根據(jù)“牧村波動”(Makimoto’s Wave)顯示,半導(dǎo)體產(chǎn)品未來可能將沿著“標(biāo)準(zhǔn)化”與“定制化”交替發(fā)展的路線前進(jìn),每十年波動一次。2020 年將至,過去數(shù)年我們一直在呼喚AI 芯片和高性能計算芯片,如果 “牧村波動”仍然奏效,那么下一個波峰將是超高靈活度集成的芯片。而這也解釋了為什么英偉達(dá)所開創(chuàng)的GPGPU在過去幾年里賺的缽滿盆滿。
其實仔細(xì)想想,除了“牧村波動”所昭示的進(jìn)化規(guī)則,通用GPU之所以能夠成為當(dāng)前的主流趨勢,并引來眾多企業(yè)趨之若鶩,至少有一明一潛兩大驅(qū)動因素。明面上,現(xiàn)在是異構(gòu)計算的天下,近年來傳統(tǒng)以CPU為核心的服務(wù)器市場增長比較平緩,而GPU服務(wù)器的增速迅猛,年增長率據(jù)稱超60%。
潛在因素,5G時代的到來推動了物聯(lián)網(wǎng)的迅猛發(fā)展,應(yīng)用場景更加豐富多元,這要求云端的計算資源能應(yīng)對各種復(fù)雜場景的需求提供豐富靈活的計算支撐,工程師們肯定更愿意將能“通吃”的芯片焊在服務(wù)器上。
打鐵還需自身硬
想要吃到通用GPU這份蛋糕還是需要企業(yè)有足夠深厚的功底。相較于開發(fā)定制化的AI芯片等,通用GPU在技術(shù)上有更高的難度。從硬件角度看,最核心的是指令集。指令集的覆蓋面、顆粒度、效率等決定一款芯片能否覆蓋到足夠?qū)挼膽?yīng)用市場領(lǐng)域,并對軟件開發(fā)和產(chǎn)品迭代足夠友好。無論是英偉達(dá)還是AMD的GPGPU,指令集都在千條量級,而目前國內(nèi)的AI芯片指令集大多數(shù)都在百條以內(nèi)。類型與數(shù)量的差別映射到硬件高效實現(xiàn)的復(fù)雜程度,差距是巨大的,在這方面國內(nèi)的團隊還存在著一定的差距。另一個重要方面就是基于硬件層的任務(wù)管理和智能調(diào)度,這可以讓芯片從硬件層即提高算力的利用率,也就是大家常說的實際算力。大多數(shù)AI芯片的做法是完全依賴于軟件層的調(diào)度實現(xiàn),但這種方式第一增加了軟件開發(fā)的復(fù)雜度,第二降低了硬件算力的利用率,第三減緩了軟件棧迭代更新的速度,這在AI領(lǐng)域,面向算法模型、開發(fā)環(huán)境、應(yīng)用場景加速更新的大背景下無疑大大增加了產(chǎn)品落地與工程化的難度。
在軟件方面,毫無疑問,最重要的必然是開發(fā)生態(tài),GPGPU通過英偉達(dá)十多年的耕耘,已經(jīng)建立起了一個超過160萬開發(fā)用戶的龐大而成熟的生態(tài)-CUDA。AI芯片則需要搭建全新的生態(tài),它會帶來兩個維度顯著的問題,第一個維度是客戶端,客戶需要冗長的適配期,從原有的開發(fā)環(huán)境切換到新的軟件生態(tài),這不僅帶來了資源投入,推遲了業(yè)務(wù)部署時間窗口,增加了業(yè)務(wù)的不確定性,更嚴(yán)重的是不利于保護已有的軟件投資,軟件的很多部分都要重新來寫并適配,這對企業(yè)級用戶來講恰恰是非常敏感與慎重的事情。另一個維度是產(chǎn)品開發(fā)端,從底層芯片與系統(tǒng)軟件,跳過CUDA層去直接支持開發(fā)框架,必然帶來巨大的軟件投入,不停得追趕現(xiàn)有框架的新版本,以及生態(tài)巨頭的新框架,這在底層軟件人員缺乏的背景下矛盾顯得尤其突出。
而以上兩點說到底都是需要人來解決的,恰恰在這方面的人才是目前中國企業(yè)最缺少的。目前只有英偉達(dá)和AMD擁有豐富的團隊,這也側(cè)面證明了為什么Intel自己折騰幾年,最后還是請了原AMD RTG顯卡部門負(fù)責(zé)人Raja、Zen架構(gòu)的功勛領(lǐng)袖Jim Keller、顯卡技術(shù)市場總監(jiān)Damien Triolet這幾位大神。
曲線救國還是正面突破?
