第三代通用計算，大算力芯片”彎道超車“的歷史時機

編者按

關(guān)于“彎道超車”，行業(yè)內(nèi)很多人士對此嗤之以鼻，他們認(rèn)為：做事情要腳踏實地，持之以恒，才有可能超越。

但這兩者并不矛盾：

在已有的不斷發(fā)展的領(lǐng)域，我們需要“數(shù)十年如一日”不斷的努力，才有可能逐漸追趕上世界先進水平，才有可能從追趕到齊頭并進甚至超越；比如航天科技領(lǐng)域。

但在一些行業(yè)變革期，我們需要盡早布局，大干快上，從而形成領(lǐng)先優(yōu)勢；比如從燃油車向電動車發(fā)展的歷史發(fā)展機遇。

今天這篇文章，我們探討一下，在大算力芯片領(lǐng)域“彎道超車”的機會。

1 關(guān)于計算架構(gòu)階段的劃分

圖靈獎獲得者John Hennessy總結(jié)了計算機體系結(jié)構(gòu)的四個時代和即將興起的第五個時代：

第一代，晶體管時代，指令集架構(gòu)出現(xiàn)之前，計算機架構(gòu)各不相同；

第二代，小規(guī)模和中等規(guī)模集成電路時代，出現(xiàn)支持指令集架構(gòu)的CPU處理器；

第三代，大規(guī)模和超大規(guī)模集成電路時代，指令級并行以及CISC和RISC混戰(zhàn)；

第四代，超大規(guī)模集成電路的多核處理器并行時代；

第五代，從2016年超大規(guī)模的領(lǐng)域?qū)Ｓ锰幚砥鳎―SA）時代。

上面計算機體系結(jié)構(gòu)的時代劃分，是站在單處理器引擎視角進行的。我們參考上述五個時代的劃分，并且站在多處理器引擎計算架構(gòu)從簡單到復(fù)雜的發(fā)展視角，重新進行了如下的發(fā)展階段劃分：

第一階段，單CPU的串行計算；

第二階段，多CPU的同構(gòu)并行計算；

第三階段，CPU+GPU的異構(gòu)并行計算；

第四階段，CPU+DSA的異構(gòu)并行計算；

第五階段，（還在萌芽期的）多種異構(gòu)融合的超異構(gòu)并行計算。

如果我們?yōu)橛嬎慵軜?gòu)再加一個約束——通用，則計算架構(gòu)可以劃分為三個階段：

第一階段，CPU同構(gòu)計算（單核CPU階段可以合并進CPU同構(gòu)計算）；

第二階段，基于GPU的同構(gòu)計算（DSA是一種偏定制的架構(gòu)，單個DSA的異構(gòu)不屬于通用計算范疇）；

第三階段，基于CPU+GPU+DSAs的超異構(gòu)計算。

“二八定律”無處不在：隨著系統(tǒng)的擴大，會逐漸沉淀許多共性的計算任務(wù)。我們定性的分析一下，依據(jù)二八定律：

在CPU同構(gòu)計算階段，100%工作由CPU完成；

但在GPU異構(gòu)階段，80%工作由GPU完成，CPU只完成剩余的20%的工作；

而在超異構(gòu)計算階段，則80%的工作由各類更高效的DSA完成，GPU只完成剩余20%工作的80%，即16%的工作，剩余的4%交給CPU。

2 從異構(gòu)到超異構(gòu)

2.1 CPU性能瓶頸，異構(gòu)計算成為主流

上世紀(jì)80-90年代，每18個月，CPU性能提升一倍；如今，CPU性能提升每年只有3%，要想性能翻倍，需要20年。雖然CPU的性能提升幾乎停滯，但對性能和算力的更高需求，是永無止境的，例如：

