英伟达的“GPU共享抗疫法”，为什么没能走进中国方案？

它来了它来了，它带着AI方案走来了！

外洋疫情的日益严峻，AI投身抗疫的外洋版也陆续上线。

在诸多项目中，共享算力方案听起来格外耳熟。有点像中国人民“躺在家为国做孝敬”类似，英伟达招呼游戏玩家们“开电脑为抗疫做孝敬”。，吁PC玩家们募捐自家GPU/CPU的闲置算力，支援斯坦福大学的漫衍式盘算Folding@home（FAH）项目，以弥补病毒研究算力的不足。

英特尔、MSI微星等巨头和网友们也纷纷响应，表现自己准备好了：为了拯救世界，多掏点电费算什么！MSI甚至用了“复仇者同盟”终局之战的配图，用“人人都是超级英雄”来疯狂表示。

不外，共享算力能否为抗击新冠病毒起到作用？为何在中国抗疫方案中却没有见到它的身影呢？

共享算力：漫衍式盘算的全民版本

想要相识共享算力对于抗击新冠病毒的价值，要从斯坦福大学 Pande 实验室提倡的Folding@home说起。

所谓算力共享，是指依托建设的网络信息中心，运用云端漫衍式盘算技术实现网络算力的互联共享，以告竣分析盘算。

好比这次用于抗击新冠疫情的Folding@home，就是现在世界上最大的漫衍式盘算计划（2007年吉尼斯世界纪录），主要用于疾病的AI研究，为卵白质折叠、聚合及由此引起的相关疾病，举行药物盘算设计和其他分子动力学研究。

自2000年10月1日启动以来，已经吸引了英伟达、索尼等商业巨头的到场，乐成模拟5-10微秒的折叠历程。现在，Folding@home所有的 GPU 项目，也都瞄准了COVID-19 ，旨在找到它的潜在药物靶标，未来CPU项目也会尽快加入。

玩家的到场方式，需要在项目客户端上选择“Any disease”，就会收到相关需求，凭据其举行客户端设置就好。然后Folding@home就会在后台，以很是的优先级，也就是在盘算机空闲时来供应案例，不必担忧会影响游戏、视频等正常的盘算机体验。

而在疫情发作之前，算力共享也已经有了不少成熟应用。

早在2002年就建设的项目“BOINC算力地球”，就号称能够资助普通人的电脑实现和外星文明的“第五类接触”。

C端用户允许BOINC在闲置时挪用小我私家的CPU 和 GPU 盘算能力，支持数学、医学、天文学、气象学等各个领域的科学研究。英国牛津大学就曾使用BOINC的算力来预测未来 100 年全球气候变化。

已往十几年间 BOINC 平台的算力资源一直在连续增长。停止 2019 年3月，已经有凌驾 440 万的志愿用户加入BOINC ，日活的主机约莫 60 万台，孝敬出或许 30 PFLOPS 的算力。如果根据AWS服务器同等体量的算力租金来盘算的话，共享一年的价值就相当于全球PC用户为科研捐出了5000万美元。

而BOINC的建立者，正是加州大学伯克利分校漫衍式盘算领域的著名科学家David Anderson。

BOINC支援过最大的项目，是加州大学伯克利分校提倡的、搜索外星智能生物的盘算资源共享计划SETI@HOME。分析位于波多黎各阿雷西博天文台和望远镜，以及位于维吉尼亚州的绿岸天文望远镜（Green Bank Telescope）所搜集到的无线电信号，来寻找外星高等智能生物存在的证据，是一个庞大的运算工程。

1999年5月17日启动至今，吸引了全世界凌驾 500万个用户，有凌驾71万台活跃主机，天天提供约30PetaFLOPS的运算能力。

固然，漫衍式盘算平台真正大规模走入人们的视野，还离不开“挖矿”的市场化洗礼。

2017-2018年，区块链（尤其是数字钱币）的火热也动员了“共享算力经济”，泛起了众多可以出租小我私家盘算机资源的平台。用户将带显卡的机械托管到矿池里，把剩余算力租赁给“矿场”挖矿来获得收益，平台也得以降低虚拟币的算力成本。

那么，共享算力作为漫衍式盘算的“民主化版本”，究竟有哪些利与弊呢？

丰满理想与骨感现实：共享算力的真实面目

国王说 ：“亲爱的大臣，昨晚我梦见一个数字，是190554261410902619，我不知道这个数是不是一个素数，我需要最快知道谜底。”

大臣回覆 ：“陛下，我也不知道，不外，我们刚给王国里的每个黎民按自然数顺序编了身份证号码，只要公布下令，让每小我私家用自己的号码去除国王所梦见的数字，很快就能获得谜底。”

下令公布后的第二天，国王就收获了两个陈诉 ，一个是 456275009，另一个是 456275291。

这个故事中，就蕴涵了漫衍式盘算的思想。

一方面，信息技术的飞速生长、人工智能的工业化浪潮，让处置惩罚、分析海量数据的算力，成了新的关键资源。

好比分析卵白质这类项目，涉及到庞大的模型结构和庞大的盘算量，即即是使用超级盘算机也需要消耗很长的时间，以及高昂的服务器租赁成本。

如果能让许多盘算机到场到运算历程中，将需要大量盘算的项目支解成小块，由由多台盘算机同时处置惩罚，再上传运算效果后统一合并得出数据结论，历程就能够大为缩短。

而且，与中心化的商业云盘算平台差别，大量小我私家盘算机的用户都存在一定的资源闲置。

有统计显示，全球的电脑年出货量是2亿台，以每五年为一个更换周期来盘算，全球或许有10亿台电脑随时保持运行的状态，但使用率只有20-30%，绝大部门时间都在闲置状态。