圍繞GPGPU,國外已是龍爭虎斗,反觀國內(nèi),能夠洞悉GPGPU發(fā)展機遇并付諸行動的芯片廠商少之又少。
華為是為數(shù)不多看到通用GPU趨勢的芯片廠商之一,而且看起來正在嘗試兩條腿走路通往GPGPU的路上。一條路是,華為通過其在手機芯片方面的積累,希望從移動端GPU出發(fā),逐步延展至平板電腦端、桌面端、服務(wù)器端,走這種從簡單到復(fù)雜、從小芯片到大芯片的路徑。
另一條路有點“天龍寺眾高僧合練六脈神劍”的意思。通用GPU復(fù)雜、難做,華為就“化繁為簡”,今天先做AI-GPU,明天再做“區(qū)塊鏈GPU”,后天再做“超算GPU”……到最后再來個“集大成”,“六脈神劍”通用GPU就成了??雌饋砗馨魧Π桑康沁@種想法可能過于理想化了。通用GPU不是簡單的“1+1”,十個人會一陽指,也及不上一個人會六脈神劍,一個道理。
筆者還聽說,阿里旗下的芯片部門也想做GPGPU,只不過阿里巴巴的野心大則大矣,只是眼下還沒有足夠大的技術(shù)團隊能支持這件事。
其他廠商中,包括寒武紀(jì)、依圖、比特大陸、燧原科技等企業(yè),目前也都重點布局于AI芯片,并分別利用自身的優(yōu)勢走出了自己的風(fēng)格和水平。
而在GPGPU賽道上,一家名為“天數(shù)智芯”的公司選擇了正面“剛”。這家公司目前圍繞GPGPU的系統(tǒng)研發(fā)已聚集了一支百余人的技術(shù)團隊,其中不乏AMD在美國和上海做 GPU的核心團隊成員、行業(yè)經(jīng)驗超20年的世界級技術(shù)專家。今年剛剛試水發(fā)布了一款邊緣端芯片,并計劃明年正式發(fā)布GPGPU大芯片產(chǎn)品。
國內(nèi)企業(yè)的機遇與挑戰(zhàn)
有一點毋庸置疑,算力經(jīng)濟時代,整個世界正面臨半導(dǎo)體市場的增長大潮,市場上也涌現(xiàn)出越來越多的半導(dǎo)體企業(yè)百舸爭流。而英偉達(dá)早早憑借強大的GPU+CUDA方案切入各個領(lǐng)域,用大筆研發(fā)投入和時間堆積起堅不可摧的生態(tài)城墻,而這恰恰是國內(nèi)外其他玩家的薄弱環(huán)節(jié)。
國產(chǎn)芯片企業(yè),特別是處在創(chuàng)業(yè)初期的那些,“正確選擇勝過百倍努力”。筆者認(rèn)為可通用的GPU確然是個非常值得投入的方向。GPGPU誕生也只有十?dāng)?shù)年時間,“護城河”并非堅不可摧。
只不過在現(xiàn)階段,國產(chǎn)替代方案還要在CUDA生態(tài)的基礎(chǔ)上推廣自己的芯片產(chǎn)品,在兼容CUDA的同時,建設(shè)新生態(tài)。在這個過程中,每一步都關(guān)鍵且充滿挑戰(zhàn)。
發(fā)布評論請先 登錄
相關(guān)推薦
評論