2024泰達論壇馮景華：基于自主算力的產業賦能經驗分享

由中國汽車技術研究中心有限公司、中國汽車工程學會、中國汽車工業協會、中國汽車報社共同主辦，天津經濟技術開發區管理委員會特別支持，日本汽車工業協會、德國汽車工業協會、中國汽車動力電池產業創新聯盟、新能源汽車國家大數據聯盟聯合協辦的第二十屆中國汽車產業發展國際論壇(以下簡稱“泰達汽車論壇”)于2024年8月29日至9月1日在天津濱海新區舉辦。本屆論壇以“風雨同舟二十載 攜手并肩向未來”為年度主題，邀請重磅嘉賓展開深入研討。

在8月30日“生態專場二:加速云計算與數字技術應用，推動新質型產業發展”中，國家超級計算天津中心黨組成員、總工程師，天津市天河計算機技術有限公司執行董事、總經理馮景華發表了題為“基于自主算力的產業賦能經驗分享”的演講。

國家超級計算天津中心黨組成員、總工程師，天津市天河計算機技術有限公司執行董事、總經理馮景華

以下為演講實錄:

對于算力國家是有明確定義的。對于算力的引導性，比如要建什么樣的算力，如何做通用計算、超計算和智能計算的合理梯次布局，最新發布的文件中“一體化算力網”建設涵蓋了通用計算、智能計算、超級計算的融合算力中心。

從個人視角看，或者是從學術的視角看，其實并不太過分區分超算和智算的區別。超算和智算的區別在哪兒，從個人視角看，核心區別在于算力精度，因為超算通常是用LP64雙精度的計算能力來表達科學計算的精度問題，智算通常是LP16的能力。但是，其實客觀講，建一個超算中心，或者建一個智算中心，天津超算不太區分這個，因為超算和智算都是同樣的算力，而且現在融合算力發展趨勢也非常明顯，很多應用比如說傳統氣象的科技計算應用是非常傳統的，做氣候氣象、氣候預報的，做臨時、短時、中長期的預報，現在很多也要介入人工智能，APC+AI，而且現在有很多科學研究是用AI for Science，用AI來解決Science求解工作量大的問題，所以是不太區分的。比如說美國的算力中心大部分都叫超級計算機。因為美國以英偉達為代表的單位，生產的GPU是帶著LP64和LP16的能力，所以GPU既可以用科技計算，也可以用于智能計算。但是我們國內的某些芯片設計中只有LP16，沒有雙精度。大家可以看到，像英偉達的比如說H100系列，就是雙精度計算能力和網絡帶寬。但是從芯片的底層結構講，其實個人不太區分超算和智算，因為上層應用需求是多樣性的，不同的應用領域、行業需求需要超算和智算，國家層面也是建立涵蓋超算、智算的通用融合算力中心，并沒有強調一定要建智算或者是超算。

國家關于算力作用非常明確，主要有四個方向作用，即助推產業升級、賦能科技創新、滿足人民美好生活和實現高效社會治理。在跟很多單位合作的時候，這是基本的認知，算力是一定會產生價值的。對算力的投入，投入多少錢會有多少數字經濟的產出，雖然這個比例值不太一樣，但是大多數都是明確的，算力投入一定會帶動數字經濟，因為算力本身就是一個數字產業化的過程，會推動產業數字化的發展。從算力中心的角度，確實要兼顧這四個方面的作用，至少要兼顧其中一兩個方面，不是單純的建一個算力中心出去給用戶。

從2010年一直到現在，天河一號到現在也是世界領先的結構，基本上采用世界領先的“異構體系結構”融合的算力模式，由基礎設施、計算處理、互聯通信、并行存儲等硬件組成，軟件包括服務環境、運行庫、應用環境和管理服務平臺等。而且，全部使用的國產芯片。也實現了云、超算、智算的融合，當然它有自己配套的運營管理、算力服務、資源調度、人工智能開發平臺、綜合一體化平臺等等這些。以芯片為例，可以看到MT-3000芯片的性能指標，由通用儲蓄盒和加速處理單元組成的。國產的GPU芯片不是類似的結構，但也包括通用處理單元和協助單元還有GSM全局共享存儲單元等。從體系結構就能夠看出來它很復雜，所以調動應用的時候絕不像CPU這樣簡單，CPU是同構的，所有芯片都是一樣的，訪存也是一樣的，訪存要走來走去，要從加速處理單元到通用處理單元，內存之間包括編制空間也不一樣，這些都很復雜，所以寫代碼的時候需要對核心代碼重寫，所以面臨很大挑戰性。當然，寬向量體系解決的一個問題，為了發揮性能指標，要有實現更大的計算能力，同時要實現自動變優化，能夠讓程序少寫一點，少改一點，同時能兼顧一些性能的提升。還有一些異構編程接口，像GPU里面有統一的聯盟OpenCL，就是做GPU之間的接口，所以實現所謂NMB、英偉達等等生態的兼容，但是這種兼容一定會帶來性能損失，這是正常的魚和熊掌很難兼得。了解底層邏輯，代碼寫起來就很復雜，如果你不想了解底層邏輯，用接口編輯的時候就會帶來性能的損失，因為不同的編制空間、不同的方式，計算方法不一樣。甚至一個簡單的矩陣乘法，行列的排列方式都會帶來效率的不一樣。

