“混合計算”賦能金融科技

在一場4×100的接力賽中，教練會分析每位隊員特點，讓其完成不同賽段，充分發揮各自的優勢，協同打贏比賽。

在萬物互聯的“賽道”上，云計算、霧計算等計算“選手”也各有所長。然而，有時單個“選手”無法滿足需求各異的應用場景，怎么辦?

“混合計算”就扮演著協調每位“隊員”的“教練”角色。在日前舉辦的2019年中國(北京)國際服務貿易交易會上，分享通信集團董事局主席蔣志祥作了關于《“混合計算”賦能金融科技》的演講，引起熱議。

那么，“混合計算”究竟是什么?有何應用?科技日報記者就此采訪了相關領域的專家。

萬物互聯時代需要更強算力

據測算，到2020年，全球聯網設備的數量將達到500億臺;到2025年，萬物互聯的銷售收入將達到1.6萬億美元;到2030年，物聯網產生的數據量將達到4.4ZB(澤字節)。

“當前數據從消費端到生產端、從設備到數據本身，萬物互聯市場已呈現出爆發式增長態勢。而大數據和物聯網技術對數據處理能力的要求很高，這就需要充分挖掘算力。”復旦大學大數據試驗場研究院、上海市數據科學重點實驗室副研究員張帆在接受科技日報記者采訪時說。

“‘混合計算’就是試圖利用5G的萬物互聯能力，綜合利用云計算、霧計算、邊緣計算等計算方式，實現高效協同計算。”福建工程學院科研處處長、福建省北斗導航與智慧交通協同創新中心主任鄒復民教授介紹道，“混合計算”這一概念最早由蔣志祥在WMIC 2018世界移動互聯網大會上提出。這一概念的形成，歷經了多年的發展。

談及其技術原理，張帆說，“混合計算”借鑒了異構計算的思想——用不同的計算資源處理適合該結構的任務。異構計算的概念提出的時間很早，但受實現條件限制，直到近年才得到了巨大的發展。

隨著萬物互聯市場的發展，產業界逐漸認識到單一的計算方式不能解決所有問題，為此針對不同計算方法各大廠商展開了積極探索：英特爾公司在2015年收購阿爾特拉公司，同時著手開發芯片內可重構技術;賽靈思公司在2015年實現了編程環境的統一;百度在2016年開始推進“百度大腦項目”，試圖在一個計算體系內實現多種算力的混合……

2018年1月4日，工業互聯網產業聯盟正式發布了《工業互聯網平臺白皮書(2017)》，其中關于工業互聯網平臺功能架構圖的內容，已經初步陳述了邊緣計算和云計算進行協同計算的理念。不僅如此，華為、西門子等公司也針對“邊云協同”不斷地進行探索。

將各類計算方法進行排列組合

在不同的應用場景，云計算、霧計算、邊緣計算等計算方法展現出的優勢也不同。

鄒復民以智慧交通應用場景為例介紹道，車輛在自動駕駛時，若要啟動防碰撞緊急制動裝置，需要計算平臺在毫秒內做出判斷，這就要應用到邊緣計算技術;而交通擁堵分析及智能誘導功能，則應用了云計算技術，通過云計算中心對交通大數據進行綜合分析與挖掘，得到最終的誘導方案。

張帆認為，與早前單個計算方法不同，“混合計算”將各類計算方法進行排列組合，構建出某領域專用的高效應用組件，從而更好地滿足無線互聯、視頻處理、圖像識別、智能制造等多領域的高效處理需求。

張帆舉例道，在網絡視頻業務場景中，工作人員就可以協同運用邊緣計算和云計算這兩種計算方式。比如，在進行直播推流(把直播內容傳輸到服務器)時，首先利用云計算技術將數據進行存儲、收集，然后可利用邊緣計算在就近節點進行轉碼和分發，減少了對云計算中心的壓力，節省了中心帶寬成本，同時實現網絡低時延，進而提高了直播質量和用戶觀看體驗。

再如，在無人駕駛領域，可綜合利用邊緣計算、云計算和人工智能(AI)技術：用邊緣計算傳感器收集數據，將數據發至云端，傳感器融合、虛擬世界模型更新都在云端實現;AI在“云”中確定行動計劃，并通過云端向汽車發布控制命令。

鄒復民說，“混合計算”的技術平臺可以部署在從消費級各類應用、到智慧城市級各類應用、到農業溯源區塊鏈的各類應用、再到未來最具增長的工業互聯網各類應用。

在技術和應用層面存在諸多挑戰

“‘混合計算’目前還主要停留在概念階段，未見成熟的技術方案和框架。”鄒復民說，要真正實現各種計算協同的“混合計算”，在技術和應用層面，還面臨著諸多挑戰。

隨著連接設備數量的劇增，網絡管理、靈活擴展和可靠性保障等方面都面臨著巨大挑戰。張帆舉例說，以工業互聯網為例，其存在大量的異構總線和多種制式的網絡，它們在兼容多種連接的同時還需要確保連接的實時性和可靠性。在此基礎上，要實現數據協同，則需要跨廠商、跨平臺的集成與操作。

面對海量復雜的應用環境，如何將任務準確、完整地下達到各計算節點;通過計算節點計算后，如何將有效信息整合到任務中進行反饋……這些都是考驗“混合計算”協同能力的重要指標。

“不僅如此，在萬物互聯的場景下，涉及訪問控制與威脅防護等安全問題的挑戰大幅增多，安全和隱私如何得到保證、如何抵御攻擊，這些都是安全領域需要關注的重點內容。”張帆說。

針對應用層面存在的障礙，張帆認為，“混合計算”中各種計算協同進行工作后，其應用場景將會越來越多、越來越復雜。如在車聯網應用中，多種傳感器和采集器之間的協同、汽車之間的協同、汽車端與云端之間的協同等場景將會越來越復雜。

同時，張帆也指出，“混合計算”在萬物互聯時代要能保證在不同應用場景實現落地，僅依賴5G的高速率、低延時是遠遠不夠的。在不久的將來，隨著網絡通信能力的提高、“混合計算”各種協同問題的解決以及產業鏈的完善，“混合計算”的能力才能被充分發揮出來，賦能各類應用場景。