集成电路巨头们的“异构”大战对抗已经宣布

同样，NVIDIA显卡回收ARM，AMD回收Xilinx，也充分证明了集成ic大佬和英特尔一模一样，在同一个方向上竞争看未来的合理布局:异构计算。对于NVIDIA显卡来说，回收ARM不仅填补了CPU匮乏的弱点，还扩展了NVIDIA显卡的AI测量服务平台，走向绿色生态。

对于英特尔来说，“CPUboss”的标志已经实施。但是最近两个月，intel对CPU的认可度被手机软件和单GPU抢了。不知何时，“手机软件化”和“XPU”已经成为英特尔新的网络热词。同样，NVIDIA显卡回收ARM，AMD回收Xilinx，也充分证明了集成ic大佬和英特尔一模一样，在同一个方向上竞争看未来的合理布局:异构计算。

“通用”与“专用”相对。

从20世纪60年代的标识符终端设备时代到现在的智能计算时代，数据信息的数量和质量都发生了明显的变化。以文字和数据图表为主的非结构化数据比例持续下降。并行处理的网络媒体数据信息、传感器级数据信息等非结构化数据信息及其深层神经网络数据库不断增加，将快速传输和解决越来越多的类型和精度数据信息，成为智能计算的刚性需求。

作为通用CPU的隐含制造商，英特尔一直将异构计算视为解决人工智能时代计算速度挑战的重要发展战略。如果把数据信息当成食物，CPU相当于“瑞士军刀”，适用于所有食物，但不一定能快速准确地解决所有食物。加上GPU、FPGA、DSP等专用CPU。，度量框架可以更合理地解决场景数据信息。

“异构计算的产业链基本上就是数据信息的爆炸式提升，这其实是大家异构计算发展趋势的关键驱动力。”英特尔架构、显卡和手机软件集团公司中国区经理、副首席战略官谢晓清在接受《中国电子报》采访时强调，“CPU体现了万能测量的工作能力，处理难题很有理论性。但是GPU、FPGA或者AI加速了集成ic的处理，这是特殊行业的难题。现在很多 数据信息都有一定的特性，以至于在CPU上的实际计算效果不一定是最理想的，在GPU或者其他具有高并行处理能力的集成ic上运行更强，这是异构计算的关键驱动力。”

作为一家特殊的CPU厂商，Xilinx从元器件到对映体服务平台的转变才刚刚开始。Xilinx大中华区重点销售市场市场开发负责人宜颜向《中国电子报》记者强调，无人驾驶已经从ADAS逐渐演变为全方位无人驾驶，传感器总数的增加必然导致数据和信息的爆炸性提升，这就需要一个强大的汽车异构计算服务平台。在工业视觉行业，自动化技术、工业生产PC、I/O控制模块、AMS1117-3.3传感器技术、工业触摸屏等都会引起不同种类的数据信息。在专业的技术音频、视频和广播节目行业，从内容采集到内容消费的所有过程，也必须远程访问不同的网络服务器和测量服务平台。

“独立的度量框架不能满足越来越多样化的开发和设计需求，因此异构计算是未来的发展趋势。”应毅强调，“随着处理技术的发展，FPGA也脱离了传统的应用边界，进入了AI、大数据中心、视频编辑、无人驾驶、5G等新兴行业。FPGA还根据集成标量解决方案模块、响应硬件配置模块和智能模块完成了从组件到对映体服务平台的转变。”

引发了ic大佬的军阀混战。

CPU销售市场长期维持英特尔和NVIDIA显卡分别推广CPU和GPU的局面，AMD在两个销售市场均排名第二。现在，这种情况已经摆脱了。根据基于回收和研发的一系列“教程”个人行为，三款CPU头的顶级厂商会看CPU+GPU+FPGA/NPU的定位，为异构计算预留“子弹”。

上个月，英特尔在22年后重返核显示器销售市场，并宣布宣布推出iRISXeMax。众所周知，2015年以来，英特尔先后回收了当时第二大FPGA厂商Altera、无人视觉效果解决方案企业Mobileye、云托管中的AI逻辑推理集成icHabanaLabs等一系列集成ic厂商，丰富了FPGA和AI专用集成ic的产品系列。独一无二的展会的宣布，不仅让英特尔填补了PC产品系列的重要部分，也为XPU异构计算架构的重要拼图画上了句号。

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。此外，Xilinx还积累了一定的异构计算量，并发布了VersalACAP异构计算服务平台，以降低车辆拦截中多传感器的集成和组合导致的系统软件整体响应速度。根据宜颜的详细介绍，Xilinx两年前才开始关注异构计算的合理布局，包括无人驾驶、技术专业音视频、工业生产等相关行业，这些都与异构计算的数据和信息需求密切相关。

对于NVIDIA显卡来说，回收ARM不仅填补了CPU匮乏的弱点，还扩展了NVIDIA显卡的AI测量服务平台，走向绿色生态。特别是ARM在异构计算方面也有一定的着墨。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。据了解，在去年举行的ISC2019国际超级计算交流大会上，英伟达图形宣布，计划利用其GPU与ARM架构的CPU合作，打造高性能计算机。在宣布对ARM的收购计划后，英伟达显卡再次关注了搭载ARMCPU的AI高性能电脑的建设。“超级计算”有望成为第一个用NVIDIA显卡和ARM进行异构计算的“训练场”。

如何解决“穿越绿色生态”的挑战？

"手机软件优先."谈到异构计算的合理布局，谢晓清告诉记者，“在设计硬件配置和集成电路的情况下，甚至在设计程序指令系统的情况下，每个人都会以手机软件的优先级来做。”

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。如果异构计算包括CPU、GPU、FPGA、ASIC四种硬件配置，则意味着软件程序员在编写或传递程序流程之前，必须掌握这四种硬件配置的提升代码。软件系统屏蔽了硬件配置的多样性，已经成为异构计算不可或缺的专用工具。

OneAPI是英特尔为异构计算架构创建的开源项目服务平台，它使开发人员能够选择他们理解的语言、单一代码库及其统一编程实体模型来开发和设计跨架构应用软件。

“大家都期望形成一个软件绿色生态，让应用软件地产开发商在按照统一开放的标准进行开发设计工作时，不会因为手机软件从CPU转移到GPU或FPGA而轻易进行全部变更或重复项目投资。”谢晓清说。

英特尔并不是唯一一家意识到异构计算必须“既有好处又有好处”的制造商。在软件系统层面，英伟达显卡发布了CUDA，AMD发布了ROCm，华为也发布了Atlas、CANN等面向对映体场景的服务平台和架构。

异构计算的多样性和组合性，意味着各种厂商一开始就从绿色生态市场竞争的层面进行了合理布局。那么，各种绿色生态市场竞争共存的关联，在避免了跨框架开发设计的不便之后，会让开发商陷入“跨绿色生态”开发设计的困境吗？

关于此事，谢晓清认为，如果各公司统一中间服务平台，产生相对统一的架构，可以在保持差异性的同时降低顶层应用的开发设计难度系数。

“如果每个集成电路制造商都从底层软件开始开发，重复的项目投资将会非常大。在理想化的情况下，应该有一个体系结构，在这个体系结构下，每个家庭都可以升级自己的硬件配置。对于顶级应用开发者来说，屏蔽了硬件配置的多样性，C语言编译器、函数库、socket等。所以在这个统一的架构下开发和编写设计程序就足够了。在运行的情况下，负载会自动流入最佳硬件配置，这可能是未来异构计算的理想化情况。”谢晓清说。