专业相机以外的市场。通过图像信号处理器（ISP）弥补单一指标硬件的不足，让成像设备、图像计算硬件和处理软件协同进步，通过快速迭代实现性能提升。

我简要总结了构建这两类系统的一些基本方法。

追求极致的关键是抓住主要矛盾，然后结合关键科学理论和工程技术，在指标上突破极致，形成紧耦合结构，最后整合所有技术，定制内部所需的组件。系统。

寻求一个通用系统在概念上是一个多问题，需要对其进行表征和描述；在结构上，通常是松耦合的，需要对工程结构进行优化映射；在共性方面，要克服短板，解决技术的时空限制。

2

从算盘、电子计算机到高性能计算的繁荣之路

接下来，我首先回顾一下计算系统的发展。从工程科学的规律来看，我们稍微拉远一点，我们观察这样一个曲线，从最早的算盘，到电子计算机的发展，再到现在的高性能计算机，一共有三个中间是三座山峰。. 三座山峰分别代表机械计算工具、超级计算机和未来的Z级计算机。比如我们最早的算盘，已经登上了机械计算工具的巅峰，也因为一些规律，达到了通用计算机的繁荣。但是这些系统在进化过程中需要什么样的规律呢？这是我们需要思考的。

我将从第一条曲线开始，这是对我们如何从算盘到通用电子计算机的历史回顾。

迄今为止，机械计算工具已经达到了工程技术积累的顶峰，直到出现了三位伟大的学者，他们的发明奠定了现代通用计算机工程科学的三大基石，即：

从历史的发展可以看出，如果工程技术只是经验的无限积累，它很可能会止步于机械计算工具的巅峰，也就是图灵甜点机。

第二条曲线，从超级计算机到高性能计算机时代。

我们经常混淆这两个概念，想一想为什么要发明两个名词来描述一件事，可能是对于计算工具来说，我们总是希望它的计算速度越快越好。从历史上看，高性能计算设备可以简单分为三个时代：CRAY时代，通过组件的并行向量化来提升性能；在 MPP 时代，机器性能通过海量并行和定制组件实现最大化；在机器集群时代，三个原则用于将高端设备变成通用计算组件。

这些过程是如何发生的？极限计算设备如何成为通用计算设备？

从概念、关键性和共性来看，我们认为应该有以下三个变化：

我们的超级计算机一般采用单一的极限指标作为评价指标。对于任何一台计算机，先设计一个目标，谁的性能越高，技术就越强。历史上有很多这样的指标，如LINPACK(1993）、Graph500(2010）、Green500(2013）、HPCG(2014）、HPL-AI( 2019）.追求这些单一指标的“极值”显然不是泛化的动力，超算追求的是算力，也就是找到一个点的“极值”，让所有指标可以在内存中访问 在计算比率和饱和性能的二维结构中，一条线达到最高。但真正的通用性需要体现很多计算和内存访问特性，所以单单求最高是不够的。那么，如果要构建一个通用的容量计算系统，从线到面，我们需要一个类似于“积分最大值”的系统来高效地支持多种应用。这是第一个变化。

第二个变化体现在关键上，即集群结构。集群结构需要具备三个基本条件。一是结构松耦合；二是每个组件都可以标准化。如果组件是定制化的，可能无法适应一般的应用场景；三是高性能计算的要求。如果使用标准组件，一般很难构建高性能的系统，因此必须有一系列性能可扩展的方法。. 这三者一起可以制成通用的高性能计算机。时间关系，我们简单介绍一下标准化的几个关键点。首先是“制造”的标准化，即存储集群的基础软硬件，包括软件标准化、硬件标准化、互联标准化；二是“交付”的标准化，让用户“轻松”获得算力；“用”的标准化通过屏蔽不同层次的细节来达到“用”的目的。

一般来说，从基础库和函数抽象到框架/领域编程方法的标准化会带来所谓的“软件膨胀”，性能损失非常大，所以我们需要通过性能工程来获得极致的性能，这是刚才提到的第三个变化。到目前为止，获得通用结构最终性能的调谐方法已经经历了三个阶段。早年采用单模型方法，是图灵奖获得者弗拉·艾伦在 2006 年提出的一种性能优化模型。后来，随着负载特性越来越复杂，美国工程院院士 Jack Dongarra 设计了一个软件工程方法。现在，

