在中国，一年一度的春运都是一个举世瞩目的话题，举国保障，也是游子又爱又恨的节日，爱的是可以回家和家人团聚了，恨的是回家的路真难，虽然火车越来越快、车次越来越多，仍无法满足大规模回家需求，各种抢票攻略都用上了还是无法抢到火车票或飞机票，试想一下，如果再增加10倍的火车或飞机，基本可以满足春运出行需求。

那么问题来了，如果再造10倍的火车或飞机，仅仅为了应对春运的40多天，其他320多天只能闲置，这是多大的浪费？那么如果全球有一个高铁或飞机资源池，春运可以从全球调集高铁或飞机到中国，春运结束后，中国过剩的高铁或飞机也可以支援到全球。同理，一年一度的双11网购节，电商需要大量的计算资源和网络资源，峰值是平时的几十上百倍，显然，投资几十上百倍的钱应对1天的峰值业务，也是莫大的浪费！此时资源池按需供给、弹性伸缩的威力就显现出来了。

云计算的出现改变了传统的IT架构，当今的时代，云计算正在变成必不可少的基础资源，就像水、电、煤气一样，变得越来越低廉，越来越方便。

但是要实现IT资源随取随用，却不是那么容易，首先要解决业务的多样性问题，不同业务对计算、存储和网络资源要求不一样，同一业务不同时间对资源的需求也不一样。特别像大数据、AI、视频等业务，要用海量的异构计算资源，如GPU和FPGA。

另外，每种业务对拓扑要求也不一样，比如是将所有GPU挂接到一个CPU、还是分开挂接到不同CPU。如果按照传统资源配比和拓扑固定的模式为前端业务进行非常好的资源匹配，将会产生成千上万种服务器配置，运维复杂度将显著上升，投资回报失衡。现在的大型云服务商，服务器配置往往收敛在20种以内，目的就是简化运维，但又会造成不少资源的购置费用浪费，是一种非精细化的手段，精细化的手段是资源完全按需供应、回收、再供应，缺什么资源可以补充对应资源，并根据生命周期灵活演进。

更为重要的是，这些计算资源非常昂贵，如果不能共享会造成很大浪费，对于公有云提供商来说，要想实现最大化资源利用率，就要让资源最大限度的运用起来，不能闲置。为了应对这些挑战，硬件级别的资源池智能编排方案，是个理想的解决手段。

随着AI、视频、大数据等业务的快速发展，通用计算服务器已经无法满足业务需求，服务器走向异构化，如：计算资源需要X86+GPU/FPGA进行加速，存储需要HDD+SSD进行加速，网络有以太+IB等。对GPU/FPGA加速的异构计算来说，不同业务对GPU/FPGA的配比和拓扑要求也不一样，如视频业务中的车辆识别、人脸检测、人车跟踪等对CPU和GPU的比例要求不一样，有的需要1:2，有的需要1:4、甚至1:8等，拓扑结构更是千变万化，用同一配置的服务器包打天下显然已经不行了。

另外对于视频监控等业务，白天人流密集时计算量大，深夜计算量小。而对于AI等深度学习业务，对时间不敏感，但计算量又非常大，是不是可以放到晚上呢？另外，经实验发现，即使正在进行深度学习的业务，实际对GPU的开销也不足30%，70%的时间片处于空闲状态，种种问题，都有一个共同述求：异构加速、资源池化、智能编排，根据业务变化进行按需匹配。

如何实现这一切的美好愿景，将复杂的方案化繁为简，把数据中心基础设施带入一个全面池化的新时代？敬请关注华为将于9月5 -7日在上海新国际博览中心举行的“2017华为全联接大会”，令人期待的“无边界计算”论坛和B厅“云数据中心”展区，将带您一探究竟。