對英特爾來說，“CPU巨頭”的標簽已經深入人心。不過，在最近兩個月，CPU在英特爾的關注度被軟件和獨立GPU搶了風頭。不知從何時起，“軟件為先”和“XPU”已經成為英特爾新的流行詞。同樣，英偉達對ARM的收購，以及AMD對賽靈思的收購，也昭示著芯片巨頭們與英特爾的“不謀而合”，它們紛紛將未來的布局瞄準了同一個方向：異構計算。

“通用”與“專用”相向而行

從20世紀60年代的字符終端時代到如今的智能計算時代，數據的量和質都發生了顯著的變化。以文本、圖表為主的結構化數據比例不斷下降，融媒體數據、實時處理的傳感級數據等非結構數據，以及深度學習的元數據的持續激增，將越來越多種類、精度的數據以更快的速度進行傳輸和處理，并成為智能計算的剛需。

作為通用處理器的代表型廠商，英特爾已經將異構計算作為應對AI時代算力挑戰的關鍵戰略。如果將數據看作食材，CPU就相當于“瑞士軍刀”，適用于一切食材，卻不一定能將所有食材處理得又快又好。GPU、FPGA、DSP等專用處理器的加入，讓計算架構能更有效地應對場景化數據。

“異構計算的產業的基礎是數據的爆炸式增長，這其實是我們發展異構計算的主要驅動力。”英特爾架構、圖形和軟件集團副總裁兼中國區總經理謝曉清在接受《中國電子報》采訪時指出，“CPU提供的是通用型計算的能力，解決的問題很廣義。但是GPU、FPGA，或者AI加速芯片解決的是特定領域的問題。現在很多數據的產生都有一定的特點，以至于在CPU上的運算效果不一定是最理想的，在GPU或者其他并行計算能力高的芯片上會跑得更好，這是異構計算的主要驅動力。”

作為專用處理器廠商，賽靈思從器件向異構平臺的轉變也已開始。賽靈思大中華區核心市場業務發展總監酆毅向《中國電子報》記者指出，智能駕駛正在從ADAS逐漸向全面自動駕駛持續演進，傳感器數量的增多勢必會帶來爆炸式的數據增長，這就需要汽車具備強大的異構計算平臺。在工業視覺領域，機器人技術、工業PC、I/O的模塊、智能傳感器、人機界面等都在產生不同類型的數據。在專業音視頻和廣播領域，從內容采集到內容消費的全部過程也需要遠程管理不同的服務器和計算平臺。

“單獨的計算架構，無法滿足越來越多樣的開發需求，因此，異構計算是未來的發展之路。”酆毅指出，“伴隨工藝的進步，FPGA也打破了傳統的應用邊界，進入到AI、數據中心、視頻處理、自動駕駛、5G等新興領域中。而FPGA也通過集成標量處理引擎、自適應硬件引擎和智能引擎，完成了從器件到異構平臺的轉變。”

引發芯片巨頭割據戰

在很長一段時間里，處理器市場維持著英特爾、英偉達各自引領CPU和GPU的狀態，且AMD在兩個市場均為第二。如今，這種局面正在被打破。通過一連串基于收購和自研的“補課”行為，三大處理器頭部廠商都在向CPU+GPU+FPGA/NPU的方向靠攏，為異構計算儲備“彈藥”。

上個月，英特爾時隔22年重返獨顯市場，正式發布獨立顯卡iRIS Xe Max。眾所周知，英特爾從2015年起，陸續收購了當時第二大FPGA廠商Altera、自動駕駛視覺處理公司Mobileye和云端AI推理芯片Habana Labs等一系列芯片廠商，充實了FPGA和AI專用芯片的產品線。獨立顯卡的發布，不僅讓英特爾彌補了PC產品線的關鍵零部件，也補齊了XPU異構計算架構的關鍵拼圖。

AMD對賽靈思的收購，也釋放出強化異構計算布局的信號。在具備“CPU+GPU”計算架構的基礎上，FPGA的可編程特質，能進一步提升計算平臺的靈活性，從而適應AI時代根據不同工作負載進行加速的需求。同時，賽靈思在異構計算上也有所積累，已推出Versal ACAP異構計算平臺，以縮短車載多傳感器同步和融合所帶來的系統整體響應時間。據酆毅介紹，賽靈思圍繞異構計算的布局已在兩年前開始，包括智能駕駛、專業音視頻、工業等相關領域，都緊密圍繞著異構計算的數據需求進行開發。

對于英偉達，收購ARM不僅彌補了缺乏CPU的短板，也將英偉達的AI計算平臺拓展到移動生態。值得注意的是，ARM也在異構計算有所著墨。基于開源的開發框架ARM NN，開發者可以調動ARM CPU、GPU及NPU，實現異構AI開發。據悉，在去年舉辦的ISC 2019國際超算大會上，英偉達宣布，計劃利用其GPU與使用ARM架構的CPU協作打造超級計算機。在宣布對ARM的收購計劃后，英偉達再次強調將建造搭載ARM CPU的AI超級計算機。“超算”有望成為英偉達與ARM合流異構計算的第一個“練兵場”。

如何應對“跨生態”挑戰

“軟件優先。”談及異構計算的布局思路，謝曉清向記者表示，“在設計硬件、芯片的時候，甚至在設計指令集的時候，我們會以軟件優先的原則去做。”

異構計算帶來的硬件復雜性，對編程人員提出了嚴苛的挑戰。如果異構計算包含CPU、GPU、FPGA、ASIC四種硬件，就意味著編程人員必須掌握四種硬件的優化代碼，才能編寫或遷移程序。屏蔽硬件復雜性的軟件平臺已經成為異構計算的必備工具。

oneAPI是英特爾為異構計算架構打造的開源軟件平臺，使開發者可以選擇熟悉的語言、單一的代碼庫以及統一的編程模型，來開發跨架構的應用程序。

“我們希望生成一個軟件生態，使應用程序開發商基于統一、開放的規范進行開發工作，不會因為軟件從CPU遷移到GPU或者是FPGA而進行任何的修改或重復投資。” 謝曉清說。

英特爾不是唯一意識到異構計算需要“軟硬兼施”的廠商。在軟件平臺方面，英偉達推出了CUDA，AMD推出了ROCm，華為也陸續推出了Atlas、CANN等面向異構場景的平臺及架構。

異構計算的復雜性和融合性，意味著各大廠商一開始就從生態競爭的維度進行布局。那么，多種生態競爭并存的關系，是否會讓開發者在免除跨架構開發的麻煩后，又陷入“跨生態”開發的困難？

對此，謝曉清認為，如果各家將中間平臺統一起來，形成相對統一的框架，可以在保持差異性的同時降低上層應用的開發難度。

“如果各個芯片廠商都從最底層做軟件，重復投資會非常大。在理想情況下，應當有一個框架，在這個框架下每家做好自己的硬件優化。對上層應用開發者來說，硬件復雜性被屏蔽掉，且編譯器、庫函數、接口等均已定義好，在這個統一的框架下再開發編程即可。在運行應用的時候，負載會自動流向最合適的硬件，這可能是未來異構計算的理想情況。”謝曉清說。
責任編輯:tzh