后摩尔时代,异构计算会是通用系统的唯一解决方案吗?

2019-11-02 14:48:38

说到异构计算,它起源于20世纪80年代,它在技术层面的定义非常简单:不同类型的指令集和体系结构的计算单元构成了系统的计算方法,以区别于同构计算。然而,从商业角度来看,只看硬件,所涉及的计算单元包括cpu、gpu、asic、fpga等。种类和搭配的多样性使它成为一件“禁止”的事情。

但是现在,华为、阿里等在人工智能领域布局深入的公司都对异构计算技术进行了不同程度的探索和战略规划,特别是在移动应用领域,三星、苹果等公司是主要参与者。继云计算之后,异构计算逐渐发展成为另一个含义更广的产业发展方向的同义词。

在《鲲鹏计算产业发展白皮书》(以下简称《白皮书》)中,华为对计算产业创新发展的必要性解释如下:“面对计算平台上新兴应用对端缘云协作、海量和多样化数据智能处理、实时分析等需求,it基础设施需要在计算架构、芯片架构、业务部署架构等方面进行创新,以适应这一需求,从而找到最佳解决方案。”

在不断发展的过程中,本文提到的架构和技术创新优化方案逐渐形成共识,也被称为异构计算产业。

谈到导致异构计算产业发展的重要因素,应用需求的增长是主要驱动力,深度学习算法的发展和快速普及是关键融合点,摩尔定律的失败才是最终驱动力。

进入后摩尔时代,整个计算机行业已经走出“重硬件”的概念,随着深度学习算法的出现,软件的地位逐渐上升。

与传统算法不同,深度学习算法的出现使得处理海量数据成为可能。它对应用程序的渗透也使得在单个功能之间生成链接成为可能。结果,数据(例如,语音、文本、图片、视频等)的处理。)并且场景中的功能变得更加复杂。因此,没有通用的计算架构来满足整个市场的所有业务需求,这也成为所有企业必须面对的一个难题。

以阿里巴巴在线交易oltp数据库系统为例,据统计,oltp每天记录数十亿条记录。从2011年战争开始到2017年战争结束,该系统的最高吞吐量达到1000万tps(每秒事务数),显示出多重增长。

快速的业务增长是对服务器和系统存储数量的严峻考验。服务器的盲目安装显然不符合成本预期。因此,为了满足几乎苛刻的业务性能和成本要求,在不过度增加功耗和成本的情况下,完成复杂逻辑调度任务的执行和海量数据的高效并发处理,需要改变和创新整个系统架构。

面对各种各样的处理需求,选择由异构处理器和异构体系结构组成的异构系统是企业的必然选择。异构计算可以充分发挥cpu/gpu在通用计算中的灵活性,及时响应数据处理需求,并与fpga/asic等特殊功能相匹配,充分发挥协处理器的效率,根据具体需求合理分配计算资源。这样做的好处是显而易见的,在处理速度和功耗之间找到了平衡,达到了高效节能的效果。

事实上,它确实提高了企业处理高速并行任务的效率。华为实验室进行了数据披露,以证明“异构”设计的好处:以大数据应用为例,与传统处理器相比,昆鹏处理器(异构处理器)的综合性能提高了30%,同等性能条件下功耗降低了20%。

在异构计算的驱动下,hsa逐渐取代了传统的isa(本地指令集体系结构)。片上复杂系统(soc)和三维异质封装也已经成为芯片设计者的主流选择,而不是遵循摩尔定律。

可以说,异构计算实际上已经进入了技术商业发展阶段。

目前,随着异构计算的商业应用,底层芯片架构仍然是变化最大的架构。因此,芯片制造商也在采取最频繁的行动。除了几家以异构设计为核心业务的国内芯片设计公司之外,老牌制造商也在部署异构计算技术以满足市场需求。例如,英特尔最新的人工智能平台包括一系列不同的处理内核,如cpu、gpu、dsp、nnp、fpga等。Avida的机器人平台jetson xavier还包括六个处理器——GPU/中央处理器/NPU/NVDLA等。

然而,纵观整个商业市场,华为是传播异构计算磁盘最多的公司。通过鲲鹏生态的建设,华为首次直接推出并实施了其计算业务,所以从鲲鹏生态的布局中,我们可以看到一两件事。

白皮书称,华为将鲲鹏的计算行业定义为基于鲲鹏处理器的全堆栈it基础设施、行业应用和服务,包括个人电脑、服务器、存储、操作系统、中间件、虚拟化、数据库、云服务、行业应用以及咨询和管理服务。