如果让它们成为漫衍式盘算的节点，以公益捐赠或者小成本购置的方式，那些因无力支付算力用度而停滞的项目因此获得支持，按需取用，岂不是人类的科技历程都要加速许多？

固然，共享算力这事儿出道多年，始终没有收获规模化 的小我私家用户支持，背后一定是有其特殊的原因。

首先，共享算力一般会发生在高度公益属性，或是具备高度经济收益的项目上。

小我私家闲置算力简直资源庞大，而且成本低廉，试问谁不想在这场算力圈地运动中“一呼百应”呢？究竟云服务商自己搭建数据中心，还要投入机房、房租、电费、运维等等成本。如果让全民为自己打工，这种场景你仔细想……你想得美！

要知道，就算平台的信誉有所保证，用户在共享闲置算力时电脑也要连续运行，尤其是使用GPU盘算时，会一直会保持在满负载运行状态，耗电量也一定会增大，有的还会占用软件内存导致卡顿，设备的耐久性和寿命也会因此打折扣。

所以除非有足够的理由驱使，好比为了人类运气配合体协力抗击病毒，亦或是给予充实的经济回报，好比挖矿，否则很难调动起大多数人的努力性。

其次，就算是值得托付的项目/平台，也未必能治理好共享资源。

一方面，漫衍式盘算只适合那些能够通过盘算来解决全部或部门问题的研究，而且盘算历程还需要容易被支解成小我私家盘算机处置惩罚能力可接受的巨细，这就限制了许多研究接纳“共享模式”来举行。

另一方面，项目方/平台方需要治理海量用户的GPU/CPU硬件资源，但商业竞争的关系，GPU的设计细节并未公然，差别厂商产物也存在很大的差异。而且算力上传到云端虚拟化还会发生性能损耗，这都增加了其部署和治理的难度。

这也是为什么，在上线21年后，SETI @ Home决议在今年3月31日终止向志愿者分配作业。项目小组解释，是因为已经分析完所有需要的数据，而且数据的漫衍式盘算治理很费事，专案小组决议把精神放在完成数据的后端分析，和撰写论文上面。

第三，能将共享资源效率最大化的平台，一定具备强大的技术能力，这也限制了共享项目的扩张。

因为对海量小我私家算力的云端虚拟化、调配，需要部署漫衍盘算情况(也称为中间件)，用来提供公共服务，支持漫衍式应用，否则，项目人员就不得不解决多种操作系统、多种网络协议、多种数据库、性能、效率、宁静等等，与业务自己没有直接关系的难题。

好比虚拟化技术，多核 CPU 和拥有大量核数的 GPU泛起，让盘算机性能获得数量级提高的同时，也加大了共享的部署难度，很容易造成GPU麋集型负载的性能杂乱和资源浪费，这就需要通过虚拟化来对富厚的盘算资源举行抽象和模拟，让算力到达原生GPPU/CPU的性能，同时成千上万个应用相互之间没有任何关扰。

这样功效强大、稳定统一的技术，主要还是掌握在云盘算厂商手中。

这或许也从某个层面，解释了中国的AI抗疫行动里，暂时还没有泛起“全民共享GPU”这个选项。

方兴未艾，自有继承：中国云盘算的今日境况

其一，中国云盘算工业规模不停增长，拥有相对富足的算力资源。

在已往的数年间，从国家政策到企业需求，推动了海内云盘算工业规模的高速增长。信通院、IDC等研究机构公布的数据显示，2018年，中国云盘算工业规模到达962.8亿元人民币，较2017年增长39.2%，2019年工业规模则预计凌驾千亿，到达1290.7亿元人民币。众多省市都在建设超级盘算中心，这为抗疫期间AI算力的紧缺需求，提供了高效战略调动的前提。

第二，中国云服务厂商市场份额和技术能力趋于世界前列，在疫情危急关头挺身而出开放算力。

IDC《全球公有云服务市场跟踪》陈诉显示，中国公有云服务整体市场规模（IaaS/PaaS/SaaS）超 40 亿美金，中国云厂商占据了全球四强席位。

而这些科技企业的加入，也撑起了算力需求的山河。阿里云宣布向全球公共科研机构免费开放一切AI算力，百度研究院免费开放线性时间算法LinearFold以及世界上现有最快的RNA结构预测网站；滴滴云也免费开放了GPU云盘算资源和技术支持，用于抗击疫情相关事情……此外，一些云服务厂商也在努力研发，并无偿开放多款专门针对疫情调研、排查、防控的智能服务产物，好比至少阿里、腾讯、字节跳动、华为等云协同办公厂商先后免费开放多项功效，上海经信委与各运营商商议提供6个月以上云办公、云视频集会的免费服务……

有这么多算力巨无霸撑起了盘算资源的硬核输入，自然也就不需要招呼全民开机、支持抗疫了。

从这个角度来说，争分夺秒的“GPU抗疫”，既是对与新型冠状病毒赛跑的科研人员的强有力支持，也是一个全球云盘算业态的最佳侧写。