2021，讓我們吐故納“芯”！

　　無論多麼創新的技術，其背後都離不開底層計算的支撐，在計算領域，有眾多的晶片玩家，本期選題我們聚焦伺服器領域，針對伺服器領域的主流系列處理器進行深度分析。

　　X86架構以英特爾第三代至強可擴充套件處理器Ice Lake和AMD EPYC“米蘭”為代表；ARM架構以華為鯤鵬和Arm v9為代表；POWER架構以IBM為代表；以及英偉達的“3U一體”等等。那麼，到底他們未來將如何發展？是競爭還是共存？等等都是本期選題關注的問題。

　　 首先解答本期選題的第一個問題：為什麼今天的計算場景如此多樣？

　　 因為，計算力已經成為衡量一個國家、地區，甚至是企業發展水平的重要指數。

　　從全球GDP與伺服器出貨量的分佈來看，全球GDP排名前四的國家，伺服器採購量同樣排名前四。數字經濟在整個國家GDP的佔比越高，這個國家的經濟就越發達。

　　同樣，在企業領域，10年前全球市值最高的十個企業，都是來自能源、金融、通訊等傳統領域。今天全球市值最高的TOP10企業，清一色都是網際網路企業。全球市值TOP級的企業也是計算力消耗最大的，市值排名和伺服器採購量排名基本一致。

　　從計算發展的形態來看，雲端計算、智慧計算和科學計算三大典型計算場景已經成為主流資訊化形態。

　　其中，科學計算主要用來完成宇宙探索、石油勘探、海洋開發、工業模擬、基因測序等前沿科技領域；雲端計算已成為當今經濟社會發展的“水電煤”；以人工智慧計算為代表的智慧計算為人工智慧的新一輪爆發創造了必要的產業條件。

　　在《2020全球計算力指數評估報告》中也指出，計算力與經濟增長緊密相關，計算力指數平均每提高1個點，數字經濟和GDP將分別增長3.3‰和1.8‰。

　　因此，計算力正在成為數字經濟發展的核心驅動力。正值全球數字化轉型進入倍增創新階段，越早意識到計算力對經濟的促進作用並佈局算力基礎設施，越能在未來發展中佔據先機。

　　 亂花漸欲迷人眼的XPU

　　繼續回答第一個問題，正因為計算力的重要，因此，今天才會有那麼多的XPU的出現，誰又知道CPU/GPU/TPU/NPU/DPU都是什麼呢？筆者試著回答。

　　 CPU——CPU( Central Processing Unit，中央處理器)就是機器的“大腦”，也是佈局謀略、發號施令、控制行動的“總司令官”。

　　CPU的結構主要包括運算器、控制單元、暫存器、快取記憶體器和它們之間通訊的資料、控制及狀態的匯流排。

　　CPU遵循的是馮諾依曼結構，儲存程式，順序執行，把儲存好的指令一條條按順序執行。隨著處理速度的需求不斷加快，CPU漸漸滿足不了我們的計算需求。這時，GPU(Graphics Processing Unit)就誕生。

　　 GPU——GPU全稱為Graphics Processing Unit，中文為圖形處理器，就如它的名字一樣，GPU最初是用在個人電腦、工作站、遊戲機和一些移動裝置上執行繪圖運算工作的微處理器。

　　GPU主要用的技術是平行計算，工廠裡生產一批貨物用一條流水線10天可以完成，兩條流水線5天可以完成，十條流水線1天就可以完成。這就是平行計算的概念。

　　GPU更擅長處理影像資料，因為我們在做影像處理時，需要對影像的每一個畫素點都有類似的處理方式和過程，擁有更多的計算單元，就可以更快的完成影像處理，GPU也就應運而生。但需要注意的是GPU無法單獨工作，需要CPU呼叫。

　　 TPU——按照上文所述，CPU和GPU都是較為通用的晶片，但是有句老話說得好：萬能工具的效率永遠比不上專用工具。

　　隨著人們的計算需求越來越專業化，人們希望有晶片可以更加符合自己的專業需求，這時，便產生了ASIC（專用積體電路）的概念。

　　ASIC是指依產品需求不同而定製化的特殊規格積體電路，由特定使用者要求和特定電子系統的需要而設計、製造。當然這概念不用記，簡單來說就是定製化晶片。

　　因為ASIC很“專一”，只做一件事，所以它就會比CPU、GPU等能做很多件事的晶片在某件事上做的更好，實現更高的處理速度和更低的能耗。但相應的，ASIC的生產成本也非常高。

　　而TPU（Tensor Processing Unit，張量處理器）就是谷歌專門為加速深層神經網路運算能力而研發的一款晶片，其實也是一款ASIC。

　　 NPU——講到這裡，相信大家對這些所謂的“XPU”的套路已經有了一定了解，我們接著來。所謂NPU（Neural network Processing Unit）即神經網路處理器。顧名思義，這傢伙是想用電路模擬人類的神經元和突觸結構。

　　怎麼模仿？那就得先來看看人類的神經結構——生物的神經網路由若干人工神經元結點互聯而成，神經元之間透過突觸兩兩連線，突觸記錄了神經元之間的聯絡。NPU的典型代表有國內的寒武紀晶片和IBM的TrueNorth。

　　 DPU——DPU（Deep learning Processing Unit，即深度學習處理器）最早由國內深鑑科技提出，基於Xilinx可重構特性的FPGA晶片，設計專用的深度學習處理單元，且抽象出定制化的指令集和編譯器，從而實現快速的開發與產品迭代。事實上，深鑑提出的DPU屬於半定製化的FPGA。

　　如今，晶片多元化的背後是應用場景的複雜化導致通用計算技術和通用晶片越來越不能滿足業務需求，特別是新湧現的計算場景對於計算晶片指令集、架構的要求是不一樣的，這樣就導致之前一直使用的通用CPU已經無法滿足多元化計算場景要求，這也是計算晶片的種類越來越多的重要原因。

　　在計算產業變革的背景下，“CPU包打天下”一去不復返，異構計算即XPU的發展成為大勢所趨。

　　我們看到眾多頭部半導體廠商推出多元化的晶片產品，不斷延展業務邊界，而創新公司也不示弱，它們在沒有歷史包袱的情況下，紛紛針對不斷湧現的業務場景推出了專屬性的晶片產品，讓整個晶片市場迎來“百家爭鳴”時刻。

　　本期選題的第一個問題：為什麼今天的計算場景如此多樣？我們先回答到這裡，接下來還會有更多關於吐故納“芯”的問題與回答，希望大家持續關注。