根據谷歌統計的數據，由于去年疫情帶來的增長加速，再加上視頻會議、AR/VR與云游戲等應用的興起，視頻服務已經占據整個互聯網60%以上的流量。而這也使得服務器端視頻處理能力的要求在不斷拔高，處理的對象已經不再是1080p 30幀的短視頻了，而是對4K以上的HDR視頻進行實時轉碼。

除了開發更高效的視頻編碼（VP9、AV1等）和媒體框架之外，硬件平臺也是不可或缺的一環，市面上也涌現了不少大相徑庭的硬件方案。傳統的CPU在新編碼上早已顯得吃力，而GPU雖然性能優越，但計算流量過大，服務器的成本要高出一截，因此不少云服務廠商也開始推出專用硬件來進行視頻處理。

傳統GPU

GPU作為最常用的視頻處理硬件，也理所當然地成為了數據中心視頻轉碼的選擇之一。目前常用于視頻轉碼的最新英偉達GPU為T4。該卡包含320個圖靈Tensor核心和2560個CUDA核心，單精度算力達到8.1 TFLOPS。英偉達稱在獨立的硬件轉碼引擎下，與前代GPU Tesla M60相比，其轉碼性能提升至2倍，同時支持38個1080p的視頻流。

英偉達T4 / Nvidia
除了英偉達之外，AMD也有可用于視頻編碼的Radeon Pro V520 GPU，根據全球最大的云服務廠商亞馬遜AWS公布的數據，其通用圖形渲染性能要高出英偉達T4 40%，單卡最多支持6個1080p60的視頻流同時編碼。

賽靈思媒體加速卡

除了傳統的通用GPU方案外，另一個常見的方案就是采用專門的視頻處理加速卡，比如賽靈思于去年發布的數據中心媒體加速卡Alveo U30，專用于高密度的視頻轉碼應用。該卡的APU采用了4核Arm Cortex-A53，RPU采用了雙核Arm Cortex-R5F，而GPU采用了Arm Mali-400 MP2。U30支持到8路1080p60視頻流的編碼，而且在功耗和靈活性上優于CPU+GPU的傳統方案。

Alveo U30加速卡 / Xilinx

今年9月，亞馬遜AWS開放了新的EC2 VT1實例，該實例至多可以擴展至8張賽靈思Alveo U30加速卡。根據亞馬遜AWS公布的數據，基于GPU（英偉達T4 GPU+英特爾Cascade Lake CPU）的G4dn實例相比，在H.264/AVC和H.265/HEVC的實時視頻編碼上，VT1所需的成本比后者低上60%，與基于CPU（AMD EPYC 7002）的C5實例相比，成本更是低上60%。

除此之外，賽靈思還會提供其視頻轉碼SDK，不僅整合了FFMpeg，更有媒體加速API與U30上的編解碼器直連，今年年末還會推出對于另一框架GStreamer的支持。

亞馬遜不僅推出了基于這類加速卡的云服務，旗下的直播平臺Twitch也在使用這類實例。Twitch稱計劃將VT1實例用于數百萬計的直播轉碼，以此實現在更密集的串流和低延遲下，不犧牲視頻的壓縮或畫質。

谷歌定制VPU

作為僅次于亞馬遜AWS和微軟Azure的云服務廠商，谷歌在其公共云服務上依然在使用傳統的GPU方案。但坐擁全球最大的視頻平臺Youtube和成立不久的云游戲平臺Stadia，谷歌決定在這些服務上采用自己的硬件來加速視頻處理。

搭載了兩個VCU芯片的PCBA / Google

作為視頻編碼標準VP9的開發者，谷歌想要同時實現H.264和VP9支持，以及多輸出的轉碼，并在直播與離線轉碼中達到理想的速度與質量，還能全面控制軟件算法進行調整，因此谷歌決定開發自己的硬件VCU芯片。

谷歌基于該硬件打造的系統具有兩張VCU加速器，每個加速器內置了10個VCU編碼器核心，每個核心都能夠實時編碼2160p的視頻流，使用三個參考幀時可達60FPS。經過在H.264二次編碼上的輸出對比，8塊VCU芯片的性能是4塊英偉達T4性能的兩倍以上，是英特爾Skylake CPU的8倍以上，在VP9編碼上的性能差距更是可以拉到20倍。

結語

在視頻處理方面，尤其是視頻編碼轉碼上，CPU+GPU的通用傳統方案已經在失去其優勢，專用的加速器方案明顯在成本和性能突破上走的更快一些。這種趨勢在數據中心的其他應用領域上也在慢慢顯現，比如深度學習、AI等，專用加速器的方案更適合針對性更強的場景。隨著云服務廠商不斷推出更多的專用實例，GPU在視頻處理上的地位很可能會被專用加速器給替代。