基于國產算力的，面向汽車領域很多場景下的應用，三個層次問題是要解決的:

一是底層庫。像常用的人工智能的基本算子、科學計算的ILP庫等等這些基礎庫，是沒有辦法通過優化，甚至要用到底層匯編，才能發揮極致性能。在這種情況下，大家就可以用庫來提升應用，應用甚至都不用重寫，通過庫就可以達到質的提升，即使無法發揮100%，能發揮30%、40%，也是質的提升。

二是典型應用的移植和優化。面向汽車產業的很多應用，沒有編制，沒法移植，只能基于自己的工業軟件做移植。這個移植和優化功能也是一個很大的工作量要做的，基本上一個軟件，10萬行左右代碼的軟件基本上需要5至6個人半年的時間，這個工作量是很大的，要調優，要移植、優化。

三是整合平臺。從用戶層面角度其實不太關心底層邏輯，甚至都不關心底層用的什么芯片，重要的是我的應用要能夠跑起來。就像汽車上的應用，應用到底用在什么樣的芯片用戶是不關心的，用戶關心的是這個應用跑的好不好、快不快。要把這個應用移植好以后放在平臺上，通過平臺調度，打好底層的接口，上層不感知，讓用戶用起來更簡單。

如果選擇了國產的算力芯片，基本上這三層都是要面臨的，不管是做工業軟件還是做智能網聯車，還是做其他的，都是要解決的問題。

舉幾個例子。比如做智算，從整個框架從頭開始寫，對于模型的、推理的，包括FFT、ftmDNN庫、訓練庫，包括適配相應的算子庫、設備庫、通信庫等等，我們做了一個3D的渲染框架，是開源的，網上能查到，支持GPU版本，支持外創版本，也可以實現大規模智能化運營開發訓練，3D的并行訓練，其實工作量還是很大的。實現了可編程性和效率，提高可編程性還兼顧效率，肯定不能說既提高可編程性又達到極致的效率，但是我們在做嘗試，讓它既好用又能夠更快。比如做顯示屏的軟件，這個是完全自主的，每一行代碼都是自己寫的，從后處理的算法到前端的展示到整個應用等，入選了科創中國的先導技術榜，也有很多專利。這個基本上能夠對標國外的，是用來做顯示動力學的爆炸、毀傷、沖撞、碰撞等結構的力學軟件，比如說像航空發動機攝入無人機以后是什么狀態，太空碎片撞擊衛星會怎么樣，比如說一個子彈或者是導彈射到一個墻體上，甚至還有飛機庫等。

汽車里也有類似結構的應用，這是我們做的顯示動力學的基本軟件。這個很難，行業里面也有很多汽車的單位參與CAE聯盟，它里面講到專家們有一個共識的觀點，工業軟件的差距遠遠超過芯片，芯片現在說3至5年，但是工業軟件差距還是比較大，還有很大的工作量，但是這兩年國家花了很大的力氣，給了很大的支持在做工業軟件。

基于自主芯片做的智能的大模型，生成式的智能，包括云的開發，在海關、政務、醫療領域，汽車還沒用，其實可以做很多深入的工作，這里面有很多工作量。好處是完全基于國產芯片去適配。在汽車產業領域其實主要是目前做的比較成熟的是仿真研發相關的工作，也有一體化的平臺，從應用的底層、數據、商業軟件，還有自主國產的軟件，整合在一起，其實就是數據和軟件的整合，給上層應用做服務，把我們的應用層里面的開發工具，包括機器學習和測評、優化的方式和方法、流程整合在一起，再加上項目管理能力，實現業務邏輯，從產品需求到方案設計，從性能目標到仿真自動化。這個過程也是讓項目經理、測試工程師、仿真工程師、設計工程師全程參與其中，共同完成一個項目，共同推進一個成果的落地，例如研發成果、做新產品、新工業優化等。這是我們做的從底層到管理、項目協同，實現了整個項目的管理，項目里可以列進度和進展計劃、人物權限，來保證項目的安全性等等，包括執行的流程性，包括數據管理、材料管理、性能管理，知識庫的一些基本管理。

底層的支持依賴于軟硬件的資源，包括資源管理、資源分配、資源調度、求解器等，整合在一起就是汽車產業領域的服務。比如說我們做電池的、做模具的、做整車的、做系統分析的，包括數值風洞等等。舉幾個典型的例子，比如做汽車性能大規模的仿真分析，超低風阻數字化的開發，還有復雜環境的性能仿真，還有多工況、多方案的安全性能的開發和尋優，還有批量計算作業的提交，可以針對一個項目，批量提交計算任務，然后得到結果，然后盡快地反饋項目基本完成的情況。

風洞基本上實現了國產化替代，從算力芯片、底層算力資源到軟件數值風洞CFD軟件，都實現了比傳統商用的并發處理難以滿足數值風洞的快速計算需求的情況下，實現了CFD計算結果和數值風洞測試結果進行對標，是國產軟件、國產芯片或者國產的算力系統支持做的。我們做的仿真一體化平臺，從算力資源到應用，甚至后面的人工智能的工作，都在推進的過程中。

以上是把我們在汽車產業能做的工作給大家分享，如果有興趣可以再進一步溝通，謝謝！