Imagination人工智能產(chǎn)品營銷高級總監(jiān)Andrew Grant：“相比從硬件轉(zhuǎn)向軟件，將會更多地出現(xiàn)從使用GPU這樣更通用的元件轉(zhuǎn)向關注ASIC。尤其在AI領域，擁有專為與GPU協(xié)同工作及增強GPU批量計算能力而設計的電路，就可以持續(xù)支撐AI任務中不斷增加的數(shù)據(jù)量和復雜性。NNA就是這樣一種ASIC，它將持續(xù)開拓數(shù)據(jù)中心的AI和機器學習功能。當與GPU的通用計算協(xié)同實現(xiàn)，并與高效、豐富的數(shù)據(jù)集和算法集成在一起時，跟上AI的發(fā)展步伐將變得更加可控。”

如今的服務器芯片市場正積極擁抱“多樣化”。結合當前的市場形勢，這種多樣化不僅限于指令集和IP核，在微架構層面上，為解決當下實際應用中日益突出的算力不足、功耗過高以及由此衍生的各類成本問題，行業(yè)也迫切需要發(fā)起一場“芯變”。

 

服務器芯片市場的“質(zhì)變”

 

以傳統(tǒng)數(shù)據(jù)中心當中采用的GPU為例，Imagination人工智能產(chǎn)品營銷高級總監(jiān)Andrew Grant認為：“對于從機器學習和AI到云游戲的眾多數(shù)據(jù)中心應用而言，使用GPU是因為其可提供大規(guī)模的并行算力。然而，傳統(tǒng)的數(shù)據(jù)中心GPU最大的缺點之一是其產(chǎn)生的熱量和能耗。這將引發(fā)兩方面的問題，首先，它們的供電和冷卻成本會非常高。其次，也是更重要的，這意味著它們無法在現(xiàn)有的機架中高密度部署，進一步意味著數(shù)據(jù)中心每平方米的單位計算密度更低。”

 

為此，Imagination開發(fā)了非常適合數(shù)據(jù)中心的GPU方案，但這種方法并不是把高耗能的桌面級GPU組件精簡后直接用于數(shù)據(jù)中心，而是利用了Imagination在嵌入式和汽車領域的長期研究成果來降低能耗。

 

Andrew Grant指出：“這意味著像IMG B系列GPU這樣的產(chǎn)品可以在非常低的功耗限制和散熱配置下提供令人難以置信的高性能。雖然每個單獨的GPU可能不像某些同類產(chǎn)品那么強大，但是我們能夠以無限擴展和高密度機架部署的方式來提高數(shù)據(jù)中心單位面積的計算密度。對AI工作負載而言，IMG Series4 NNA專用集成電路（ASIC）專為多核集群而設計，是減少數(shù)據(jù)中心面積的理想選擇，并且作為ASIC，它運行神經(jīng)網(wǎng)絡任務時的速度比其它組件要快幾個數(shù)量級。”

 

為了進一步挖掘芯片微架構的潛能，AI高性能計算市場也逐漸興起一陣“異構計算”的狂潮，Andrew Grant補充到：“我們注意到人們對異構計算的興趣與日俱增。在異構計算中，特性不同的運算單元被組合在一起，用于處理與其各自設計相適應的任務，例如GPGPU用于浮點運算，加速器用于推理等特定的工作負載。”而加速器可以是FPGA、GPU抑或是ASIC，通過多種模塊的互補組合與搭配，從而找到能夠在功耗、算力以及成本等多個層面上的最優(yōu)解方案。

 

當然，圍繞超高性能嵌入式系統(tǒng)級芯片（SoC）去設計下一代數(shù)據(jù)中心也是一種可行路徑，這些SoC可以使用通用的工具，處理互補的工作負載，并提供出色的性能、功耗和面積（PPA）。因此，對數(shù)據(jù)中心而言，它可以降低功耗和熱量，同時提高面積效率并最小化硅成本——從而使超大規(guī)模數(shù)據(jù)中心能夠提供更具競爭力的解決方案。

 

硬件Or軟件：“智算”時代究竟誰更重要？

 

即便是“智算”時代，軟件的壁壘比硬件要更高，可這二者之間仍然是齊頭并進、相互依存、共謀發(fā)展的關系。畢竟，AI芯片成功的關鍵在于硬件/軟件的協(xié)同設計，AI芯片本身只起到加速的作用, 除了少量定制化AI芯片具備一定功能外，大多數(shù)AI芯片本身并不具備功能，它們的功能必須結合相關軟件來實現(xiàn)，這里的軟件包含芯片底層的驅(qū)動、開發(fā)工具鏈、各類計算庫、IR中間件、深度學習框架以及人機交互的界面等等。

 

Imagination也認為硬件和軟件應該是高度相互依賴的，沒有正確的硬件，世界上最好的軟件也是無用的，反之亦然，Andrew Grant指出：“相比從硬件轉(zhuǎn)向軟件，將會更多地出現(xiàn)從使用GPU這樣更通用的元件轉(zhuǎn)向關注ASIC。尤其在AI領域，擁有專為與GPU協(xié)同工作及增強GPU批量計算能力而設計的電路，就可以持續(xù)支撐AI任務中不斷增加的數(shù)據(jù)量和復雜性。NNA就是這樣一種ASIC，它將持續(xù)開拓數(shù)據(jù)中心的AI和機器學習功能。當與GPU的通用計算協(xié)同實現(xiàn)，并與高效、豐富的數(shù)據(jù)集和算法集成在一起時，跟上AI的發(fā)展步伐將變得更加可控。AI是一個令人興奮的領域，AI框架的開發(fā)在不斷演進。我們在自己的軟件工具中已經(jīng)考慮了這一點，從而可以支持客戶在現(xiàn)有設計上運行最新的網(wǎng)絡，延長了我們設計的使用壽命和實用性，同時有助于向客戶確保我們在設計產(chǎn)品時有效地考慮了未來發(fā)展。”

 

但這并不能改變軟件構成芯片企業(yè)核心競爭力的事實，鄒挺告訴記者：“生態(tài)和開源軟件是Arm長久以來努力工作的方向。一直以來，Arm都在跟生態(tài)中的主要公司保持密切合作，包括軟件生態(tài)中的各個環(huán)節(jié)，從固件、操作系統(tǒng)、虛擬化軟件，到編程語言，到應用程序。近年來Arm軟件生態(tài)有了長足的進步，各種主流開源軟件都能直接運行于Arm的硬件，基于Arm的軟件開發(fā)越來越容易。比競爭壁壘更重要的是可重用性、標準化和合作。Arm去年發(fā)布了Cassini項目，它的目標是讓硬件廠商、開發(fā)者、和最終用戶有了一套共同的操作框架，遵循這個框架會容易地開發(fā)和部署應用程序。這些標準化工作避免了分歧，使能了創(chuàng)新和合作。”而這，也將成為Arm公司接下來持續(xù)引領全球芯片IP市場的關鍵。

 

總之，歷經(jīng)充實“量變”之后的服務器芯片市場，已經(jīng)開始從多個角度醞釀著“質(zhì)變”。而對于各路沉浮這一領域多年的“老江湖”們來說，這既是一個拼“家底兒”的時刻，又是“更上一層樓”的契機。顯然，在這條競爭已經(jīng)白熱化的賽道上，從硬件的角度能夠挖掘的“差異化”價值會越來越少，更多的發(fā)力軟件生態(tài)或許會是各路玩家構建核心競爭力之路上比較明朗且真正能夠有回報的路徑。