中国银行

算力全链条绿色化成效初显 词元经济等成新增长极_我的网站

A |     记者从日前召开的2026绿色算力（人工智能）大会上获悉，当前我国算力规模快速增长，算力设备向高能效方向升级，算力载体绿色化转型进展积极，算电协同从理念走向实践，算力网、词元经济、算力出海等新模式新业态成为新增长极。随着算电协同持续深化和国产大模型全面爆发，算力产业迎来新格局。中国信息通信研究院副院长敖立在大会上发布的《绿色算力发展研究报告（2026年）》显示，我国算力设备加速向高能效方向迭代升级。截至2026年6月底，我国智能算力规模达2185EFLOPS。算力从“建得快”转向“用得好”，从“拼规模”转向“拼能效”成为产业界的共识。在内蒙古和林格尔新区，华电全国首批算电协同示范项目一期已并网直供，每年向数据中心输送超7亿度绿电，绿电从几十公里外的风电场通过专线直接送到服务器。    作者 | Steef-Jan Wiggers     译者 | 平川          OpenAI 的工程师们花了数周时间，试图解释 Rockset 中那些神秘的崩溃问题。Rockset 是一款 C++ 数据基础设施服务，为 ChatGPT 的搜索和数据插件提供支持。中国联通内蒙古分公司机构产业服务事业群总经理陈晓娟介绍，企业与国电投、华电、内蒙古能源集团等电力企业合作，探索算电协同试点建设，结合柔性负载调节、弹性算力调度、跨域协同调度，实现“荷随源动”。大会同期发布的《“东数西算”枢纽节点绿色算力指数研究报告（2026年）》显示，算力设备绿色化相关指标综合年度增长达206.8%，规模扩张与效率提升协同并进。“算能协同相关指标年度增长达496.8%，是增长最快的维度。”清华大学经济管理学院副院长李东红表示，这说明“算力找电”正加速变成“电随算走”。此外，算用协同迎来新业态爆发。

B | 敖立介绍，截至2026年3月，我国日均词元调用量从2024年初约1000亿激增至约140万亿，两年增长超千倍。

C | 函数似乎会返回错误的内存地址，栈指针在执行过程中似乎会偏移 8 个字节。算力出海步伐加快，自贸试验区正探索制度创新。团队提出的每一种假设都面临着有力的反证。

D | 这个 Bug 似乎根本不可能存在。“算力正从基础设施向服务形态升级”，成为大会释放的明确信号。不过，绿色算力并非绿电加服务器那么简单。         他们原本以为是一个 Bug ，结果却发现是两个互不相关的 Bug ，它们只是很巧合地在同一时间被发现了。国家信息中心原党委书记、常务副主任杜平在会上给出三层理解：基础层是绿电与服务器的结合；技术层是软硬件的适配与协同交付；增值服务层是算力、电力、数据三大市场交叉融合的新业态。这一突破性发现并非来自对单个崩溃事件的深入排查，而是源于转向了他们所说的“流行病学调试”：构建一条管道，自动分析过去一年中生产环境的每一个核心转储文件，然后寻找整体规律，而不是对单个案例进行推断。         该团队让 ChatGPT 编写了一个脚本，用于下载每个核心文件的开头部分，提取寄存器数据，过滤已知的误报，并将每次崩溃标记为“返回空指针”、“栈对齐错误”或其他类型。“绿色算力是一个多因素协同发力的开放生态系统，需要超前谋划、统筹设计。”杜平说。他们将该脚本并行应用于过去一年中的所有 Rockset 核心转储文件。

E | “算力经济正从物理资源交付向以词元为代表的智能新路径发展，呈现由资源供给驱动向能力服务驱动转变的全新趋势。他们很快就发现了相关性。”国家数据局副局长夏冰在大会上表示，算力设施建设迎来了从资源扩张到系统增效的新阶段，下一步将聚焦东数西算工程、算力监测调度、算电协同等方面的重点工作，持续夯实算力工作，为人工智能发展提供支撑。面向未来，敖立建议从四方面发力：完善绿色算力体系，深化算电协同规划布局；强化绿色技术创新，探索柔性互动技术；壮大产业生态与配套服务；拓展应用场景，培育算力服务新业态。李东红提醒：“绿色算力没有统一模板，各地要立足自身禀赋，聚焦设备、载体、能源、应用找准主攻方向。原本从症状上看属于同类的问题，实际上对应两组特征完全不同的崩溃事件。

