点击右上角
微信好友
朋友圈
请使用浏览器分享功能进行分享
【我们这十年@坐标中国】云网融合织就算力高速，“算”出数字生活潮******
中新网北京10月11日电题：云网融合织就算力高速，“算”出数字生活潮
作者 左雨晴
从“要想富，先修路”到“想发展，投算力”，算力基础设施等“新基建”正在国内掀起“落地潮”。
我们为什么需要算力？现在算力速度有多快？它又给我们带来了什么？
算力改变生活
什么是算力？算力是指对数据的处理能力。
在生活中，手机、电脑、超级计算机等诸多硬件设备都离不开算力，可以说算力是数字经济的底层逻辑，数字经济的任何发展都建立在优化的算法和强大的计算速度上，这让算力成为关键的核心生产力。
近年来，随着5G、人工智能、物联网、区块链等领域的快速发展，算力已悄悄改变我们的生活和命运。
在机场高速路口，汽车以80公里时速，“无感”通过收费站，仅收费环节每天就能节约2.75小时，大大改善了市民的出行体验。
广州机场高速，汽车以80公里时速，“无感”通过收费站。 中国电信供图在生产线上，一款新车上线前需要经历上千次的碰撞测试，而超级算力能模拟出整个碰撞过程，300次的仿真碰撞试验，在一分钟内成功模拟完成。更长远来看，“智能汽车”是离人工智能最近的应用场景之一，若能更快普及，将再次重塑人们的出行生活方式。
在偏远山区，大量人工智能深度学习算法和算力支撑下的智能教育，让远程人工智能可以辅助教师“因材施教”，推动教育资源均衡化，帮助深山里的孩子实现“走出大山”的梦想。
据工信部数据，中国算力产业规模快速增长，近五年平均增速超过30%。截至2022年6月底，我国在用数据中心机架总规模超过590万标准机架，服务器规模约2000万台，算力总规模超过150EFlops(每秒15000京次浮点运算次数)，排名全球第二。
在数字化时代，数据中心、智算中心等算力基础设施正成为加速数字经济发展和产业转型升级的主要动力。在算力需求日益复杂，应用场景不断涌现的当下，中国东部地区算力资源吃紧，西部算力赋闲，如何让用户更好地像用电一样使用算力服务？
云网融合织就算力“高速路网”
数字时代正在召唤一张高效率的“算力网”。
2012年，中国电信宣布启动天翼云计算战略，正式进军云计算领域，成为国内首家涉足云计算服务的运营商。
以“算”为中心，“网”为根基，算力网络可驱动数据的跨域流动、实现算力的跨域调配。而作为一个复杂的、融合创新的系统性工程，算力网络如何像水和电一样成为“一点接入、即取即用”的社会级服务，孵化灵活多样的商业应用，需要统一的科学规划与评估。
2022年2月，中国“东数西算”工程正式全面启动。8个国家算力枢纽节点，10个国家数据中心集群，将打通中国“数”动脉，把东部算力需求有序引导到西部的数据中心处理、计算、存储，为可再生能源丰富的西部开辟出一条发展新路，成为一条打通东西部经济社会发展的“数动脉”。
作为算力基础设施和骨干传输网络的建设者，电信运营商已经成为打造算力网络的主力军。覆盖全国千城万池的“云网融合”，不仅构建端到端的安全能力和绿色低碳的基础设施，也让实体经济和人们的生活乘“云”而上。
通过内蒙古、贵州两个服务全球的中央数据中心，京津冀、长三角、粤港澳、陕川渝四个重点区域节点，31个省份均有布局的数据中心，再加上广泛分布的边缘节点，中国电信形成了2+4+31+X的全国算力布局。
中国电信京津冀大数据产业园。 中国电信供图如今，中国电信已拥有700多个数据中心，48.7万架互联网数据中心机架，机架利用率达到72%，IDC资源在国内数量最多、分布最广，“一城一池”累计覆盖超过160个地市。
“计算+连接”的深度融合，组成了算力传输的“高速路网”。在这个“高速路网”中，中国电信的算力规模可达每秒310亿亿次浮点运算，这意味着每一秒都有海量的算力正在调度。
从中国电信贵州数据中心到北京大约2200公里，动车需要10个小时左右，而算力传输时延只需要不到20毫秒。算力与网络充分融合，正以难以想象的速度，从看不见的地方延伸到看得见的远方，为人们的生活提供普惠便捷的智能服务。
“算网大脑”让算力调度智能化
随着东部算力需求有序引导到西部，一个逐步完善的数网协同、数云协同、云边协同、绿色智能的多层次算力设施体系必将加快形成。在此过程中，“十四五”规划提出的“强化算力统筹智能调度”成为构建算力网络的重要工作。
“算力调度作为‘东数西算’的重要环节，就如同‘西气东输’的管道，‘西电东送’的高压线路。但算力调度在实施过程却又复杂很多，分布式的算力决定了算力是多样的，例如计算任务的大小、时延要求、成本等多个因素。”中国电信天翼云首席技术官广小明表示。
以算力为核心进行信息处理，以网络为核心进行信息交换，算力“高速路网”需要一颗独特的智能“大脑”。
2022年5月17日，在天翼云诞生的第十年，中国电信推出了天翼云4.0算力分发网络平台——“息壤”，使得调度千城万池的算力不再是梦。
