近日,《中國教育網絡》雜志開展了一項關于高校算力建設情況的問卷調查,旨在了解人工智能融入高等教育趨勢下,高校算力平臺建設的現狀與規劃,挑戰與機遇,以及如何促進其可持續發展。
調查結果顯示,在生成式人工智能出現后,84.38%的受訪者表示學校計劃建設或將持續投入建設智算平臺,顯示出對智能計算能力的強烈需求,可能與當前人工智能的發展密切相關。當前,高校算力平臺的服務功能覆蓋廣泛,表現為以科研計算為核心,擴展多元化服務。然而,高校算力平臺普遍存在可持續發展挑戰,主要體現在資金、生態、人才、體制機制等方面。要促進算力平臺的可持續發展,就需要在管理體系優化、人才隊伍建設、硬件環境提升等方面做出持續努力。
本次問卷調查通過小程序鏈接的形式,在人數為496人的高校高性能計算(HPC)技術討論社群中發出調查邀請,該社群的主要成員為高校的算力平臺負責人和運營人員。共收到36份答卷,去除重合高校、非高校機構的答卷,有效答卷數量為32份。本次調查的樣本來源為HPC社群成員,調查結果僅代表該社群內高校算力平臺建設情況,無法反映全國高校的算力平臺建設情況。
建設現狀與規劃
調查顯示,所有受訪者(100%)都表示自己所在的高校已有自建的算力。其中,96.88%的高校建設了超算,59.38%的高校建設了智算,28.13%的高校建設了通算。
未來,84.38%的高校計劃或將持續投入建設智算,50%的高校計劃建設超算,28.13%的高校計劃建設通算(圖1)。

圖1 高校算力平臺未來建設規劃
每年,各高校的算力平臺所獲得的資金投入從0到1000萬不等。有的受訪者表示學校每年投入100萬元;有的受訪者表示運維費30萬,建設費用單獨規劃;有的受訪者表示平均1000萬以上,投入年份不均勻;有的受訪者表示2019年~2021年共投入了4000萬左右;不少受訪者表示投入金額為0,學校暫無持續的投入。
自從生成式人工智能大模型出現后,將人工智能與高校的教學、科研、管理相結合是大勢所趨,這對學校的算力提出了新要求。在本次問卷調查中,有78.13%的受訪者表示學校對算力的需求顯著增加,15.63%的受訪者表示學校對算力的需求并未顯著增加。
運營機制
雖然所有受訪高校都建設了算力平臺,但算力的來源并不單一,在高度依賴自建平臺(93.75%)的同時,通過外部算力予以補充也很常見。外部算力通常包括國家超算中心或區域算力樞紐接入、校企合作共建算力平臺、云服務,6.25%的受訪者表示其所在高校的算力還有其他來源(圖2)。

圖2 高校算力資源的主要來源渠道
高校算力平臺所提供的服務覆蓋范圍較為廣泛,表現為以科研計算為核心,拓展多元化支持。調查結果顯示,所有高校的算力平臺都提供科研計算支持服務,75%提供教學與實驗支撐服務,65.63%提供用戶培訓服務,56.25%提供數據存儲與管理服務,43.75%作為跨學科協作平臺,3.13%提供其他服務(圖3)。

圖3 高校算力平臺提供的服務類型
高校算力平臺的運營單位差異顯著,部分高校的算力平臺由多單位聯合運營。超80%的算力平臺由信息中心或其下轄團隊管理,凸顯了技術部門的核心優勢與主導地位。然而院系分散管理與外包運營的情況在部分高校中依然存在,多頭管理可能導致效率低下(圖4)。

圖4 高校算力平臺運營單位
56.25%的受訪者表示算力平臺由信息中心運營,25%的受訪者表示由信息中心下轄算力團隊運營,21.88%的受訪者表示由獨立算力團隊運營,由計算機學院運營、院系分散管理、外包運營的均占9.38%。
各高校算力平臺的運營團隊規模呈現巨大差異。近七成高校算力平臺運營團隊人員不足5人(68.75%),甚至存在“一人多崗”現象,反映出多數高校對算力服務的運維投入嚴重不足(圖5)。

