隨著以大模型為代表的AIGC迅速崛起，數據到算力需求的持續暴漲，為數據中心帶來了巨大的考驗。為填補算力鴻溝，下一代數據中心必須要具備更高的算力密度、更大的網絡規模，并能夠靈活地部署和更新海量新應用。

在這一輪新的技術方向中，異構計算架構和Chiplet技術因能有效提升復雜場景計算效率，算力密度和網絡規模，被普遍視為通往數據中心未來的能效之路。

AIGC或將撕開數據中心算力缺口

在AI大模型飛速發展之下，單個大語言訓練驅動AI訓練服務器需求約2億美元，AI推理服務器方面，如ChatGPT在初期便可帶動推理服務器需求約45億美元。

據中國信通院，2021年國內IDC市場規模1500.2億元，同比增長28.5%。據信通院預計，隨著我國各地區、各行業數字化轉型深入推進、AI訓練需求持續增長、智能終端實時計算需求增長，2022年國內市場規模將達1900.7億元，同增26.7%。

算力作為大模型的核心引擎，計算方式簡單粗暴，即實際擁有多少的GPU芯片，將直接決定其算力的大小。以ChatGPT為例，其模型計算主要基于微軟的Azure云服務進行，本質上是借助微軟自有的IDC資源，在云端完成計算過程后，再將結果返回給OpenAI。

AIGC所需的算力不是固定的，而是逐次遞增的。數據中心是承接AI計算需求的直接形式，其算力需求為AIGC的能力所驅動，也就是AIGC越聰明，其背后所需要的算力就越多，而供需雙方存在的現實差距，則讓數據中心的算力缺口變得愈加嚴重。

互聯網廠商布局ChatGPT同類產品，或將加大核心城市IDC算力供給缺口。艾瑞咨詢數據顯示，2021年國內IDC行業下游客戶占比中，互聯網廠商居首位，占比為60%，國內核心城市IDC算力供給缺口或將加大。

AIGC時代，智能算力崛起

隨著人工智能進入新的發展周期，以及大模型的興起，傳統的芯片需求結構發生了變化。盡管總體算力仍在增長，但通用計算力由CPU主導的比例正在下降，而智能計算力由GPU主導的比例逐漸增加。

目前，GPU在AI芯片市場的占比約為90%。根據VMR的數據，2021年全球GPU行業市場規模為334.7億美元，隨著大型模型訓練的成熟，預計到2030年將達到4773.7億美元，年均增長率為34.35%。

新華三集團副總裁、計算存儲產品線總裁徐潤安在接受媒體采訪時表示，智能算力占比變大原因在于，x86架構CPU單核性能強、通用性好。但AI場景需要多核、高并發、高帶寬芯片。綜合考慮成本、效率，GPU、DPU、NPU通常表現更好。CPU部分職能被其他專用芯片分擔。在他看來，大模型會帶來巨大的智能算力消耗。

Chiplet：破局數據中心未來

近20年中，單一的制程微縮已被證明無法趕上對性能需求的步伐。尤其是在數據中心，情況遠比客戶端產品更為復雜，一個非常典型的情況是多個客戶端在同一產品上運行工作負載，如多核CPU或GPU。于是，人們開始將未來依托在將計算單元、內存等和其他模塊成在同一封裝上的Chiplet異構集成路線之上。

Chiplet架構對于服務器處理器而言意義非凡，大大降低了處理器的開發門檻和成本，起到了巨大的推動作用。正如AMD開創性的chiplet產品所證明的那樣，轉向chiplet技術可以顯著改善數據中心的計算成本，并提高互連效率。迄今，全球主流服務器芯片廠商都開始將chiplet納入自身產品的主要路徑之一。

就此，英特爾 IO 技術解決方案團隊戰略家Kurt Lender 總結了 chiplet 技術的影響“有合理的預期，未來 10 年的 HPC 采購將利用 chiplet 技術更好地支持他們的科學工作負載。” AMD 的 CEO Lisa Su也表現出了同樣的期待，當被問及她是否認為未來 10 年的 HPC 采購指定定制chiplet設計的計算芯片而不是現成的商品時，她回答“是”。

Kurt Lender 表示，創建基于 UCIe 的chiplet 設計在成本方面具有顯著的優勢，“有各種縱向擴展和橫向擴展的成本優勢，包括由于與單片硅設計相比占地面積更小而導致chiplet的高良率而節省的成本，以及能夠指定可以利用 HPC 冷卻功能的高密度、高功率封裝。在其最完整的表達中，基于chiplet 的架構使設計人員能夠將來自多個供應商的 IP 和不同職稱工藝技術的芯粒快速集成到一個封裝中。”

關于隨著以大模型為代表的人工智能大規模計算的迅速崛起，數據中心的算力難題不斷加劇。而異構和Chiplet會將數據中心的未來引向何處，還讓我們拭目以待。???????

審核編輯：劉清