3

计算机系统的未来趋势

先说通用计算系统，即计算系统如何变得“更通用”？我们认为主要是形成一个“平台计算设备”。计算机系统有一个总的趋势或规律，我们称之为“X as a Computer”，即每10年就会出现一种新型的计算机系统，包括新的编程平台、新的网络连接和新的用户界面。，一种新的使用方式。它们更便宜，应用更广泛，形成了一种新的平台型通用计算机设备。

如果总结过去60年形成的规律，大致可以分为三个时代。

第一个是IT1.0时代，把专用计算设备变成高性能计算机（Calculator as a Computer，CaaC），实现服务国家部门的信息化；我们将专用的制表设备变成了通用计算机。服务器（Tabulator as a Computer，TaaC）实现企业的信息化升级。

第二个是IT2.0时代，人类社会与机器在现实世界中交互，称为通信时代。我们使用PC专用的办公设备，实现办公信息化（Office as a Computer，OaaC）；我们将专用通信设备移植到智能手机（Phone as a Computer全国计算机等级考试二级教程c语言程序设计2013全国计算机等级考试二级教程c语言程序设计2013，PaaC）上，实现消费者信息化。

我们现在正处于万物智能互联时代，“人-机-物”三元融合，也可以成为IT3.0时代。我们将为人工汽车、人工车床、智能硬件等创造的各种设备提供“拇指电脑”。除了人造设备，我们的人体和自然物体也可以信息化（Body as a Computer）。这样，整个世界和物理世界就统一成了一个巨大的信息网络空间。

根据上述规律，我们发现在寻求通用设备泛在演进的过程中，已经形成了当前信息社会5个成功的平台化计算设备：（1）重点部门高性能计算机； (2）企业级服务器；(3）员工使用的PC；(4）流行的智能手机；(5）工控/武器设备中使用的嵌入式计算机。也可能出现未来的第六平台计算设备。

二、未来高性能计算等追求极致性能的系统开发的常用方法有哪些，有没有规律可循？

我们认为关键是Z级计算机如何提高系统能效。当前的通用高性能计算机已经碰到了能耗的墙。算力每增加10倍，能耗曲线就会上移一个台阶。也就是说，计算能力提高的过程会产生巨大的能量消耗。2020年，《科学》发表文章，从新结构、新器件、新工艺和应用驱动四个维度总结了几种创新解决方案。

比如在工艺创新方面，从目前的集成电路到集成芯片，利用Chiplet等技术突破单芯片晶体管数量的上限。

在设备创新方面，通过超导电子设备将高频操作系统的能耗降至最低。例如，基于超导约瑟夫森结的布尔逻辑计算系统可以运行在100GHZ的频率下，具有极高的能效。

在模型创新方面，通过自然计算，将相应的问题解演化为最低能量状态。这里所说的自然计算是利用相似性原理来模仿自然规律，或者利用物理材料构建一个自适应的、自我进化的动态系统，对难以求解的高阶复杂问题进行近似解。通过传统的计算方法。

在结构创新方面，至少有多少个XPU？回到计算机科学的三个基本问题，想想巴贝奇自动计算问题、布什广义相关问题和图灵测试问题，也许我们有了SPU、DPU、NPU这三个基本xPU，通过三者的结合可以覆盖所有应用场景的计算需求。其中，SPU结构可以解决计算内存访问特性的差异；DPU结构可以解决数据通路的全局顺序控制问题；NPU 可以抽象机器学习负载操作，以及具有自适应数据带宽的神经元。

借用 Bruce G. Buchanan 在 1991 年发表的一份报告，提出任何计算系统都可以通过二维（横坐标代表确定性和启发式算法，纵坐标代表符号计算和数值）分为四个象限。计算），那么每个一般系统和极端系统都是其中的一个圆圈。如果我们把上面提到的计算系统开发的三个时代、七个通用系统、以及针对不同应用场景的终极系统收集在一张表中，我们就可以找到每个系统的定位。

最后，如果实现了未来的终极计算机系统，那么下一个更繁荣的通用系统会是什么？这个问题现在可能离得太远了，但我们不妨大胆猜测一下。从工程科学的三种基本方法来看，我认为首先，从概念上来说，“系统熵”将使系统从无序变为存在，这是AIoT发展带来的重大需求。在关键性方面，未来的系统结构应该以数据为中心，实现数据处理的内部安全。我们用“高通量”来代表这种技术。最后，在共性方面，我们需要解决复杂系统的建模问题，从以数据建模为核心的第四范式转向第五范式，

今天的报告就到这里，谢谢大家。