朱高峰 “东数西算”,成本要算
来源:中国科学报 更新时间:2022-08-23

今年2月,国家发展改革委等部门联合印发文件,同意在京津冀等8地启动建设国家算力枢纽节点,并规划了张家口集群等10个国家数据中心集群。至此,“东数西算”工程正式全面启动。

“东数西算”有了总体布局设计并开始行动。因此,有必要对其概念内涵予以清晰科学的阐释,以免再现一哄而起的局面。

大数据出现后,由于对数据处理能力的要求大幅增长,且有些数据集来自于一定的地域范围,因此需要形成有别于通信网的数据处理专用网络,即算力网络。

算力网络的核心是数据处理设备,相应地要配置数据收集传送通道,以收集来自不同地域的数据,并配备相应的数据存储设备,以及把加工获得的有用结果传送至使用目的地的传送通道。

回到“东数西算”工程。根据我国实际情况,人口密度、人类活动、各种数据资源以及数据应用市场在东部更集中,中部次之,西部地域再次之。既然数据资源和应用市场相对密集于东部,相应的处理也主要在东部,为何提出“东数西算”,即东部数据送到西部计算处理,再把结果送回东部应用呢?

“东数西算”与“西煤东运”“西电东送”有一致性,也有差异性。相同的是,它们都是从资源密集地把资源送到相对稀少地加工,不同的是加工后成品的处置问题。

对于物品和能量,资源所在地与主要应用所在地不同,加工地也可有不同选择。由于物品加工大多需要较复杂的技术和较高技术水平的人力,因此大多情况下将原材料从西部产地运到东部加工,然后成品大量在东部使用或出口,因此也形成了原料和成品的不同物流网络。能量则由于能源的形式不同,其利用方式也不同,如水能需要就地实现,然后传送至需能地区,而长距离传递主要方式是用电,因此就需要实行西电东送,从水能丰富的西部输送至需要大量能量的东部。

而信息具有特殊性,它可以大量复制,因此加工后的数据一般可存储在加工处,只是在使用时才传输到使用处。之所以实施“东数西算”工程,主要有两个因素。一是集中的数据加工/处理中心需要占用较大的物理空间,即土地和建筑,也需要较大的能耗。而东部的土地已经成为稀缺资源,能耗成本比西部高出不少。此外,数据中心自动化程度很高,所需人力相对较少。二是加工后的数据虽然大量返回东部使用,但数据作为信息可大量复制,近乎零成本,所以数据送回东部并非实物返回,而是只选择所需要的数据以复制形态返回,原数据仍保存在西部数据中心,继续按需随时向不同地点输送。因此,“东数西算”在原则上是可行的。

但原则上可行并不意味着怎么做都行,我们需要重视一个问题,即数据长距离传输成本。一方面数据可以近零成本大量复制并不等于可以无成本任意传输。另一方面,数据传到某处实时使用,与先存储以备之后使用是两回事,存储是需要成本的。

过去的教训应吸取。比如刚提出“云计算”概念时,人们认为把各个点上的小规模数据处理和存储集中到一个点,即云中,可以发挥规模效应,省去大量设点的成本,但并未认真考虑传输成本、信息保密等问题。因此,后来又提出并推行了“边缘计算”。大量分散的边缘计算和集中的云计算共同组成一个较为合理的体系。

数据量的问题也应得到重视。数据量并非越大越好,应以够用为原则,且在满足目标情况下越小越好,这与节材节能意义相通。此外,相关关系类的数据中有用成分比因果关系类数据少得多,因此,设计算力网络时,要对所处理的数据种类和数量进行实事求是、合理的预估。

从全国来看,数据处理网络的组成、不同地区的需求各有差异,对全国性、地区性、行业性的数据需求、集中程度也不同,比如同是东部地区,京津冀、长三角、珠三角情况并不一样。此外,各地对数据中心建设、维护能力也不同,要考虑人力资源情况。

因此,在实际操作中,需要仔细分析考虑,对已有一定实践的如贵州数据中心建设等应认真总结、吸取经验和教训,推动我国数据事业更好、更顺利地发展。

作者系中国工程院院士