導讀

多年來，移動處理器的生產商致力于優(yōu)化設計，以在有限的功耗預算、存儲空間和帶寬范圍內獲得最佳性能。過去，顯然這些考量因素在數據中心或個人電腦（PC）等市場并未得到重視。如今，傳統(tǒng)數據中心和PC市場的變革正在悄然發(fā)生——改變處理器設計規(guī)則，讓開發(fā)人員重新考慮其芯片架構以獲得更高的性能功耗比。

移動處理器設計原則運用于PC和數據中心

今天，越來越多的云游戲、數據挖掘、人工智能/數據分析和高性能計算均在云端實現(xiàn)。雖然這些應用的要求各不相同，但在不斷提高計算量的要求方面如出一轍。 數據中心無法通過不斷擴大物理占地面積來滿足這一需求。為了將運營支出（OpEx）保持在可接受的范圍內，以及實現(xiàn)凈零（Net Zero）目標，企業(yè)需要在有限的空間內增加計算密度，從而獲得更高的計算性能。圖形處理器（GPU）、中央處理器（CPU）、人工智能（AI）加速器等處理元件必須在最小的功耗/散熱和面積預算內實現(xiàn)最高的性能。為此，遵循移動設計原則進行處理器的設計是一個理想的出發(fā)點。 分析PC市場的趨勢，也可以得出相似的結論。在傳統(tǒng)PC模式下，大部分功能被各自集成為一個個的獨立模組。但是，隨著大多數組織希望擴大混合辦公模式，人們逐漸用筆記本電腦取代臺式機。將越來越多的功能（包括圖形處理、神經網絡加速、安全、I/O等）集成到具有統(tǒng)一存儲器架構的單個系統(tǒng)級芯片（SoC）中，既可以提高性能，又能將功耗保持在最低水平。因此，下一代PC處理器看起來越來越像是智能手機處理器。

大型科技公司借助定制芯片設計實現(xiàn)差異化

隨著摩爾定律的終結，行業(yè)再也不可能每兩年出現(xiàn)一次性能提升。在此背景下，企業(yè)紛紛加入這場設計“競賽”，爭相以最佳的芯片，打造最好的用戶體驗。 全球大型科技公司早已深諳此道，有備而來。它們正著力自主設計定制芯片，以用于消費類產品、PC或數據中心等。這些公司從現(xiàn)成可用的芯片轉向定制芯片，寄厚望于更好地掌控設計，贏得優(yōu)勢。因此，我們看到亞馬遜投資于Graviton CPU設計，谷歌推出了以TPU為中心的Tensor CPU。蘋果公司的M1處理器將為Mac電腦帶來一款借助移動設計原則進行優(yōu)化的芯片，提供更高的集成度和更出眾的性能功耗比。

OEM替代方案

對于沒有內部硬件和軟件設計團隊，尚未著手開發(fā)定制芯片的原始設備制造商（OEM）而言，他們面臨的挑戰(zhàn)在于如何讓自己的設計脫穎而出，與高度優(yōu)化的架構相媲美。這些OEM使用的芯片大部分都是現(xiàn)成可用的，可能會使他們處于劣勢。許多為PC和數據中心設計的芯片是“暴力”解決方案，雖然可以提供所需的性能，但通常過于耗電，太占用內存/帶寬，缺乏競爭力。此外，這些芯片在可用的特定軟件和操作系統(tǒng)方面也存在限制。

部分移動市場的SoC供應商開始進入數據中心和PC市場，期望瓜分現(xiàn)有玩家的部分市場份額，但它們的數量少之又少，很難幫助OEM廠商實現(xiàn)既創(chuàng)新又控制成本的差異化。因此，一些行業(yè)替代方案正在應運而生。我們不乏看到很多廠商正在考慮基于RISC-V架構的CPU解決方案。但是，單一的CPU設計無法完全解決OEM目前面臨的激烈的競爭困局。OEM需要放眼整個數據中心的架構結構提升整體方案的創(chuàng)新，從而增加自身的競爭力。

