英偉達的“GPU共享抗疫法”，為什麼沒能走進中國方案？_風聞

它來了它來了，它帶着AI方案走來了！

海外疫情的日益嚴峻，AI投身抗疫的海外版也陸續上線。

在諸多項目中，共享算力方案聽起來格外耳熟。有點像中國人民“躺在家為國做貢獻”類似，英偉達號召遊戲玩家們“開電腦為抗疫做貢獻”。，籲PC玩家們捐獻自家GPU/CPU的閒置算力，支援斯坦福大學的分佈式計算Folding@home（FAH）項目，以彌補病毒研究算力的不足。

英特爾、MSI微星等巨頭和網友們也紛紛響應，表示自己準備好了：為了拯救世界，多掏點電費算什麼！MSI甚至用了“復仇者聯盟”終局之戰的配圖，用“人人都是超級英雄”來瘋狂暗示。

不過，共享算力能否為抗擊新冠病毒起到作用？為何在中國抗疫方案中卻沒有見到它的身影呢？

共享算力：分佈式計算的全民版本

想要了解共享算力對於抗擊新冠病毒的價值，要從斯坦福大學 Pande 實驗室發起的Folding@home説起。

所謂算力共享，是指依託建立的網絡信息中心，運用雲端分佈式計算技術實現網絡算力的互聯共享，以達成分析計算。

比如這次用於抗擊新冠疫情的Folding@home，就是目前世界上最大的分佈式計算計劃（2007年吉尼斯世界紀錄），主要用於疾病的AI研究，為蛋白質摺疊、聚合及由此引起的相關疾病，進行藥物計算設計和其他分子動力學研究。

自2000年10月1日啓動以來，已經吸引了英偉達、索尼等商業巨頭的參與，成功模擬5-10微秒的摺疊過程。目前，Folding@home所有的 GPU 項目，也都瞄準了COVID-19 ，旨在找到它的潛在藥物靶標，未來CPU項目也會盡快加入。

玩家的參與方式，需要在項目客户端上選擇“Any disease”，就會收到相關需求，根據其進行客户端設置就好。然後Folding@home就會在後台，以非常的優先級，也就是在計算機空閒時來供給案例，不必擔心會影響遊戲、視頻等正常的計算機體驗。

而在疫情爆發之前，算力共享也已經有了不少成熟應用。

早在2002年就建立的項目“BOINC算力地球”，就號稱能夠幫助普通人的電腦實現和外星文明的“第五類接觸”。

C端用户允許BOINC在閒置時調用個人的CPU 和 GPU 計算能力，支持數學、醫學、天文學、氣象學等各個領域的科學研究。英國牛津大學就曾使用BOINC的算力來預測未來 100 年全球氣候變化。

過去十幾年間 BOINC 平台的算力資源一直在持續增長。截至 2019 年3月，已經有超過 440 萬的志願用户加入BOINC ，日活的主機大約 60 萬台，貢獻出大概 30 PFLOPS 的算力。如果按照AWS服務器同等體量的算力租金來計算的話，共享一年的價值就相當於全球PC用户為科研捐出了5000萬美元。

而BOINC的創建者，正是加州大學伯克利分校分佈式計算領域的著名科學家David Anderson。

BOINC支援過最大的項目，是加州大學伯克利分校發起的、搜索外星智能生物的計算資源共享計劃SETI@HOME。分析位於波多黎各阿雷西博天文台和望遠鏡，以及位於維吉尼亞州的綠岸天文望遠鏡（Green Bank Telescope）所蒐集到的無線電信號，來尋找外星高等智能生物存在的證據，是一個龐大的運算工程。

1999年5月17日啓動至今，吸引了全世界超過 500萬個用户，有超過71萬台活躍主機，每天提供約30PetaFLOPS的運算能力。

當然，分佈式計算平台真正大規模走入人們的視野，還離不開“挖礦”的市場化洗禮。

2017-2018年，區塊鏈（尤其是數字貨幣）的火熱也帶動了“共享算力經濟”，出現了眾多可以出租個人計算機資源的平台。用户將帶顯卡的機器託管到礦池裏，把剩餘算力租賃給“礦場”挖礦來獲得收益，平台也得以降低虛擬幣的算力成本。

那麼，共享算力作為分佈式計算的“民主化版本”，究竟有哪些利與弊呢？

豐滿理想與骨感現實：共享算力的真實面貌

國王説 ：“親愛的大臣，昨晚我夢見一個數字，是190554261410902619，我不知道這個數是不是一個素數，我需要最快知道答案。”

大臣回答 ：“陛下，我也不知道，不過，我們剛給王國裏的每個百姓按自然數順序編了身份證號碼，只要發佈命令，讓每個人用自己的號碼去除國王所夢見的數字，很快就能得到答案。”

命令發佈後的第二天，國王就收穫了兩個報告 ，一個是 456275009，另一個是 456275291。

這個故事中，就藴涵了分佈式計算的思想。

一方面，信息技術的飛速發展、人工智能的產業化浪潮，讓處理、分析海量數據的算力，成了新的關鍵資源。

比如分析蛋白質這類項目，涉及到複雜的模型結構和龐大的計算量，即便是利用超級計算機也需要消耗很長的時間，以及高昂的服務器租賃成本。

如果能讓許多計算機參與到運算過程中，將需要大量計算的項目分割成小塊，由由多台計算機同時處理，再上傳運算結果後統一合併得出數據結論，過程就能夠大為縮短。

而且，與中心化的商業雲計算平台不同，大量個人計算機的用户都存在一定的資源閒置。

有統計顯示，全球的電腦年出貨量是2億台，以每五年為一個更換週期來計算，全球大概有10億台電腦隨時保持運行的狀態，但利用率只有20-30%，絕大部分時間都在閒置狀態。

