在第四次科技革命的東風下，云計算、大數(shù)據(jù)、人工智能等新興技術以其優(yōu)越的便捷性和穩(wěn)定性，開始給服務器市場帶來新的活力。其中，近幾年出現(xiàn)了一種普通用戶熟悉又陌生的GPU。

近日，PC巨頭英特爾發(fā)布了首款數(shù)據(jù)中心獨立顯卡，即服務器GPU。蘋果新的M芯片也曝光了，GPU達到了128核。GPU與人工智能呼應后，不僅重構了當前的產(chǎn)業(yè)結構，還為整個市場帶來了新的有效增量，一個全新的“GPU黃金時代”似乎正在如火如荼地展開。從“隨太子讀書”到“占便宜”，GPU是什么？為什么GPU開始出現(xiàn)在AI應用中？

GPU是什么？

適用于并行大數(shù)據(jù)的操作組件

說到GPU，就不能不提到CPU，CPU是英文中央處理器的縮寫，也叫中央處理器。它不僅是計算機的操作核心，也是控制核心，其主要功能是協(xié)調(diào)計算機系統(tǒng)的工作。

現(xiàn)在買手機經(jīng)?？吹健?a href="http://www.www27dydycom.cn/tags/高通/" target="_blank">高通驍龍”和“聯(lián)發(fā)科”這兩個字，買電腦也能看到“Core”和“AMD”這兩個CPU中央處理器的品牌。

GPU是英文Graphics Processing Unit的縮寫，即專門為PC或嵌入式設備設計的執(zhí)行圖像操作的微處理器。與CPU相比，GPU專注于大量工作，主要執(zhí)行復雜的數(shù)學和幾何計算。

比如計算機顯卡的核心就是GPU處理器。顯卡的主要任務是讀取和顯示圖形圖像，需要復雜的并行計算，降低了核心CPU的計算負荷，與計算機CPU的速度關系不大。顯卡性能越好，GPU越高級，這也是為什么很多游戲玩家對GPU有很深的感情。

北京郵電大學計算機學院副教授楊旭東說，中央處理器和圖形處理器有許多相似之處。例如，兩者都是為完成計算任務而設計的處理器，都遵循馮諾依曼計算機體系結構。但是，兩者的區(qū)別也很明顯。CPU的結構屬于單指令單數(shù)據(jù)處理結構，邏輯計算能力強；GPU是單指令多數(shù)據(jù)處理結構，數(shù)據(jù)處理能力強。

總之CPU擅長指揮全局復雜邏輯計算，GPU擅長數(shù)據(jù)并行計算，所以特別適合處理大而統(tǒng)一的數(shù)據(jù)。

對于復雜的2D渲染或3D圖像處理，CPU會花費大量資源進行處理，不僅會降低其他方面的工作效率，還會影響使用體驗。于是CPU把一些高幀率的游戲畫面和高質量的特效交給GPU處理。

另一方面，GPU不能單獨工作，必須由CPU控制調(diào)用才能工作。CPU發(fā)出指令后，GPU收到自己的任務才開始工作。

GPU最初用于個人電腦，后來應用于移動智能終端，以解決多媒體數(shù)據(jù)處理的問題。在人工智能和大數(shù)據(jù)廣泛應用的今天，人們把GPU放在服務器端，俗稱服務器GPU。隨著通信技術/網(wǎng)絡技術的發(fā)展，數(shù)據(jù)處理越來越側重于服務器計算。楊旭東表示，服務器GPU可以用于專業(yè)可視化、計算加速、深度學習等應用，也支持云計算、人工智能等一系列技術的發(fā)展，有望成為GPU行業(yè)未來應用的重點。

CPU和GPU結構差異示意圖。為了提高效率，GPU可以大幅削減整數(shù)計算性能，并移除大量緩存

解析服務器GPU:

數(shù)據(jù)中心獨立顯卡

前面提到了服務器GPU。巧合的是，新冠肺炎疫情正好給了服務器GPU一個全新的機會。

今年以來，受疫情影響，全球在線業(yè)務量大幅提升，用戶數(shù)量激增。比如流媒體觀看視頻數(shù)量增加，第二季度全球流媒體播放時間同比增長67%。再比如云游戲市場。近年來，01030等游戲

特別是在云游戲市場，它可以像高端電腦一樣玩出高質量的游戲大作，同時不占用過多的本地存儲空間。甚至索尼的PS系列也會在未來通過云游戲宣傳可以兼容以往產(chǎn)品的內(nèi)容。

但是云游戲實現(xiàn)起來并不容易，其中一個很大的技術瓶頸就是虛擬化。普通虛擬桌面不支持GPU虛擬化，而游戲嚴重依賴GPU渲染。沒有GPU虛擬化，云游戲無法實現(xiàn)。同時還會出現(xiàn)網(wǎng)絡不穩(wěn)定導致延遲、高清屏幕顯示效果差、運營成本高等問題。這就需要云服務器的專用顯示芯片“服務器GPU”發(fā)揮作用。

