异构计算时代已经到来

异构计算可以充分利用一般测量中CPU/GPU的协调能力，即时响应数据处理方法的要求，并配合FPGA/ASIC等特殊能力，充分利用协处理器的效率，根据特殊要求有效调度云计算服务器。NVIDIA显卡回收Arm让想在大数据中心销售市场大展拳脚的AMD马上意识到威胁关联，也促使苏丽莎考虑回收Xilinx。

似乎一个新的时期已经到来。

CPU行业的绝对王者英特尔，正逐渐与“手机软件化”和“XPU”这两个词捆绑在一起。同样值得关注的是英特尔的宿敌NVIDIA显卡和AMD。过去一年，英伟达显卡宣布回收Arm，AMD明确提出回收Xilinx。

在黑暗中，似乎这些大佬们都逐渐瞄准了同一个位置——“异构计算”。

异构计算时代即将到来。

说白了，对映异构就是将CPU、DSP、GPU、ASIC、FPGA等不同工艺架构、不同指令系统、不同功能的测量模块组合起来，产生一个混合的测量系统软件。

为什么异构计算是必须的？原因很简单:我们必须有越来越强大高效的测量系统软件。过去，随着AD5344BRUZ半导体技术的发展和频率的提高，大多数计算机技术都可以在不改变结构或不使用特殊硬件加速器的情况下不断改善自身的特性。然而，当代应用程序经常会遇到运行内存和功能损失的限制。这时候就不可避免的要引入专门的模块，把计算系统软件变成混合结构。每种不同类型的计算模块都可以执行其最佳的日常任务。

有资料表明，异构计算提高了求解效率。异构计算可以充分利用一般测量中CPU/GPU的协调能力，即时响应数据处理方法的要求，并配合FPGA/ASIC等特殊能力，充分利用协处理器的效率，根据特殊要求有效调度云计算服务器。

其次，异构计算成本是个好消息。目前，有多种神经网络优化算法和匹配计算框架。如果选择不断创新ASIC架构的方法，最终向下移动到客户和公司，会造成 应用成本和更换成本过高。因此，最好的解决方案是结合各种测量框架，延长生命周期，在产业链上有更高的优势。

异构计算时代已经到来。

英特尔中国研究院院长宋继强曾在接受采访时表示，如果说传统的计算框架是一个为车辆燃烧汽油的模块，那么异构计算就是一个油电混合模块，甚至是一个新能源技术模块，是“充满动力的”，可以推动人工智能技术、5G等新兴产业更强更快的发展趋势。

三大军阀混战。

事实上，异构计算并不是近年来流行的定义。早在20世纪80年代，异构计算就已经出现。随着计算需求的指数级增长，异构计算也经历了CPU+GPU、FPGA等各条线的较量。

2003年，AMD发布了业界首款x86-64架构CPU，开启了64位计算时代。2006年，AMD回收了知名GPU厂商ATI。回收宣布后的第二天，AMD急于宣布，性能优异的CPU和GPU要保证在同一个集成ic上。三个月后，它将这个新项目命名为“融合”。在过去的两个月里，它明确提出了新升级的“APU”(加速CPU)定义，甚至把Fusion写进了公司口号。好像是另一种集合显示，只是从电脑主板迁移到CPU，重要的还是在于“加速”二字。如何提速？答案是——异构计算。

“融合”之路自然很难走。从最初的公告到最后的公告，APU用了四年半的时间，期间经历了GPU加速测量的崛起和GPU/GPU影响力之战，直到2010年初才实现。

有趣的是，在同一年，英特尔也迅速跟踪并公布了集成CPU和GPU的SandyBridge。虽然被业界誉为“CPU中唯一集成的独立显卡”，但并没有像APU那样完成长宽比的组合，但也开启了异构计算的探索。在此期间，英伟达显卡也以其大规模并行处理GPU和特殊GPU编程架构CUDA进入热门销售市场。

2012年，AMD成立了一个HSA(对映体系统架构图)慈善基金会，将ARM、想象力、MTK、德州仪器、三星等许多一线大型工厂聚集在一起，专注于一个名为OpenCL的对映体编程架构。HSA联盟已经发展了2年，并且增加了一些新的团队成员，但是总体来说它对英特尔来说并不是一个大的威胁。

直到2017年，Xilinx发布的一个新组件对英特尔造成了直接威胁。一款基于16nmFinFET3D晶体管的FPGA新产品——zynquiltrascalemsoc，其实就是一款对映体CPU。Xilinx表明，使用他们新的专用工具可以将可编程控制器资源的利用率提高到95%，这与ASIC有很大不同。一些报道强调，此举立即促使英特尔回收Xilinx的竞争对手Altera。