如果讓它們成為分佈式計算的節點，以公益捐贈或者小成本購買的方式，那些因無力支付算力費用而停滯的項目因此獲得支持，按需取用，豈不是人類的科技進程都要加快很多？

當然，共享算力這事兒出道多年，始終沒有收穫規模化 的個人用户支持，背後一定是有其特殊的原因。

首先，共享算力一般會發生在高度公益屬性，或是具備高度經濟收益的項目上。

個人閒置算力的確資源龐大，而且成本低廉，試問誰不想在這場算力圈地運動中“一呼百應”呢？畢竟雲服務商自己搭建數據中心，還要投入機房、房租、電費、運維等等成本。如果讓全民為自己打工，這種場景你仔細想……你想得美！

要知道，就算平台的信譽有所保證，用户在共享閒置算力時電腦也要持續運行，尤其是使用GPU計算時，會一直會保持在滿負載運行狀態，耗電量也必然會增大，有的還會佔用軟件內存導致卡頓，設備的耐久性和壽命也會因此打折扣。

所以除非有足夠的理由驅使，比如為了人類命運共同體協力抗擊病毒，亦或是給予充分的經濟回報，比如挖礦，否則很難調動起大多數人的積極性。

其次，就算是值得託付的項目/平台，也未必能管理好共享資源。

一方面，分佈式計算只適合那些能夠通過計算來解決全部或部分問題的研究，而且計算過程還需要容易被分割成個人計算機處理能力可接受的大小，這就限制了許多研究採用“共享模式”來進行。

另一方面，項目方/平台方需要管理海量用户的GPU/CPU硬件資源，但商業競爭的關係，GPU的設計細節並未公開，不同廠商產品也存在很大的差異。而且算力上傳到雲端虛擬化還會產生性能損耗，這都增加了其部署和管理的難度。

這也是為什麼，在上線21年後，SETI @ Home決定在今年3月31日終止向志願者分配作業。項目小組解釋，是因為已經分析完所有需要的數據，而且數據的分佈式計算管理很費事，專案小組決定把精力放在完成數據的後端分析，和撰寫論文上面。

第三，能將共享資源效率最大化的平台，必然具備強大的技術能力，這也限制了共享項目的擴張。

因為對海量個人算力的雲端虛擬化、調配，需要部署分佈計算環境(也稱為中間件)，用來提供公共服務，支持分佈式應用，否則，項目人員就不得不解決多種操作系統、多種網絡協議、多種數據庫、性能、效率、安全等等，與業務本身沒有直接關係的難題。

比如虛擬化技術，多核 CPU 和擁有大量核數的 GPU出現，讓計算機性能得到數量級提高的同時，也加大了共享的部署難度，很容易造成GPU密集型負載的性能混亂和資源浪費，這就需要通過虛擬化來對豐富的計算資源進行抽象和模擬，讓算力達到原生GPPU/CPU的性能，同時成千上萬個應用相互之間沒有任何干擾。

這樣功能強大、穩定統一的技術，主要還是掌握在雲計算廠商手中。

這或許也從某個層面，解釋了中國的AI抗疫動作裏，暫時還沒有出現“全民共享GPU”這個選項。

方興未艾，自有擔當：中國雲計算的今日景況

其一，中國雲計算產業規模不斷增長，擁有相對充足的算力資源。

在過去的數年間，從國家政策到企業需求，推動了國內雲計算產業規模的高速增長。信通院、IDC等研究機構發佈的數據顯示，2018年，中國雲計算產業規模達到962.8億元人民幣，較2017年增長39.2%，2019年產業規模則預計超過千億，達到1290.7億元人民幣。眾多省市都在建設超級計算中心，這為抗疫期間AI算力的緊缺需求，提供了高效戰略調動的前提。

第二，中國雲服務廠商市場份額和技術能力趨於世界前列，在疫情危急關頭挺身而出開放算力。

IDC《全球公有云服務市場跟蹤》報告顯示，中國公有云服務整體市場規模（IaaS/PaaS/SaaS）超 40 億美金，中國雲廠商佔據了全球四強席位。

而這些科技企業的加入，也撐起了算力需求的江山。阿里雲宣佈向全球公共科研機構免費開放一切AI算力，百度研究院免費開放線性時間算法LinearFold以及世界上現有最快的RNA結構預測網站；滴滴雲也免費開放了GPU雲計算資源和技術支持，用於抗擊疫情相關工作……此外，一些雲服務廠商也在積極研發，並無償開放多款專門針對疫情調研、排查、防控的智能服務產品，比如至少阿里、騰訊、字節跳動、華為等雲協同辦公廠商先後免費開放多項功能，上海經信委與各運營商商議提供6個月以上雲辦公、雲視頻會議的免費服務……

有這麼多算力巨無霸撐起了計算資源的硬核輸入，自然也就不需要號召全民開機、支持抗疫了。

從這個角度來説，爭分奪秒的“GPU抗疫”，既是對與新型冠狀病毒賽跑的科研人員的強有力支持，也是一個全球雲計算業態的最佳側寫。