基于這些要求，11月中旬，一家計算機巨頭公司正式推出了其首款用于數(shù)據(jù)中心的獨立顯卡，即服務器GPU，名為SG1。這是一款專為Android云游戲和流媒體服務設計的高密度、低延遲產(chǎn)品。

該公司表示，未來服務提供商可以在不改變服務器數(shù)量的情況下獨立擴展顯卡的容量，并在每個系統(tǒng)上支持更多的流量和用戶。比如一個典型的雙卡系統(tǒng)可以支持100多個Android云游戲并發(fā)用戶(同時執(zhí)行一個操作或腳本，對服務器施加實際壓力的用戶)，最多可以擴展到160個并發(fā)用戶。

記者查了一下數(shù)據(jù)，發(fā)現(xiàn)2012年云游戲剛剛興起的時候，GPU只能支持4個用戶的并發(fā)。到2020年，雖然它增加到了50個用戶的并發(fā)，但GPU和SG1的160個并發(fā)之間仍然有明顯的差距。

云游戲的發(fā)展可以在高清大屏幕上為玩家呈現(xiàn)更高質量的內(nèi)容，提高游戲的視覺效果，而SG1的突破帶來了更高的性價比，可以通過軟硬件協(xié)同優(yōu)化解決成本問題。對于尋求降低成本和提高效率的云游戲運營商來說，這無疑是一個溫暖的春風。

坐上人工智能的快車，未來GPU會取代CPU嗎？

人工智能、虛擬現(xiàn)實和自動駕駛等技術近年來引起了高度的市場關注，成為科技和投資領域最熱門的話題。尤其是深度學習引領的AI應用，因為AlphaGo在人機對戰(zhàn)中的大獲全勝，更是在全世界吹起一股AI風潮。

隨著科學技術的發(fā)展，GPU早已不是計算機當中最為基礎的“搬運工”，因為擅長大規(guī)模并發(fā)計算，所以GPU除了圖像處理，也越來越多地參與到計算當中來，在人工智能、金融學、密碼學、云服務等領域開始發(fā)揮越來越重要的作用。尤其是人工智能產(chǎn)業(yè)中，甚至成為行業(yè)內(nèi)公認的“利器”之一。

GPU為何在AI應用當中嶄露頭角？楊旭東解釋說，除了機器學習的幫忙，深度學習的類神經(jīng)算法也在人工智能應用當中發(fā)揮著重要的作用。深度學習當中有一種技術叫“卷積神經(jīng)網(wǎng)絡CNN”，這種網(wǎng)絡在數(shù)學上是許多卷積運算和矩陣運算的組合，恰恰和GPU本來能做的矩陣運算十分相似，因此深度學習就可以用GPU進行加速。

從2011年人工智能研究人員首次使用GPU為深度學習加速之后，GPU就開始在人工智能領域發(fā)揮巨大作用，這也讓GPU本身有了跨越式的發(fā)展。十年時間內(nèi)，不僅在性能上提升了20多倍，市場規(guī)模也得到了大幅提升。有機構預測，到2027年，全球GPU市場規(guī)模有望突破2000億美元，從2020年到2027年，復合增長率有望高達33%。

因此有觀點認為，按照現(xiàn)在的發(fā)展速率，因為CPU處理器已經(jīng)出現(xiàn)了性能過剩等問題，若干年以后，GPU有望取代CPU。而在2017年的某場會議當中，英偉達（NVIDIA）CEO黃仁勛也曾公開表示，摩爾定律已經(jīng)失效，GPU最終會取代CPU。

摩爾定律是由英特爾創(chuàng)始人之一戈登?摩爾所提出，其主要內(nèi)容為：集成電路（芯片）上可容納的晶體管數(shù)目，約每隔18至24個月便會增加一倍，性能也將提升一倍。

但近年來，隨著以智能手機處理器性能的過剩以及性能提升的放緩，摩爾定律開始受到越來越多的質疑。

“GPU很難取代CPU，甚至在未來很長一段時間都無法實現(xiàn)?！睏钚駯|對這樣的觀點給予了否認。他解釋說，這是因為從設計邏輯上來看，兩者就有著根本的區(qū)別，CPU要統(tǒng)籌控制整個系統(tǒng)，各種復雜的指令都要它來執(zhí)行，GPU如果也要這樣做，自身就會變得復雜起來，連本職工作也無法完成了，所以GPU是無法取代CPU的。

“目前主流CPU晶體管數(shù)量在10億左右，而頂級GPU晶體管數(shù)量已經(jīng)達到了100億甚至更多，所以CPU做不了GPU的事情，GPU也完成不了CPU的工作?！钡珬钚駯|強調(diào)，未來隨著制造技術進步和芯片的縮小，CPU和GPU架構之間將得到很好的融合。也就是說，CPU進一步強化處理數(shù)據(jù)模塊的能力，GPU也可以承擔更復雜的指令，最終促進計算機性能的大幅提升。

編輯：jq