业内对英特尔回收Altera的决定有很多讨论，但毫无疑问，英特尔的举措是为了增强其在大数据中心行业的竞争力。有趣的是，英特尔拿到Altera的时候，销售市场传言Xilinx之前考虑过企业收购AMD，现在AMD在回收Xilinx。

2019年，英伟达显卡以70亿美元收购了网络服务器端到端解决方案制造商Mellanow，2020年又以400亿美元收购了Arm，都是为了更好地抓住未来大数据中心销售市场的机遇。

异构计算将成为未来大数据中心CPU的流行趋势。在这些方面，英伟达显卡和AMD有着相同的发展战略构想。

NVIDIA显卡回收Arm让想在大数据中心销售市场大展拳脚的AMD马上意识到威胁关联，也促使苏丽莎考虑回收Xilinx。AMD兼具CPU和GPU产品，Xilinx可以给他加速大数据中心销售市场工作的能力。

不难发现。经过英特尔、NVIDIA显卡和AMD多年的三方大战，随着异构计算的到来，销售市场形势逐渐出现松动。这三大CPU厂商经过一系列的回收和自我开发的个人行为，都在向CPU+GPU+FPGA/NPU的方向看齐，为异构计算的战备训练足够的资金。

今天再看这三大巨头，已经造成了很大的变化。

2020年底，英特尔宣布重返核显示器销售市场，并宣布推出其独特的iRISXeMax。经过一系列个人行为，英特尔填补了PC产品系列的重要部分，成功完成了XPU异构计算架构。

AMD回收Xilinx也发布了数据信号，加强异构计算的合理分布。在“CPU+GPU”测量架构的基础上，FPGA的可编程控制器特性可以进一步提高测量服务平台的协调能力，进而融入AI时期根据不同工作负载加速的要求。

同样关键的是，如上所述，Xilinx本身就有关于异构计算的科研。2017年发布了异构计算CPU，还发布了VersalACAP异构计算服务平台，以降低多传感器集成组合带来的系统软件整体响应速度。

英伟达显卡回收ARM，既填补了缺少CPU的弱点，又将英伟达显卡的AI测量服务平台延伸到移动绿色生态。特别是ARM在异构计算方面也有一定的参与。根据开源系统的开发框架ARMNN，开发者可以刺激ARMCPU、GPU、NPU完成对映体AI的开发设计。

异构计算的困境。

技术变革既代表挑战，也代表机遇。集成电路产业目前的布局变化已经充分说明了这一点。异构计算导致的硬件配置的多样性对软件程序员提出了严峻的挑战。

不同开发框架的主要特点、兼容模式以及学习和培训成本一直是危及开发和设计高效率的关键因素之一。不能同时升级的复杂开发工具和架构导致 开发人员花费大量 精力自行处理问题。这都要看生态圈的基本建设。规范的制定和推广，语言、C语言编译器、架构和运行时库的应用都不是一件容易的事情。

在此基础上，英特尔发布了oneAPI。众所周知，oneAPI可以简化和统一不同架构和不同制造商之间的编程。这是一个开放和标准化的解决方案，鼓励社区和领域应用。

英特尔并不是唯一意识到生态圈必要性的制造商。在这些方面，英伟达显卡发布了CUDA，AMD发布了ROCm，华为公司也发布了Atlas、CANN等面向对映体场景的服务平台和架构。

其次，虽然从表面上看，异构计算是硬件配置的物理积累，但真正依靠从硬件配置到手机软件的集成设计方案来释放其全部工作能力。未来的异构计算不是单一的技术点，而是多个技术点的组合。

为了更好地打造完善的软硬件管理系统，支持异构计算管理系统的新升级，从而应对生态问题，让整个产业链中下游的客户积极选择异构计算技术，AMD、高通芯片、ARM、三星、京华厦核心建立了全球异构计算系统软件HSA(异构系统架构)联盟，IBM、Google、NVIDIA显卡建立了OpenPOWER联盟，Intel拥有自己的系统。

况且，要找到异构计算的优势并不容易。在现阶段，AI似乎是一个完成落地风格的理想化行业，但AI是一门复杂而全面的课程。在只有CPU服务平台的情况下，AI开发者要学习很多优化算法、实体模型、架构、计算机语言进行训练。如果考虑几种不同的CPU服务平台，情况会越来越复杂。

说到最后。

随着5G、AI、云计算技术、互联网大数据、物联网等的技术推广，物联网时代即将到来。据IDC预测分析数据，到2023年，全球各种物联网技术的终端设备总数将达到352亿次，大量连接导致的信息量将达到175ZB。

随着流程智能化的推进，对计算速率的要求会越来越高，大数据中心会逐渐演变成数据中心，计算速率会成为新的主要生产力量。随着各种基础数据类型和场景驱动的出现，异构计算将获得快速发展的趋势，如何成功地将异构计算整合到产业链中成为现阶段值得思考的难题。

但是，我们能相信的是，异构计算时代确实已经到来。