可擴展的異構架構是關鍵

通過異構計算，靈活利用CPU,GPU等計算單元，實現(xiàn)硬件最大利用率以達到計算性能的優(yōu)化提升，同時滿足效率和功耗比優(yōu)化。異構計算架構為數據中心不斷提高的計算量要求提供了靈活陣列工作方案。目前很多半導體廠商都在研究相關的產品和應用，以賦能OEM市場競爭力。傳統(tǒng)的GPU IP公司Imagination就在去年推出了其CPU產品線，并強化了異構計算的研發(fā)，意圖通過產品組合的優(yōu)化提升，給客戶提供更加完善的異構計算解決方案，從而更好的服務客戶以適應未來高性能計算的需求。

移動GPU奠定基礎

移動GPU是打造高效異構設計的理想切入點。與試圖將高端GPU強行納入移動功耗預算范圍相比，把移動GPU升級應用于數據中心和PC領域將更加有意義。因為移動GPU天生為”小而美”而生。移動GPU廠商開發(fā)擁有很多專利技術，以最大程度的實現(xiàn)GPU高性能低功耗。在數據中心和PC粗放式單一追求高性能GPU的背景下，這些技術優(yōu)勢可以讓移動GPU廠商更加具有競爭優(yōu)勢，并給OEM提供更多的管理附加價值。 提到移動GPU的專利技術，不得不又再次提及Imagination這家專注于GPU設計的老牌企業(yè)。和它的對手相比，Imagination多年來把主要精力放在了GPU領域的研究中，尤其是在更復雜的GPU渲染領域，Imagination是很多技術的先驅開發(fā)者，例如GPU硬件虛擬化，分塊式延遲渲染（TBDR）,實時硬件光線追蹤（Ray Tracing)等。分塊式延遲渲染（TBDR）技術是將幾何數據分割成小區(qū)域（圖塊），并統(tǒng)一處理。由于每個圖塊都經過光柵化和單獨處理，渲染的尺寸非常小，因此可以將所有數據保存在快速運行的片上存儲器中。這項技術為M1的圖形處理奠定了基礎。

對于諸如安卓云游戲等應用場景，數據中心需要靈活處理多個用戶的不同游戲消費場景。在多個小型GPU上處理多個小型并發(fā)工作負載的方法比使用傳統(tǒng)桌面GPU更高效。云游戲產業(yè)鏈都在強化GPU硬件虛擬化技術的開發(fā)應用以降低成本。移動GPU通過向上擴展分散式多核移動GPU架構，使每個GPU既可支持更多用戶，同時為云端的許多用戶提供更高的能效。

以芯動科技（Innosilicon）為例，作為國產高端GPU第一芯的行業(yè)領頭羊，該公司基于Imagination移動GPU IP的基礎上，把移動GPU架構向上擴展至高性能服務器級別的硬件，旨在打破臺式機顯卡市場的現(xiàn)有格局。在這個長期由雙寡頭壟斷的高端市場中，沒有人預料到會出現(xiàn)新的競爭對手，但芯動科技正在利用不斷變化的市場力量和高度可擴展的高效技術提供替代方案。

增加高效的片上AI處理（正如M1所示）是OEM的另一個機會。由于片上AI處理尚未成為PC的標準，OEM可以利用這項能力來支持超分辨率降噪、音頻命令、安全等新興應用。這種AI功能通常需要巨大的計算能力，而使用基于移動設計原則設計的神經網絡加速器（NNA）IP便可以在SoC上集成高效、高度可靠的AI推理功能。在端側的AI邊緣加速器領域，相較于其他競爭對手，Imagination的NNA邊緣加速器硬件不僅繼承了其GPU設計的高性能低功耗的DNA，同時在不同的數量級的計算領域都有高于競爭對手的優(yōu)異表現(xiàn)。

設計專用芯片——不僅服務于大型科技公司

SoC制造商需要通過基于移動設計原則設計的可擴展IP內核，以創(chuàng)造高能效、高帶寬和高性能的設計。借助這種專為異構架構設計的處理器，他們可以創(chuàng)建專用、高效的新型解決方案。這可以幫助OEM提供極具競爭力和差異化的產品，牢牢把握企業(yè)的未來發(fā)展方向。

審核編輯 ：李倩