计算中心有效算力评测体系白皮书_40页_7mb

计算中心有效算力评测体系白皮书总结

核心内容概述

本白皮书聚焦于计算中心新型基础设施的高质量建设，提出“有效算力”和“有效算力指标（CUE）”的概念，旨在通过业务导向的评测体系，实现对计算中心算力的科学、合理、全面评估，从而推动“节能”与“增效”双轮驱动，支撑数字经济高质量发展。

主要观点

• 有效算力是对计算中心在真实业务场景下，综合计算、存储、网络及基础软件等全栈性能的衡量，不同于传统规格算力。
• 有效算力的提出有助于实现计算中心的绿色化、集约化和多样化发展，推动新型基础设施的高质量建设。
• 有效算力评测体系应从“极值”走向“积分”，实现对计算中心建设质量的全面评估。
• 有效算力评测体系需涵盖人工智能、通用、超算等多种场景，并推动相关标准和工具的建设。

关键信息

有效算力的内涵

• 有效算力是计算中心在真实业务场景下，通过软硬件协同优化所能实现的性能指标。

• 它不仅衡量硬件性能，也关注软件优化、数据处理效率和系统整体资源利用率。

• 有效算力的计算公式为：

  $$
  \mathrm{CUE} = \alpha^ {n} \sqrt {\prod_ {i = 0} ^ {n} \left(\frac {P _ {i}}{P _ {si}}\right) ^ {\omega_ {i}}}
  $$

  其中 $\alpha$ 为调整系数，建议取值为100，$P_i$ 为测试集在目标系统上的实际性能，$P_{si}$ 为基准系统上的实际性能，$\omega_i$ 为测试集中不同负载的权重。

有效算力的应用场景

• 人工智能计算中心：主要应用于深度学习模型训练与推理，代表性负载包括ResNet50和Bert-Large等模型，关注计算效率和吞吐能力。
• 一体化大数据中心：主要负载包括大数据分析、数据库、Web/应用中间件和云主机，关注数据处理能力、存储与网络协同。
• 超算中心：主要负载包括气象预测、制造CAE、生命科学等，关注高精度计算与大规模数据处理。
• 算力网络：关注算力需求度量、资源管理和交易，推动算力的灵活调度与共享。

有效算力的评测方法

• 指令混合法：基于指令频率的加权平均，已不能全面反映现代系统性能。
• 核心程序法：基于代表性程序的测试，更贴近系统实际性能。
• 基准程序法：基于实际业务负载的测试，如AISBench、MLPerf、TPC-DS等，是当前最贴近实际应用的评测方式。

有效算力的测试集与工具

• 面向人工智能计算中心的测试集可参考《信息技术 人工智能 服务器系统性能测试规范》（T/CESA 1169-2021）。
• 测试工具包括AISBench Test Toolkit，用于人工智能系统的性能测试。
• 测试集需兼顾效率、公平性和牵引性，未来将扩展至大模型、国产数据集等。

有效算力的标准进展

人工智能场景

• T/CESA 1169-2021标准已发布，涵盖人工智能服务器系统的性能测试方法，包括训练与推理任务的吞吐率、能耗、能效等指标。

通用场景

• 正在制定的《数据中心算力技术要求和测评方法》及《数据中心算力测试方法》标准，涵盖通用计算设备的性能评测。
• CESA发布的三项通用算力标准：
  • CESA-2020-4-007：通用计算CPU性能测试评价技术要求
  • CESA-2021-3-001：通用计算CPU性能测试基准负载设计要求
  • CESA-2021-3-002：通用计算CPU性能测试基准运行框架要求

超算场景

• 超算行业仍主要依赖Linpack/HPL等传统基准，但缺乏对实际业务性能的评估。
• 2021年绿色计算产业联盟发布的《服务器应用场景性能测试方法高性能计算》标准，尝试以典型业务应用（如气象、基因、CFD）进行评测。

推进有效算力评测体系的建议

1. 政策引导：建议将“有效算力”作为计算中心高质量建设的先行先试标准，形成政策可循的建设体系。
2. 指标标准化与工具化：加快有效算力指标体系的标准化和工具开发，形成统一的测试方法和评估标准。
3. 组织承载与榜单发布：建议由权威第三方机构主导，联合行业参与者建立评测组织，定期发布有效算力榜单，推动行业良性竞争与技术发展。

结语

有效算力评测体系的建设，是推动计算中心向高质量、绿色化、智能化方向发展的关键。通过有效算力的引入，可以更精准地反映计算系统的实际性能，实现从“规格算力”向“真实业务算力”的转变。白皮书指出，未来将围绕有效算力的推广，持续发布相关白皮书，推动其在更多场景中的应用，如边缘数据中心、算力网络等。

白皮书强调，有效算力的全面覆盖和标准统一仍需进一步研究与实践，以实现“业务牵引、全栈优化、节能增效”的目标，支撑数字经济与双碳战略的实施。