计算场景多样化催生XPU

时间：2022-03-05 07:50:01 | 来源：行业动态

时间：2022-03-05 07:50:01 来源：行业动态

站在产业格局看，芯片厂商令人眼花缭乱的市场活动背后是它们对数据中心市场的野心，而这野心又归结为看上计算场景的复杂多元化带来的市场机会。

从超算系统到桌面到云到终端，都离不开各种不同类型指令集和体系架构的计算单元，如CPU、GPU、DSP、ASIC、FPGA等。由于各种不同的处理器采用不同的架构和不同指令集使得它们在处理具体计算场景是有着不同的表现，导致计算多元化的出现。

比如，GPU芯片是单指令、多数据处理，采用数量众多的计算单元和超长的流水线，主要处理图像领域的运算加速；FPGA适用于多指令，单数据流的分析，可提供强大的计算力和足够的灵活性；ASIC是为实现特定场景应用要求时，而定制的专用AI芯片，在功耗、可靠性、体积方面都有优势，尤其在低功耗的移动设备端，基于以上优势，ASIC芯片更多的用于端或边缘侧。

其实，计算多元化是早已有之，比如x86取代IBM Power、HP PA-RISC、Sun SPARC成为数据中心霸主。但是随着深度学习崛起，GPU受到重视，在数据中心呈现出强劲的增长趋势。同时，Arm服务器、RISC-V的崛起，又使得数据中心开始了新的多元化进程。

芯片多元化的背后是应用场景的复杂化导致通用计算技术和通用芯片越来越不能满足业务需求，特别是新涌现的计算场景对于计算芯片指令集、架构的要求是不一样的，这样就导致之前一直使用的通用CPU已经无法满足多元化计算场景要求，这也是计算芯片的种类越来越多的重要原因，而CPU GPU、CPU FPGA、CPU GPU FPGA等组合效能更好，通用计算被迫向异构计算演进。

比如，海量数据的处理需要更高密度的计算能力，而通用计算在效能上明显不能满足要求。一方面，采用通用处理器需要更多处理器，成本高昂；另一方面，更多处理器带来更高发热，带来了更多的制冷需求，这些最终都指向了高成本，而在某些场景下（如一些人工智能）GPU、FPG比CPU具有更高的性价比，而在一些细分的人工场景下AI专用芯片比GPU、FPG的表现还要优异，比如IPU处理稀疏矩阵的数据类型时效能就有明显优势。

芯片种类多的另外一个原因是芯片代工模式的普及，现在芯片设计、制造的关键环节都有开源开放的软件、工具或代工企业可以利用，例如RISC-V，这也推动了更多创新厂商切入芯片领域。

腾讯云异构计算研发副总监宋吉科认为，异构计算崛起的主要原因两个：人工智能类应用的崛起，工作负载类型多样更加多样化，对应芯片架构需要量身定制；从互联网到移动互联网，芯片产业的供应链也在发生变化，特别是Arm的IP设计模式，推动了台积电等代工厂在制程工艺上的快速发展，从而各种Fabless（IC设计）芯片厂商有了更多的市场机会。

在计算产业变革的背景下，CPU包打天下一去不复返，异构计算即XPU的发展成为大势所趋。我们看到众多头部半导体厂商推出多元化的芯片产品，不断延展业务边界，而创新公司也不示弱，它们在没有历史包袱的情况下，纷纷针对不断涌现的业务场景推出了专属性的芯片产品，让整个芯片市场迎来百家争鸣时刻。