摩尔定律难以维持，芯片进入异构驱动的世界.doc

《摩尔定律难以维持，芯片进入异构驱动的世界.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摩尔定律难以维持，芯片进入异构驱动的世界　　有时候，如果你在某个商业领域坚持上足够长的时间，市场就会自己来找你。　　数十年来，Xilinx（赛灵思）一直是现场可编程门阵列（FPGA）的领导者，至今仍然占有60%的市场份额。英特尔在大约三年前以167亿美元的价格收购了FPGA领域的竞争对手Altera，占据了大部分市场份额。　　尽管Xilinx在过去几年中取得了稳定的增长，它在2018财年的收入比前一年增长了8%，达到创纪录的25.4亿美元，但FPGA仍然刚刚开始在数据中心站稳自己作为计算机引擎的地位的脚跟。　　而英

2、特尔、AMD和IBM的CPU仍然是计算的主要驱动力，在Nvidia和AMD的GPU加速器的帮助下，一些前景光明的Arm阵营的公司希望希望能够在Cavium的领导下参与到这场变革中来。　　于是，越来越多像FPGA以及定制化ASIC——这些CPU之外的加速器被人们所使用，但是目前大部分的数据中心中占据主导地位的处理器仍然是CPU。　　尽管如此，VictorPeng这位在Xilinx工作了10年的老员工（自从今年1月份起担任该公司CEO），也看到了这种转变，想着有朝一日可编程硅芯片会成为大型数据中心用户、云平台建设者使用

3、的高性能计算中心，以及常规企业的数据中心中的计算驱动力。　　计算机领域正经历着重要的变革，这导致人们对异构计算的需求与日俱增，从而在不用改变任何底层架构的情况下能够适应手头的工作量。特别是目前越来越多从核心到网络边缘再接入云端的终端正在被连接起来，并通过传感器、摄像头和其他设备被赋予了智能，它们创造了大量的非结构化数据。　　这些数据推动了对更强的计算能力和更大的存储空间、使用人工智能(AI)和机器学习等技术的需求，从而使人们对这些数据有更好的感知和决策的能力。　　正如我们在「TheNextPlatform」中谈到的

4、，FPGA引起了人们对机器学习和深度学习领域的兴趣，Xilinx今年夏天则收购了以神经网络和FPGA为业务核心的初创公司DeePhi。　　VictorPeng在硅谷举行的HotChips2018上发表的主旨演讲中提到：“这种形式的智能化中的各个组成部分是完全相互联系在一起的。这种情况切切实实地发生了，而且尚处于早期起步阶段。”　　尤其是从今天的角度来看，智能化意味着在某种程度上我们不仅仅拥有某种智能处理器（例如，系统级芯片，SOC），还要求所有的应用都拥有某种形式的人工智能，这通常会融入某种形式的机器学习技术。　　

5、这种情况之所以让人如此兴奋，是因为它不仅已经对人们的日常生活产生了影响，而且由于其刚刚兴起，并且这个领域的变革正在以指数级的速度发生着，它对人们日常生活的影响会越来越深远。　　Peng指出，有人预测在不久的将来每年的数据量将超过10ZB，而且“从中获得某种价值通常意味着对数据进行处理，并以某种形式从原始数据中提取这些信息，这大大推动了大型数据中心中服务器数量的增长。数据中心的规模扩展地比我们以前所见到的要大得多，计算、存储空间和内存都在不断增加。‘’　　你可以看到，目前机器性能的增长也已经跟上了数据处理

6、和总的存储空间那种指数级的增长速率。　　有趣的事，人们认为这一切都是通过各种各样的大型数据中心用户的广告收入以及从云平台构建者的基础设施服务获利的。　　然而，在这种情况下，仍然存在一个很大的问题，那就是摩尔定律，Peng将其称为‘’一个巨大的挑战‘’。　　摩尔定律告诉我们晶体管的尺寸会缩小，并且我们可以将更多的晶体管集成在一个特定的区域中，从而具备更强的处理能力以及更低的成本。50年来，摩尔定律在这个行业中一直都十分有效，但如今这条定律已经很难再维持下去了。　　他说：‘’我们每个人都根深蒂固地认为，即使是对于科技产

7、品来说，日常消费者也希望能够获得处理速度更快、更便宜的产品‘’。　　‘’实际上，我们每年都希望电子产品都能遵循这样的物理定律：人们可以以同样的价格得到能力更强的更好的产品。因此，当我们说摩尔定律不再适用于我们今天的产业发展时，这种影响是十分深远的。‘’　　多年来，芯片制造商已经使用了各种手段来跟上摩尔定律的步伐，包括增加更多的核心，驱动芯片内部的线程，以及利用各种加速器。　　然而，Peng认为更快更好的系统不仅需要通过处理器技术实现，还需要通过架构来实现。系统架构本身也面临着诸多挑战，特别是功率和密度，这也限制了性

8、能。　　‘’过去的40年中，计算主要集中在CPU和微处理器上。‘’Peng说。　　‘’在本世纪的头十年，这种状况渐渐走到了尽头。从2010年起，计算环境开始向异构系统发展，这时我们的计算机所使用的处理器可以被分为通用处理器以及那些你可以广泛称之为固有硬件加速器的处理器。这样的处理器可能是一个CPU或一个MPU，当然，在机器学习领域ASIC也渐渐复兴起来。‘’