AISC基金管理会

中文  | EN

项目内容

通过区块链技术和理念,为每个人每个场景提供适合的普适计算资源,让高效计算资源不仅仅局限于顶级研究实验室和大型组织,更要让这些资源直接转化为实践突破性创新的推动力,促进各种应用的普及和推广。本项目致力于从底层计算资源、生态建设和通证激励等层面解决普适计算和区块链系统面临的资源不足问题。通过通证激励和流通,在自建足够强大的存储池、算力池的同时,吸引更多拥有空闲存储资源和空闲算力资源的社区用户加入生态体系。通过密码学技术的全方位应用,对外提供具有高可靠性和高可扩展性、细粒度私密性保护的存储和计算能力。同时,面向具体应用,通过 DSP、FPGA和 ASIC 设计,实现特定 AI 算法的芯片化设计与实现,从多个环节满足未来应用的计算能力需求。

分布式储存

  • 分布式存储概念

分布式存储将数据分散存储在多台独立的设备上,利用多台存储设备分担存储负荷,利用元数据服务器定位存储信息,并且可横向扩展。分布式存储将分散的存储设备构建成一个虚拟的存储池供上层应用使用,提高了系统的可靠性、可用性和存取效率。分布式存储系统正逐步替代传统的存储架构,尤其在非结构化数据存储领域发展迅猛。

  • 技术指标

分布式存储系统核心技术主要包括元数据管理技术、系统弹性扩展技术和存储优化技术等。

(1)大容量。系统的节点采用通用或非通用架构存储服务器作为构建单元,根据用户需要横向无限扩展存储节点,并且形成一个统一的共享存储池。

(2)高性能。相比传统存储而言,提供高出 10-15 倍的聚合 IOPS 和吞吐量,另外可以随着存储节点的扩容而线性增长,专用的元数据模块可以提供快速精准的数据检索和定位,满足不同前端业务快速响应的需求。

(3)高可靠性。整个系统无任何单点故障,数据安全和业务连续性得到保障。节点设备之间有专门的数据保护策略,可实现系统的设备级冗余,并且可在线更换损坏的硬盘或者节点设备。

(4)高扩展性。系统可以支持在线无缝动态横向扩展,在采用冗余策略的情况下任何一个存储节点的上线和下线对前端的业务没有任何的影响,完全是透明的,并且系统在扩充新的存储节点后可以选择自动负载均衡,所有数据的压力均匀分配在各存储节点上。此外,系统的存储容量和系统的吞吐率均能够随着系统规模的增大而同步增大,而文件访问性能始终保持较高状态。系统可通过拓扑结构和数据组织方式来适应节点和存储数据规模的动态增长。

(5)高整合性。兼容任何品牌的通用存储服务器,在标准的 IP/IB 网络环境下即可轻松实施,无需改变原有网络架构。

(6)易管理。可通过 WEB 界面或手机 APP 就可以对整个系统进行配置管理,运维简便。

(7)高私密性。通过密码学技术手段,保证个人和单位在分布式存储上储存的信息具有对应等级的私密性。

算力

  • 算力的概念

算力,顾名思义,可以理解为计算能力,一般指挖取比特币的过程中矿机每秒钟能做的 hash 碰撞次数,其单位记作 hash/s。目前,比特币的全网算力增加到32E/S 的历史顶峰——这是新矿工不断加入比特币挖矿的信号。不同的币种的挖矿算法存在差异,比如比特币是 sha256 算法,莱特币是 scrypt 算法,以太坊是Ethash 算法。在超算领域和科学计算领域,更多使用浮点数运算速度作为算力衡量指标。2018 年 6 月 8 日,美国能源部橡树岭国家实验室宣布造出了目前世界上最快的超级计算机,浮点运算速度峰值可达每秒 20 亿次。

  • 技术指标

由于构成算力的计算体系架构不同,用途不同,因此也还没有统一的用于算力的技术指标。

计算系统在体系架构上可分为同构计算和异构计算。同构计算是使用相同类型指令集和体系架构的计算单元组成系统的计算方式。异构计算是指使用不同类型指令集和体系架构的计算单元组成系统的计算方式。常见的计算单元类别包括CPU、GPU 等协处理器、DSP、ASIC、FPGA 等。异构计算是一种并行和分布式计算,它或是用能同时支持 simd 方式和 mimd 方式的单个独立计算机,或是用由高速网络互连的一组独立计算机来完成计算任务。具体来说,异构计算是在运算中既使用处理器,又使用 GPU 或众核芯片等加速器。

AI 芯片

  • AI 芯片概念

人工智能(AI)是研究、开发用于模拟、延伸和扩展人的智能理论、方法、技术及应用系统的科学。它通过了解智能的实质,生产出能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。在硬件方面,目前主要是使用 GPU 并行计算神经网络,同时,FPGA 和 ASIC 也具有未来异军突起潜能。AI 芯片一般是指针对 AI 算法的 ASIC 专用芯片。传统 CPU、GPU 都可执行AI 算法,但是速度慢,性能低,无法实际商用,与传统的终端芯片相比,云端智能芯片具有规模更大、结构更复杂、运算能力更强、耗能更低等特性,从而适应设备中的软件在运行时所需的条件。

  • 技术指标

ASIC 作为一种专用芯片,与传统的通用芯片存在一定的差异。因其是为了某种特定的需求而专门定制的芯片,该芯片的计算能力和计算效率都可以根据算法需要进行定制。ASIC 与通用芯片相比,具有体积小、功耗低、计算性能高、计算效率高等特点,芯片出货量越大、成本越低。

(1)性能高。ASIC 芯片在高性能模式下,等效理论峰值速度更可达每秒166.4 万亿次定点运算,典型板级功耗仅为 80 瓦,峰值功耗不超过 110 瓦。

(2)效率快。人工智能芯片与传统芯片相比,其具有高效率的特性。寒武纪最新的 MLUv01 架构和 TSMC16nm 的先进工艺芯片,平衡模式下的等效理论峰值速度达每秒 128 万亿次定点运算。

(3)计算能力强大。AI 芯片架构脱胎图像处理,并行计算能力强大。因内部具有高并行结构,在处理图形数据和复杂算法方面具有更高的效率和更强大的计算能力。

(4)体积小。AI 芯片与传统芯片相比,在体积上更小,适应一些特殊和专有用途。