一個新的時代似乎已經到來。

英特爾，這位CPU領域的絕對王者開始頻頻與“軟件為先”和“XPU”等詞進行捆綁。同樣值得關注的是英特爾的老對手英偉達以及AMD，在過去的一年中，英偉達宣布收購Arm，AMD則提出收購賽靈思。

冥冥之中，這些巨頭似乎都開始瞄準了同一個方向——“異構計算”。

異構計算時代到來

所謂異構，就是將CPU、DSP、GPU、ASIC、FPGA等不同制程架構、不同指令集、不同功能的計算單元，組合起來形成一個混合的計算系統。

為什么需要異構計算？原因很簡單：我們需要越來越強大、越來越高效的計算系統。在過去，隨著半導體技術的進步和頻率的提升，絕大多數計算機應用不需要結構性的變化，或者特定的硬件加速，即可不斷提升性能，但是現代應用經常會碰到內存、功耗方面的限制。此時，引入特定單元、讓計算系統變成混合結構就成了必然，每一種不同類型的計算單元都可以去執行自己最擅長的任務。

有資料顯示，異構計算提高了處理效率。異構計算能夠充分發揮CPU/GPU在通用計算上的靈活性，及時響應數據處理需求，搭配上FPGA/ASIC等特殊能力，來充分發揮協處理器的效能，根據特定需求合理地分配計算資源。

其次異構計算成本利好。由于目前神經網絡算法和與之對應的計算架構層出不窮，如果采用不斷更新ASIC架構的方式，最終下沉到用戶和企業身上，就會導致使用成本和替換成本過高。因此，最好的解決辦法就是將多種計算架構融合在一起，生命周期變長，在產業落地上具有更大的優勢。

英特爾中國研究院院長宋繼強曾在采訪中表示，如果說傳統計算架構是一種燒汽油的引擎，那么異構計算就是一種混合動力引擎甚至新能源引擎，并且“動力十足”，能夠推動人工智能、5G等新興領域更好、更快地發展。

三大巨頭割據戰

事實上，異構計算并不是近兩年來興起的概念，早在上世紀80年代，異構計算就已經誕生，隨著計算需求呈指數級增長，異構計算也經歷了CPU+GPU、FPGA等多種路線之爭。

2003年，AMD推出了業內首款x86-64架構處理器，開啟了64位計算時代。2006年，AMD收購了著名GPU廠商ATI，就在宣布收購的第二天，AMD便迫不及待地宣布要把高性能CPU、GPU做到同一顆芯片上，并在三個月后為這一項目命名為“Fusion”（融聚），又過了兩個月提出了全新的“APU”（加速處理器）概念，后來甚至還把Fusion寫入了公司口號中。看上去似乎是另外一種集成顯卡，從主板上轉移到處理器中而已，但是關鍵就在“加速”二字。怎么去加速？答案就是——異構計算。

當然，“Fusion”這條路走得很艱辛。從最初宣布到最終發布，APU花了足足四年半的光陰，期間經歷了GPU加速計算的崛起、GPU/GPU地位之爭，直到2010年初才開花結果。

有意思的是，也就在同一年，英特爾也迅速跟進，發布了Sandy Bridge，將CPU、GPU整合到了一起，雖然被業界戲稱為“只不過是在CPU里集成了顯卡”，沒有實現APU那樣的高度融合，但也開始了異構計算的探索之路。而在這期間，英偉達也以其大規模的并行GPU和專用GPU編程框架CUDA進入了主流市場。

2012年，AMD成立了一個HSA（異構系統架構）基金會，拉了ARM、Imagination、聯發科、德州儀器、三星等眾多一線大廠一同上陣，主推一個叫做OpenCL的異構編程框架。HSA聯盟發展了兩年也有一些新成員加入，但是總的來說對英特爾威脅不大。

直到2017年，賽靈思推出的一款新器件對英特爾造成了直接的威脅。一款基于16nm FinFET 3D晶體管的FPGA新品---Zynq UltraScale MPSoC，這其實就是一款異構處理器。賽靈思表示，用了他們的新工具可以把可編程資源利用率提升到95%，這基本上和ASIC沒有兩樣。有報道指出，此舉直接推動了英特爾收購賽靈思的競爭對手——Altera。