圖5 高校算力平臺運營團隊規模
數據顯示,68.75%的受訪者表示運營隊伍人數為0~5人,12.5%的受訪者表示運營隊伍人數為5~10人,運營隊伍人數為10~20人、20~30人、30人以上的均占6.25%。
高校算力平臺的運營資金來源較為多元。數據顯示,超六成受訪者表示算力平臺依賴財政撥款(62.5%),部分高校的資金來源于用戶付費(46.88%)和科研經費(37.5%)。12.5%的高校選擇了“其他”。其中,有的高校表示資金來自部門運維經費;有的表示缺乏資金購買服務器,也缺乏資金用于運營(圖6)。

圖6 高校算力平臺運營資金來源
高校算力資源的利用率呈不同的分布。數據顯示,半數高校的算力資源利用率高于75%,資源利用效率高的原因可能是進行了校級平臺整合。少數高校的資源利用率低于25%,可能存在“算力孤島”,資源難以得到有效利用(圖7)。

圖7 高校算力資源利用率情況
具體數據為,一半的高校算力利用率高于75%,利用率為50%~75%的高校占比37.5%,利用率為25%~50%的高校占比6.25%,利用率在25%以下的高校占比3.13%。
高校算力資源分配以“先到先得”為主,其次是由需求主導的分配策略。數據顯示,近七成高校(65.63%)采用“排隊先后”的分配原則,部分高校依據項目緊急度(18.75%)和學科優先級(9.38%)調整資源供給,反映當前高校的算力調度大都為按順序分配的模式,部分高校探索了效率或學科發展優先的分配模式(圖8)。

圖8 高校算力資源分配機制
促進高校算力平臺的可持續發展
高校算力平臺可持續發展的挑戰主要集中在資金、生態、人才、體制機制短板等方面,并呈現多種壓力并存的態勢(圖9)。

圖9 高校算力平臺可持續發展面臨的挑戰
數據顯示,超九成高校(93.75%)將“資金的可持續性”列為核心挑戰。同時,半數以上高校的算力平臺面臨軟件生態(56.25%)、專業人才缺口(56.25%)及體制機制不完善(53.13%)的制約。此外,硬件技術壁壘(46.88%)與用戶經驗不足(31.25%)等問題也不容忽視。除此之外,還有高校反映“領導重視程度不夠”(3.13%),“算力尤其顯卡目前代際之間性能差距較大,完成立項采購建成后算力可能不再領先”(3.13%)等問題。
高校與外部機構算力合作方面,主要聚焦能力共建與資源共享,形成“人才-資源-項目”協同。數據顯示,超七成高校計劃通過聯合培養人才(75%)和共享算力資源(62.5%)深化外部合作,半數高校推進聯合項目開發(50%),體現高校正在以技術能力互補、資源集約利用為核心,構建產學研深度融合的算力生態體系(圖10)。

圖10 高校與外部機構的算力合作形式
調查顯示,當前高校算力的可持續發展面臨多重挑戰,主要包括人才隊伍建設不足、資金投入不夠、人才培養體系不完善等。同時,由于缺乏有效的管理和協調機制,導致資源配置不均。此外,校領導的重視程度和政策支持方面的不可預測性也影響了發展的持續性和穩定性。

圖11 可持續發展的建議
當被問及如何促進算力平臺的可持續發展時,受訪者的回答體現出一種共識,那就是制度、人才、設備、系統都很重要。
具體而言,自身定位與資金投入方面,需要得到校領導的高度重視,在政策扶持和資源配置方面予以適度傾斜,同時給予持續投入的資金。體制機制方面,要增強制度的包容性,健全培養體系和獎勵機制。人才隊伍建設方面,要建立一支高水平的、具有專業背景的人才隊伍。用戶服務方面,要協助用戶取得更高水平的成果。基礎設施保障方面,要提供必要的空間與電力保障,確保設備正常運轉。
來源:《中國教育網絡》
撰文:陳茜