自白皮书上月发布以来,华为迅速落户四川、河北等地的研发中心,发布了“华为鲲鹏”培训认证体系,并与arm、金山运等150多家制造商建立了合作关系。可以说,华为已经从人才和政策到上下游厂商的生态建设做了非常全面的布局。

从行动来看,华为选择了政府、金融、电信和互联网行业的主要场景。对于未来,设想如下:“随着鲲鹏计算产业的深入发展,将逐步实现对整个产业和整个场景的覆盖。基于鲲鹏处理器的计算能力将和水电一样强大,为政府、运营商、金融、互联网、能源、交通、教育、医疗等行业带来新的产业转型机遇。”

然而,不难发现鲲鹏的生态建设将不可避免地涉及到一个庞大的工程。除了与国内外生态制造商合作,还将投资开发和维护操作系统、编译器、工具链、算法优化库等。同时,不可能为数据中心大数据、分布式存储、云本地应用等场景开发基于鲲鹏处理器的各种解决方案产品。

从上面可以看出,异构系统中涉及到很多环节,华为面临的困难非常明显。异构计算商业化的整个过程的阻力也是显而易见的:每个环节的创新意味着上游和下游制造商在一个地方努力。这不仅涉及到每个制造商的创新,而且上下游之间的合作和标准的建立也将成为一个巨大的工程。

我们了解到,在硬件领域,整个机械制造行业的整体利润率相对较低,设计能力参差不齐。考虑到兼容性和其他性能,显然很难进行设计更改。然而,在基础软件领域,由于以往行业的发展,现在已经形成了不同芯片和不同基础软件的“百花齐放”状态,因此显然不容易使系统兼容。至于工业应用领域,还存在使用基于传统计算架构的工业标准来评估新的计算架构并限制工业应用向新的计算架构的迁移的问题。例如,测量双精度浮点计算能力的hpl标准在hpc行业中被广泛用于评估系统性能,但它不能满足内存密集型应用的实际业务需求。

由此不难发现,尽管异构计算带来的计算效率的提高是指数级的,但它需要支持工具、基础设施等。,由此带来的生态问题也很严重。

针对存在的问题,华为给出了发展鲲鹏计算产业的几项关键措施:为了帮助厂商开发基于鲲鹏处理器和电脑的计算产品,降低系统设计和开发的难度,华为开发了自己的服务器主板和电脑主板;支持整机制造商开发基于鲲鹏处理器主板的免费品牌;软件层面的开源。

然而,这显然是不够的。

异构计算生态的构建需要华为这样的巨头来推动,但作为一个商业个体,华为的吸引力不可避免地很弱。与此同时,虽然几项重大举措已经指明了总的方向,但关键技术尚未揭晓,如华为的鸿蒙系统,这肯定会大大降低上下游厂商的士气和兴趣。此外,从32页的白皮书来看,华为对鲲鹏电脑行业的详细规划不够清晰,这不可避免地会引发质疑。此外,计算机行业未来的创新将会在一定程度上损害经济,动摇骨骼。可以想象,生态重建将非常困难。

异构计算是一个棘手的“骨头”。

然而,在需求的驱动下,市场不同领域出现了成功的案例。他们提醒我们,从长远来看,异构计算可能需要更多的时间来自然发展。

目前,在硬件层面,高通、英特尔等公司已经在各个领域启动了异构平台。寒武纪、谷歌和其他公司也为云或终端真正异构处理器的设计贡献了想法。同时,在基础软件层面,为了开发异构系统,hsa Foundation于2012年成立,并取得了一些进展:简化异构编程,引入免版税的开放规范,创建标准和全面运行的生产系统,允许使用许多通用编程语言(包括c/c、python、opencl、java等)。)来编程不同类型的处理器。可以说火花已经开始了。

今年,从各种公司的行为和主要报告中可以看出,“异构计算”是一种威胁。在华为的白皮书中,我们可以看到异构计算的提议源于需求驱动的架构创新,但如何实现异构计算成为寻求技术和架构创新的最大问题。

在技术发展史上,人工智能和半导体领域的发展都超过了儿童。相比之下,诞生于20世纪80年代的异构计算确实要年轻得多。由于涉及的链接数量众多,很容易提出疑问:过多谈论异构计算生态是否为时过早?

我不得不说,异构计算行业的实施必然需要技术和生态支持。这是一个长期的障碍。

欲了解更多高质量的内容,请继续关注镁客户网络~

500彩票