中国电信天翼云数据中心。 中国电信供图。广小明介绍，无论业务对算力的需求是多少，“息壤”都能够规划出满足需求的算力和网络资源，以“随愿算网”的方式，对边缘云、中心云、第三方资源等全网算力进行统一管理和调度，实现业务性能和成本的最优。
“由算力调度引擎、算力资源管理平台、算力资源共同构成的‘息壤’就像一个算力传输的枢纽，在全国范围内，实现每分钟数万次、每天上千万次的算力统筹和调度，满足各种领域对算力的极致需求。”
把东部需要进行的机器学习、数据推理、智能计算等AI训练和大数据推理的工作放到西部，自动配置和调度相应算力；把东部对时延不敏感的、不活跃的、需存档的海量数据，例如医院影像数据、视频监控数据等，放在西部存储……通过“息壤”，“东数西训”、“东数西备”、“东算西也算”、“东部企业，西部上云”成为现实，云渲染、跨云调度、性能压测、混合云AI计算等多种应用场景，也都有着“息壤”的身影。
时代浪潮下，算力正加速筑牢数字经济的底座，成为经济社会发展迈向更远未来的基石。(完)
星光灿烂的年代****** 中新社有一个部门，虽然不负责新闻业务，但在一个历史时期内却是本社的一个品牌，为中新社在文化艺术领域赢得了极佳的声誉，这就是中新社电影部。 在中新社即将迎来创建六十周年之际，我们这些电影人十分怀念中新社电影事业的创始人廖公——廖承志同志，怀念为中新社电影事业付出极大心血的吴江社长，怀念那些为中新社电影事业奋斗终身的同事和战友。 中新社初期成立的电影队成员只有十八人，正是这“十八条好汉”在艰难的创业时期为广大海外侨胞拍摄了《泰山南北》、《齐鲁英豪》、《姊妹易嫁》、《珍珠塔》等一大批电影纪录片和戏曲片，开创了中新社的电影事业。广大海外游子在银幕上看到了日思夜想的家乡面貌，听到了熟悉的家乡声音。这些电影在他们中间产生了极大的反响，受到侨胞们热烈欢迎。 1979年，中新社各个业务部门相继重建，社领导从北京的电影制片机构调进了一批专业人员，并将电影队扩编为电影部。从此，中新社的电影事业进入了一个快速发展的新时期。 1981年，中新社第一部电影故事片《原野》投入拍摄，并以南海影业公司名义亮相，在社会上引起了普遍的关注。由于种种原因，这部影片直到1987年才获准在国内公映。时隔多年，该片在上映时仍受到广大观众的欢迎，还荣获了第八届百花奖最佳故事片奖。 从电影《原野》诞生时起，中新社电影部的发展进入了一个辉煌的年代，此后拍摄了一批优秀的电影故事片和电影纪录片。这其中有故事片《南拳王》、《八百罗汉》、《精变》、《春桃》、《老店》、《北京故事》，纪录片《中华剑术》、《末代皇帝——溥仪》、《神秘的西藏》、《婚俗奇观》等。这一大批影片的成功，在当时中国电影界和海内外观众中广为传颂，受到好评。 随着一批又一批影片投入摄制，众多的电影明星也相继加入到中新社的电影创作队伍中去。他们当中有刘晓庆、杨在葆、徐松子、陈宝国、濮存昕、陈小艺、姜文、葛优等。与此同时，电影部还迎来了北京电影制片厂、长春电影制片厂、上海电影制片厂的一批电影专业人才，这为中新社的电影拍摄提供了强大的创作力量和专业技术保障。 在那个辉煌的年代，中新社电影部的电影在海外创下了极佳的票房。故事片《精变》在上海公映时，出现了清晨影院前排长龙购票的情景。《中华武术》、《末代皇帝——溥仪》在香港上映时创下纪录片票房最佳业绩。 改革开放促进了中国影视合拍业务的发展。电影部率先在国内开展中港电影合拍，作品《南拳王》、《八百罗汉》、《小毛孩夺宝奇缘》掀起了功夫片的热潮；中美合拍的电影《北京故事》在海外观众中引起很大的兴趣。随后，电影部又与英国合拍了电视片《龙的心》，与台湾合拍了《八千里路云和月》、《海棠风情》。这些电视片在海外播放时都取得了很高的收视率。 在中国电影、电视各类奖项中，电影部拍摄的影视作品也均占有一席之地。影片《老店》获政府奖、《原野》获百花奖，电视剧《努尔哈赤》获飞天奖。鉴于中新社在电影摄制上的丰硕成果，国家电影事业管理局特批了每年两部故事片指标给电影部(南海影业公司)。当时能享受这种待遇的只有经国务院批准的中央和省级电影制片厂，全国仅有十余家。那时中央召开的电影工作会议，上海、长春、珠海等地举办的国际、国内电影节也都邀请中新社电影部作为正式代表参加。在世界电影诞生一百周年之际，电影局还邀请电影部代表参加在人民大会堂举行的庆典活动。 昔日电影部取得的累累硕果已成为历史。作为电影人，我们期待经过若干年的奋斗，中新社的电影事业能够再现灿烂星光。 (历史资料)
|
影片《原野》中的男女主角杨在葆、刘晓庆与著名剧作家曹禺先生在一起。
1994年，中国新闻社南海影业公司拍摄了电影故事片《梁山伯与祝英台新传》，这是南海影业公司首次在一部电影中聚集了海峡两岸多位明星参与拍摄的商业娱乐片，这其中包括台湾电影明星胡慧中，大陆电影明星濮存昕、陈小艺、程前，歌坛明星景岗山、王洁实、谢莉斯。第一排左四为本文作者。
)