2012-2018年共6年時間里，人們對于AI算力的需求增長了超過30萬倍；隨著BERT、GPT等大模型的發(fā)展，算力需求每2個月就翻一倍。

隨著大模型的發(fā)展，對算力的需求水漲船高，要想實現(xiàn)L5級別的自動駕駛算力，則需要上萬TOPS。與此同時，隨著自動駕駛進入L5階段，對娛樂的需求必然猛增。多域融合的智能汽車綜合算力需求預(yù)計會超過兩萬TOPS。

Intel前SVP拉加·庫德里表示，要想實現(xiàn)元宇宙級別的用戶體驗，需要當(dāng)前的算力提升1000倍。

從2012年深度學(xué)習(xí)興起開始，隨著AI等大算力場景的算力需求越來越大，異構(gòu)計算已經(jīng)成為計算架構(gòu)的主流。

2.2 異構(gòu)計算的問題

性能和靈活性的矛盾：系統(tǒng)越復(fù)雜，越需要靈活的處理器；性能挑戰(zhàn)越大，越需要定制的加速處理器。問題的本質(zhì)在于：單一的處理器是無法兼顧性能和靈活性的。

由于在異構(gòu)計算系統(tǒng)中，CPU不承擔(dān)主要的計算任務(wù)，因此加速處理器決定了異構(gòu)系統(tǒng)的性能/靈活性特征：

GPU靈活性較好，但性能效率不夠極致；并且性能也逐漸接近瓶頸。

DSA性能好；但靈活性差，難以適應(yīng)算法的多變；架構(gòu)碎片化；落地困難。

FPGA功耗和成本高，定制開發(fā)，落地案例少，通常用于原型驗證。

ASIC功能完全固定，無法適應(yīng)靈活多變的復(fù)雜計算場景。

隨著異構(gòu)計算成為主流，異構(gòu)的系統(tǒng)越來越多。多異構(gòu)共存的異構(gòu)計算孤島問題凸顯：

加速處理器只考慮本領(lǐng)域問題，難以考慮全局協(xié)同；

各領(lǐng)域加速器之間交互困難；

中心單元的性能瓶頸問題；

物理空間有限，無法容納多個物理的異構(gòu)加速卡。

2.3 多種異構(gòu)的融合：超異構(gòu)

要想高性能，需要硬件層次的更高集成度，更需要系統(tǒng)層次的多種異構(gòu)融合（即超異構(gòu)）。

超異構(gòu)計算：系統(tǒng)復(fù)雜度顯著上升，系統(tǒng)更難駕馭。如何在快速提升性能的同時，讓系統(tǒng)更好駕馭，是超異構(gòu)計算要解決的關(guān)鍵問題。

3 大算力芯片的核心能力：通用、通用，還是通用

3.1 系統(tǒng)越來越大，對通用靈活性的要求遠高于對性能的要求

在云和邊緣數(shù)據(jù)中心，都是清一色的服務(wù)器。這些服務(wù)器，可以服務(wù)各行各業(yè)、各種不同類型的場景的服務(wù)端工作任務(wù)的處理。CSP每年投入數(shù)以億計資金，上架數(shù)以萬計的各種型號、各種配置的服務(wù)器的時候，嚴(yán)格來說，它并不知道，具體的某臺服務(wù)器最終會售賣給哪個用戶，這個用戶到底會在服務(wù)器上面跑什么應(yīng)用。并且，未來，這個用戶的服務(wù)器資源回收之后再賣個下一個用戶，下一個用戶又用來干什么，也是不知道的。因此，對CSP來說，最理想的狀態(tài)是，存在一種服務(wù)器，足夠通用，即不管是哪種用戶哪種應(yīng)用運行其上，都足夠高效快捷并且低成本。只有這樣，系統(tǒng)才夠簡單而穩(wěn)定，運維才能簡單并且高效。然后要做的，就是把這種服務(wù)器大規(guī)模復(fù)制（大規(guī)模復(fù)制意味著單服務(wù)器成本的更快速下降）。

