CNCC2024热议：异构融合如何改变智能系统？

CNCC2024热议：异构融合如何改变智能系统？

引用

CSDN

等

7

来源

1.

https://blog.csdn.net/CV_Autobot/article/details/143584005

2.

http://d.youth.cn/newtech/202410/t20241025_15604658.htm

3.

https://www.ccf.org.cn/Focus/2024-10-09/830912.shtml

4.

https://www.openeuler.org/zh/news/openEuler/20241211-long/20241211-long.html

5.

https://ccf.org.cn/cncc2024/schedule_4

6.

https://www.openeuler.org/zh/news/openEuler/20240612-24/20240612-24.html

7.

https://m.aitntnews.com/newDetail.html?newId=7748

在近期举办的CNCC2024会议上，多位专家就异构融合操作系统进行了深入探讨。华为技术有限公司的秦斌娟、北京航空航天大学的刘瀚骋等嘉宾分享了关于异构智算时代操作系统的演进以及多样性内存管理框架的研究成果。他们指出，在AI、自动驾驶等新兴领域的需求推动下，异构计算环境下的分布式深度学习训练成为研究热点。通过整合不同类型的硬件资源，实现算力的有效利用，降低开发门槛和维护成本，是未来智能系统发展的关键方向。

异构融合是一种将不同架构、类型或来源的系统、数据或网络进行整合，以实现更高效协同工作和资源优化的技术。它广泛应用于计算、通信、数据分析等多个领域。

在计算领域，异构融合计算通过结合CPU与多种加速处理器（如GPU、FPGA等），实现高性能和高效率的计算架构。这种技术能够根据任务需求灵活分配计算资源，充分发挥各处理器的优势，适用于人工智能、大数据分析等复杂场景。

在通信领域，6G网络中的异构融合组网是典型应用之一，通过整合地面蜂窝网络、卫星网络等多种网络架构，提供全球无缝覆盖和高质量通信服务。这种融合方式需要解决协议转换、资源共享及安全性等问题，以实现网络间的高效协作。

在数据分析领域，异构数据融合技术可以整合文本、图片、视频等多源数据，提升用户行为分析、情感分析和推荐系统的准确性和个性化水平。

在CNCC2024会议上，专家们深入探讨了异构融合操作系统的关键技术和未来发展方向。

华为庞加莱实验室主任秦斌娟指出，面向数智时代从通算/单节点到通算智算融合/分布式超节点的演进趋势，如何释放异构资源池算力及加速AI应用落地，成为操作系统演进需要考虑的关键问题。她强调，需要打造通算智算异构融合OS，将各种异构算力统一融合池化，达成池化系统动态满载(负载动态匹配核心资源池化，利用率最高）；通过异构融合调度，达成多样性算力最优配比(最适合的数据用最适合的算力去算，算效最高)。

北京航空航天大学的刘瀚骋则聚焦于异构融合OS及多样性内存管理框架的研究。他指出，随着AI大模型和科学智算领域发展，混合GPU、AI加速器等异构计算硬件构成数据中心核心基座，新互联技术则推动异构算力融合成为下一代OS变革。他介绍了FarMMU（Far Memory Management Unit）项目，这是一个高性能分布式多样性内存管理框架，旨在异构算力中心中实现高性能分布式多样性内存管理，进行大模型推理时静态和动态参数的管理。

国防科技大学的李东升教授则从分布式深度学习训练的角度，分析了智能时代的操作系统需要提供对异构计算环境下的分布式深度学习训练的高效支持。他探讨了大规模分布式深度学习训练面临的技术挑战，包括并行任务划分、通信调度优化、内存优化等方面的前沿技术进展，并对操作系统的智能化服务能力发展进行了展望。

上海交通大学的夏虞斌教授则从多个维度探讨了软硬芯异构融合操作系统的关键技术，强调了在AI时代，操作系统需要突破传统架构，实现对异构算力的有效整合和管理。

在实际应用方面，异构融合技术已经在多个领域展现出显著优势。

以华为为例，其在openEuler社区成立了异构融合SIG，致力于构建智能基础设施异构融合计算框架。该框架旨在充分发挥不同硬件设备的优势，提供算力统一接入、异构融合内存、异构融合虚拟化、算力切分、资源优先级配置、弹性迁移等关键能力。这一举措体现了业界对异构融合技术的高度重视和积极布局。

在智能机器人领域，香港大学等机构联合研发的EMOS（Embodiment-aware Heterogeneous Multi-robot Operating System）系统，通过基于大语言模型的多智能体系统，实现了对机器人物理能力和任务需求的精确理解，从而实现了更有效的任务规划和执行。这一创新性研究不仅解决了传统多机器人系统中人工设计规则过多的问题，还为未来异构多机器人系统的完全自动化提供了新的思路。

尽管异构融合技术展现出广阔的应用前景，但也面临着诸多挑战：

1. 硬件资源管理：如何高效管理和调度不同类型的计算资源，实现最优性能，是一个亟待解决的问题。

2. 系统调度复杂性：异构系统中的任务调度需要考虑多种因素，包括算力、内存、通信带宽等，这大大增加了系统调度的复杂性。

3. 软件开发门槛：异构环境下的软件开发需要开发者具备多领域的知识，这提高了开发门槛。

4. 标准和兼容性：不同硬件厂商的设备可能存在兼容性问题，缺乏统一的标准也阻碍了技术的普及。

然而，异构融合带来的机遇同样显著：

1. 性能提升：通过合理调配不同类型的计算资源，可以实现更高的计算性能。

2. 成本优化：异构融合能够提高资源利用率，降低整体运营成本。

3. 创新应用：异构融合为AI、自动驾驶等新兴领域提供了强大的技术支持，推动了技术创新和应用落地。

4. 市场机遇：随着技术的发展，围绕异构融合的生态系统正在形成，为相关企业带来了新的市场机遇。

异构融合技术作为智能系统发展的关键支撑，其重要性日益凸显。随着技术的不断进步和应用场景的持续拓展，异构融合将为智能系统带来更强大的算力支持和更灵活的资源调度能力。同时，相关技术标准的制定和生态系统的完善也将进一步推动异构融合技术的普及和应用。未来，异构融合有望在更多领域发挥重要作用，为智能时代的科技创新提供坚实的基础。