業界對于英特爾收購Altera的決定議論紛紛，但不可否認的是，英特爾此舉是要加強其在數據中心領域的競爭力。有趣的是，在英特爾拿下Altera的時候，市場曾經傳言賽靈思曾經考慮并購 AMD，現在則是 AMD 收購賽靈思了。

2019年，英偉達以 70 億美元收購服務器端到端解決方案廠商邁絡思 （Mellanow），2020年400億美元收購 Arm，都是為了在未來的數據中心市場搶占先機。

異構計算會成為未來數據中心處理器的主流，在這方面，英偉達和 AMD 都有著相同的戰略思路。

英偉達收購Arm讓雄心勃勃想在數據中心市場大干一場的 AMD 直接感受到了威脅，也促使蘇姿豐去考慮收購賽靈思。AMD 同樣擁有 CPU 和 GPU 產品，賽靈思可以給他們帶來數據中心市場的加速能力。

不難發現，在英特爾、英偉達以及AMD三方混戰多年后，隨著異構計算的到來，市場局面開始出現松動。經過一系列收購以及自研行為，這三大處理器頭部廠商都在向CPU+GPU+FPGA/NPU的方向靠攏，為異構計算之戰備足“糧草”。

時至今日，我們再看這三大巨頭，他們已經產生了很大的變化。

2020末，英特爾宣布重返獨顯市場，正式發布了獨立顯卡iRIS Xe Max。在一系列的收購行為后，英特爾彌補了PC產品線的關鍵零部件，也成功實現了XPU異構計算架構。

而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。

同樣重要的是，誠如前文所言賽靈思本身對異構計算就頗有研究，2017年推出異構計算處理器，同時還推出了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。

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也在異構計算有所涉獵。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。

異構計算的困境

技術變革意味著挑戰，更意味著機遇。芯片領域目前的格局變化已經充分證明了這一點。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。

不同開發框架之間的性能表現、兼容性，以及學習成本一直是影響開發效率的主要因素之一，復雜的開發環境、無法同步更新的框架導致開發者會花費不少精力去自行解決問題。這些都依賴于生態鏈的建設。標準的制定與推廣，語言、編譯器、框架、運行庫等的支持，都不是易事。

在此基礎上，英特爾推出了oneAPI，據悉，oneAPI可以簡化并且統一跨不同架構、跨不同廠商之間的編程，它是一個鼓勵社區和行業支持的一種開放、標準的解決方案。

英特爾并不是唯一一家意識到生態鏈的重要性的廠商，在這方面，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。

其次，雖然從表面上看，異構計算是一個硬件的物理疊加，但真正要釋放其全部能力，最終有賴于從硬件到軟件的整體式設計。未來的異構計算，不僅僅是單一的技術點，而是多技術點的集合。

為了建立完善的軟硬件體系來支撐全新異構計算體系，進而解決生態問題，使下游產業鏈用戶主動采用異構計算技術，AMD、高通、ARM、三星、北京華夏芯等成立了全球異構計算系統HSA（Heterogeneous Syste Architecture）聯盟，IBM、Google、英偉達等成立了OpenPOWER聯盟，Intel則自成體系。

再來，要找到異構計算的優勢場景并不容易。目前AI似乎是實現落地的理想領域，但AI 是一門較為復雜、綜合的學科。在只有 CPU 平臺的情況下，AI 開發者要學習的算法、模型、框架、編程語言已經不少。如果再考慮多個不同處理器平臺，情況會變得更為復雜。

說在最后

隨著5G、AI、云計算、大數據、IoT等技術推動的萬物互聯時代即將到來。IDC預測數據顯示，到2023年全球各種類物聯網終端數量將達352億個，海量連接產生的數據量達175ZB。

隨著數字化進程的推進，算力需求將越來越大，數據中心將逐步演變為計算中心，算力將成為新的生產力。在多種數據類型和場景驅動下，異構計算將獲得快速發展，讓異構計算如何順利融入產業，成為目前值得思考的問題。

但無論如何，我們可以確信的是，異構計算時代真的來了。
責任編輯:tzh