F |          这些因栈对齐错误导致的崩溃均源自同一个 Azure 区域，有明确的起始日期，而且从未出现在长期运行的节点上。

G | 团队追踪发现，这些崩溃源自一台物理主机，其 CPU 正在悄无声息地产生错误的结果。”（记者 安路蒙 王雪冰 郭倩）。它既没有过热，也没有抛出机器检查异常，而只是数学运算默默出了错。将该主机从服务中移除后，因栈对齐错误导致的崩溃便完全消失了。         在剔除硬件崩溃问题后，剩余的由“返回空指针”导致的崩溃问题便变得可控了。此前，团队曾排除了 C++ 异常展开的原因，因为他们认为自己找到了反例：在未使用异常的代码路径中发生了崩溃。但这些反例全都来自有硬件损坏的故障集群。一旦剔除了这些干扰因素，剩余的所有崩溃便都是发生在异常展开过程中了。         问题发生的根本原因是 GNU libunwind 的 _Ux86_64_setcontext 函数中有一个已经存在 18 年的竞争条件。在 C++ 异常展开过程中，libunwind 会在栈上合成一个 ucontext_t 结构体，填充所需的寄存器状态，然后调用 _Ux86_64_setcontext 将控制权转移给清理处理程序。问题在于：_Ux86_64_setcontext 在从旧结构体中读取指令指针的操作尚未完成之前，就将栈指针（%rsp）更新为指向新的栈帧。一旦 %rsp 发生变化，该结构体便不再属于活动栈的一部分，也不再受内核红区的保护。如果信号恰好在 %rsp 更新与 %rip 读取之间的这一时间窗口内到达，内核就会在该结构体之上构建其信号帧，指令指针遭到破坏，函数便会跳转到 NULL 或垃圾地址。         竞争窗口的宽度正好为一条指令。以现代处理器的时钟频率计算，这大约相当于 100 皮秒。在大多数程序中，这种情况根本不会被触发。OpenAI 的 Rockset 使用了 timer_create 函数，每隔几毫秒的 CPU 时间就发送一次 SIGUSR2 信号，为的是实现轻量级的按查询记账，这样产生的信号发送事件远多于传统的应用程序。正是这种高频的信号发送，将只在理论上可能发生的竞争状况转化成了实际生产环境中的崩溃。         该团队将一个修复方案和一个自包含的重现示例提交到了 GNU libunwind，并通过验证证实，其他展开器（如 libgcc）不存在这个问题。该修复方案通过重新排序指令，确保在更新 %rsp 之前先读取 %rip，从而彻底消除了这个时间窗口。         该团队对这一教训的总结值得全文引用：          最重要的步骤并非巧妙地解读汇编代码，也不是对细节的深入了解，而是构建一个高质量的数据集。如果没有这个数据集，我们就会把两种截然不同的现象混为一谈，并试图通过推理来理清这种混乱。

H | 一旦获得了准确且完整的全量数据，问题的结构便显而易见了。         如果你的团队正在排查难以解释的生产环境崩溃问题，请检查你们是否将多个 Bug 混为一谈。那些看似与所有假设都不相符的症状，实际上可能并不矛盾；它们可能与两个不同的假设相符，而你却无意中将它们混淆了。洞察问题结构的最快途径，并非对单个案例进行更深入的分析，而是获取涵盖所有故障案例的完整、带标签的数据。         这篇完整的工程技术博文包含了详细的栈内存示意图、存在漏洞的汇编指令，以及揭示出两种不同类型故障的崩溃率可视化图表。         https://www.infoq.com/news/2026/07/openai-libunwind-core-dumps/          声明：本文由 InfoQ 翻译，未经许可禁止转载。

Current article:http://www.xuanliaruamibinmilangca.shop/e0s/lnvhmg.html

Published on:02:32:10