云和邊緣服務(wù)器場景，對系統(tǒng)的靈活性的要求遠高于對性能的要求，需要提供的是綜合性的通用解決方案。最直接的例子就是以CPU為核心的服務(wù)器：CPU通用靈活性是最好的，如果CPU的性能夠用，大家絕對不喜歡用各種加速；如今是CPU性能不夠，逼迫著大家不得不去使用各種硬件加速。

數(shù)據(jù)中心硬件加速最大的教訓(xùn)是：在提升性能的同時，最好不要損失系統(tǒng)的靈活性。其言下之意就是：目前各類加速芯片的優(yōu)化方案損失了靈活性，從而使得芯片的落地很困難。這是目前全行業(yè)的痛點所在。

3.2 集群計算，對芯片的彈性可擴展能力提出了更高的要求

傳統(tǒng)的情況下，一個芯片對應(yīng)一個系統(tǒng)。我們關(guān)注業(yè)務(wù)常見的需求，并把它實現(xiàn)在芯片的功能和特征里。但在集群計算，特別是目前云網(wǎng)邊端不斷融合的超大集群計算形式下，則需要關(guān)注的是“以不變應(yīng)萬變”，即足夠通用的、數(shù)以萬計的計算設(shè)備組成的大規(guī)模計算集群，如何去覆蓋數(shù)以百萬計的眾多計算場景的問題。

這樣，對芯片內(nèi)的資源彈性和芯片的可擴展性就提出了很高的要求，我們需要把數(shù)以萬計的計算芯片的計算資源合并到一個計算資源池，然后還可以非常方便的快速切分和重組，供不同規(guī)格計算任務(wù)的使用。

3.3 芯片研發(fā)成本越來越高，需要芯片的大規(guī)模落地，來攤薄研發(fā)成本

摩爾定律預(yù)示了：芯片工藝的發(fā)展，會使得晶體管數(shù)量大約每兩年提升一倍。雖然工藝的進步逐步進入瓶頸，但Chiplet越來越成為行業(yè)發(fā)展的重點，這使得芯片的晶體管數(shù)量可以再一次數(shù)量級的提升。

在先進工藝的設(shè)計成本方面，知名半導(dǎo)體研究機構(gòu)Semiengingeering統(tǒng)計了不同工藝下芯片所需費用（費用包括了）：

28nm節(jié)點開發(fā)芯片只需要5130萬美元；

16nm節(jié)點則需要1億美元；

7nm節(jié)點需要2.97億美元；

到了5nm節(jié)點，費用高達5.42億美元；

3nm節(jié)點的研發(fā)費用，預(yù)計將接近10億美元。

就意味著，大芯片需要足夠通用，足夠大范圍落地，才能在商業(yè)邏輯上成立。做一個保守的估算：

終端場景，（大）芯片的銷售量至少需要達到數(shù)千萬級才能有效攤薄一次性的研發(fā)成本；

在數(shù)據(jù)中心場景，則需要50萬甚至100萬以上的銷售量，才能有效攤薄研發(fā)成本。

4 超異構(gòu)計算的載體：通用的超異構(gòu)處理器

通用的超異構(gòu)處理器（GP-HPU, General Purpose Hyper-heterogeneous Processing Unit, 通用超異構(gòu)處理器），即能夠覆蓋幾乎所有場景的、以超異構(gòu)計算為基礎(chǔ)架構(gòu)的、綜合性的大算力單芯片。

4.1 超異構(gòu)計算的關(guān)鍵，在于各類加速處理器的高效交互

SOC和HPU都是多異構(gòu)組成的混合計算，但SOC本質(zhì)上屬于異構(gòu)計算，而HPU屬于超異構(gòu)計算。SOC僅僅是異構(gòu)的集成，而HPU則需要實現(xiàn)異構(gòu)的融合。

在SOC系統(tǒng)里，每個加速單元可以看做是CPU+加速單元組成一個異構(gòu)子系統(tǒng)；不同的異構(gòu)子系統(tǒng)之間在硬件上是沒有必然聯(lián)系，需要通過軟件構(gòu)建異構(gòu)子系統(tǒng)之間的交互和協(xié)同。在CPU性能逐漸瓶頸的當(dāng)下，這通常也意味著性能的約束。

而在HPU里，需要實現(xiàn)硬件層次的不同加速單元之間的直接的、高效的數(shù)據(jù)交互，不需要CPU的參與。在硬件層次，超異構(gòu)需要實現(xiàn)CPU、GPU以及各種其他加速單元之間的對等的深度交互、協(xié)同和融合。

4.2 目前，多個獨立芯片組成超異構(gòu)計算，還比較難

依據(jù)性能/靈活性特征，可以將系統(tǒng)分為三個層次：

基礎(chǔ)設(shè)施層。隨著系統(tǒng)越來越復(fù)雜，在系統(tǒng)中，有很多非常確定性的任務(wù)，比如虛擬化、網(wǎng)絡(luò)、存儲等，這些可以稱為基礎(chǔ)設(shè)施型任務(wù)。這類任務(wù)因為其確定性的特點，特別適合DSA/ASIC級別的加速處理器處理。

另一個極端，即不太好加速的應(yīng)用部分。在硬件平臺上到底會運行什么樣的應(yīng)用，通常是不可預(yù)知的，或者說應(yīng)用是非常不確定的。因此，針對應(yīng)用，最好是用CPU（+協(xié)處理器）平臺。CPU平臺還有另外一個價值，兜底，凡是無法加速或者不存在合適加速處理器的工作任務(wù)都可以放在CPU平臺處理。

處于兩個極端之間的部分任務(wù)，則通常是性能敏感的應(yīng)用任務(wù)，比如AI訓(xùn)練、視頻圖形處理、語音處理等。這類任務(wù)具有一定的確定性，但通常還是需要平臺的一些彈性的能力，其性能/靈活性特征處于前面兩個極端的中間。因此比較適合GPU、FPGA這樣的處理器平臺。

理論上，我們可以按照超異構(gòu)計算的功能劃分和系統(tǒng)交互，把三類功能實現(xiàn)在CPU、GPU和DPU三芯片里，但目前三者處于相互競爭的狀態(tài)，三芯片協(xié)作的方式，本質(zhì)上只能實現(xiàn)以CPU為中心的異構(gòu)計算形態(tài)，而無法實現(xiàn)三者深度協(xié)同的超異構(gòu)計算形態(tài)。

并且，三顆芯片，通常來自于不同的芯片公司，各個芯片都很難放棄以自己為核心的系統(tǒng)運行方式。要想這些芯片公司能夠更多的考慮和其他芯片的協(xié)同，從而實現(xiàn)三芯片的通力合作，很難很難。

基于CPU、GPU和DPU三芯片的超異構(gòu)計算，還有很長的路要走。

4.3 在單芯片層次，實現(xiàn)相對簡單的超異構(gòu)計算，是可行的路徑? ?

單芯片，不需要考慮和外部芯片的協(xié)同，只需要考慮內(nèi)部不同單元間的深度交互。一切都在自己的掌控之下，因此單芯片超異構(gòu)計算，是相對容易落地的實現(xiàn)方式。

此外，單芯片方式，也有其他的好處：

更高集成度，代表著更高的性能，以及更低的成本；

內(nèi)部交互更高效，代表著沒有各類性能瓶頸約束，可以實現(xiàn)更高的性能。

5 超異構(gòu)計算的挑戰(zhàn)，不在芯片集成，而在系統(tǒng)的融合和系統(tǒng)的可駕馭? ??

5.1 硬件層次的多異構(gòu)集成，不是難度

工藝持續(xù)進步、3D堆疊以及Chiplet多Die互聯(lián)，使得芯片從2D->3D->4D。這些技術(shù)的進步，意味著在芯片這個尺度，可以容納更多的晶體管，也意味著芯片的規(guī)模越來越大。

Intel宣布，在2030年，將實現(xiàn)單芯片層次集成1萬億晶體管，這意味著在單芯片層次，可以構(gòu)建，相比目前，規(guī)模數(shù)量級提升的系統(tǒng)。

實現(xiàn)更多異構(gòu)的集成，是芯片制造和封裝的核心競爭力，不是芯片設(shè)計公司（Fabless）的核心競爭力。

5.2 挑戰(zhàn)在于，軟件層次，如何把多個系統(tǒng)整合到一個宏系統(tǒng)

我們以NVIDIA 2000 TOPS的自動駕駛汽車中央控制器CCU為例。Thor能夠?qū)崿F(xiàn)多域融合計算，它可以為自動駕駛和車載娛樂劃分任務(wù)。通常，這些各種類型的功能由分布在車輛各處的數(shù)十個控制單元控制。制造商可以利用Thor實現(xiàn)所有功能的融合，來整合整個車輛，而不是依賴這些分布式的ECU/DCU。

傳統(tǒng)SOC是單芯片單系統(tǒng)，而Thor實現(xiàn)了單芯片多個系統(tǒng)共存。在一個硬件上，把多個架構(gòu)不同的系統(tǒng)整合成一個宏系統(tǒng)，則涉及到整個系統(tǒng)軟硬件架構(gòu)的重構(gòu)。

在系統(tǒng)和架構(gòu)層面，如何實現(xiàn)更多系統(tǒng)的融合，是芯片設(shè)計公司的核心競爭力。

5.3 更大的挑戰(zhàn)在于，如何讓超異構(gòu)更好駕馭?

串行計算符合人類思維，編程相對最簡單；同構(gòu)并行的編程，就要復(fù)雜很多；異構(gòu)并行，則更是難上加難；那么超異構(gòu)并行呢？那就是難上加難再加難。

要想駕馭超異構(gòu)，核心的思路跟駕馭異構(gòu)計算的思路一致，就是要想方設(shè)法降低軟硬件系統(tǒng)的復(fù)雜度。一些典型的降低復(fù)雜度的方法：

復(fù)雜大系統(tǒng)分解成簡單小系統(tǒng)，實現(xiàn)芯片內(nèi)部的分布式計算，每個內(nèi)部子節(jié)點的復(fù)雜度較低，更加可控一些。

依據(jù)系統(tǒng)的性能/靈活性特征進行分層。不同層次，采用不同的處理策略。

開放：讓處理器架構(gòu)和生態(tài)收斂，防止碎片化。同時，行業(yè)內(nèi)也能相互分工協(xié)作，而不是一家公司面對所有問題。

軟硬件深度融合，讓硬件具有更多軟件的能力。

6 第三代通用計算，大算力芯片“彎道超車”的歷史時機? ?

CPU同構(gòu)是第一代通用計算，成就了Intel的王者地位；GPU異構(gòu)是第二代通用計算，隨著人工智能的火爆，助推NVIDIA市值超過了10000億美金，遠超Intel、AMD和高通的總和。

但技術(shù)發(fā)展不會停止。隨著AI大模型、自動駕駛、元宇宙等超高算力需求的領(lǐng)域快速發(fā)展，算力仍需持續(xù)快速提升，算力成本必須數(shù)量級下降，計算架構(gòu)需要從同構(gòu)、異構(gòu)走向多種異構(gòu)融合的超異構(gòu)。

第一代和第二代通用計算CPU、GPU，我們已經(jīng)落后，目前國內(nèi)有眾多公司重擔(dān)在肩，在拼命追趕。而第三代通用計算（超異構(gòu)計算）的發(fā)展機遇，給了我們“彎道超車”的歷史時機。

當(dāng)前，Intel和NVIDIA正在通用超異構(gòu)計算領(lǐng)域做早期布局，歷史機遇稍縱即逝。我們需要站在國家戰(zhàn)略的高度，快速布局，并大力投入。