步入计算多元化时代 异构计算为什么发展空间巨大？

本篇文章2274字，读完约6分钟

来自顶级网络服务器频道4月17日的消息(Text/Li向京):在互联网行业，随着信息技术的普及，数据量的爆炸式增长使得人们对存储空.有了新的要求同时，机器学习、人工智能、无人驾驶、工业仿真等领域的兴起使得通用cpu处理海量计算和海量

为了满足多样化计算的需求，越来越多的场景开始引入gpu、fpga等硬件加速，异构计算应运而生。异构计算主要是指由不同类型指令集和体系结构的计算单元组成的系统的计算模式。

20世纪80年代，异构计算技术诞生。异构计算是指各种计算单元，如中央处理器、数字信号处理器、图形处理器、专用集成电路、协处理器、现场可编程门阵列，以及具有不同类型指令集和不同体系结构的计算单元组成一个混合系统，执行计算的特殊方式称为异构计算。

特别是在人工智能领域，异构计算大有可为。众所周知，人工智能意味着对计算能力的高要求。目前，以gpu为代表的异构计算已经成为加速人工智能创新的新一代计算架构。

为什么我们需要异构计算？说到计算，我们通常会想到中央处理器，但中央处理器属于一般计算，并服从摩尔定律。随着多样化计算的发展，特别是应用类型的多样化，cpu无法处理某些计算类型。引入特定的单元使得计算系统不可避免地成为混合结构，并且每种不同类型的计算单元都可以执行其最佳任务。

虽然cpu不会计算，但它擅长管理和调度，如读取数据、管理文件、人机交互等。，带有许多例程和许多辅助工具；Gpu管理较弱，运算较强，但由于它是多进程的，更适合整个数据流处理算法；Fpga可以管理和操作，但开发周期长，难以开发复杂的算法。适用于流处理算法，无论是完整的数据还是一个接一个的。就实时性而言，fpga是最高的。

当人工智能等海量计算能力的需求到来时，gpu和fpga与cpu协同计算是很自然的。

异构计算的两大流派是gpu和fpga。最常见的异构计算平台是cpu+gpu和cpu+fpga架构。这些典型的异构计算架构的最大优点是，它们比传统的cpu并行计算具有更高的效率和更低的延迟。特别是当行业对计算性能的需求不断上升时，异构计算变得越来越重要，整个计算行业的生态正在这里努力。

众所周知，与cpu相比，gpu和fpga有太多的优势。gpu具有更高的并行性、更高的单机计算峰值和更高的计算效率；fpga的优势主要体现在其更高的性能功耗比、更高的不规则数据计算性能、更高的硬件加速性能和更低的器件互连延迟。

目前，最广泛使用的异构计算是gpu加速。主流图形处理器都采用统一的架构单元。凭借强大的可编程流处理器阵容，GPUs在单精度浮点运算方面远远落后于cpu。图形处理器制造商，如NVIDIA和amd，宣称图形处理器大大加速了通用计算。适用于通用计算的gpu (general per pose gpu)已经被各种gpu制造商引入。有一段时间，整个行业都在谈论gpu计算。

除了图形处理器之外，fpga近年来已经成为半导体行业的一个热点。fpga作为一种高性能、低功耗的可编程芯片，可以根据客户定制进行针对性的算法设计。因此，在处理海量数据时，与cpu和gpu相比，fpga具有更高的计算效率和更接近io的优势。

Fpga不使用指令和软件，它是一个集软件和硬件于一体的设备。用硬件描述语言对fpga进行编程，硬件描述语言描述的逻辑可以直接编译成晶体管电路的组合。因此，fpga实际上使用晶体管电路直接实现用户的算法，而不需要翻译指令系统。

当然，除了gpu和fpga，asic也是目前计算芯片的一种选择。Asic是一种专用芯片，在某种程度上不同于传统的通用芯片，它是为某些特定需求而专门定制的。asic芯片的计算能力和效率可以根据算法需求定制，因此与一般芯片相比，asic具有以下优点:体积小、功耗低、计算性能高、计算效率高，芯片出货量越大，成本越低。但是缺点是显而易见的:算法是固定的，一旦算法改变，它可能就不会被使用。

目前，人工智能正处于一个大爆炸时期，大量算法不断涌出，远离算法的稳定期。如何使asic芯片适应各种算法是最大的问题。

不同的处理器芯片在构建异构计算时有各自不同的特点。在中央处理器和图形处理器领域有大量的开源软件和应用软件。任何新技术都将首先使用cpu来实现算法，因此cpu编程资源丰富且容易获得，开发成本低，开发周期短。fpga的实现采用verilog/vhdl等底层硬件描述语言，这就要求开发人员对fpga的芯片特性有更深的理解，但其高并行性往往可以将业务性能提高一个数量级；同时，fpga是动态可重构的。部署到数据中心后，可以根据业务形式配置不同的逻辑，实现不同的硬件加速功能。

Asic芯片可以获得最好的性能，即高面积利用率、快速度和低功耗；然而，鞍钢的发展风险极大，它需要一个足够大的市场来保证成本和价格。此外，从R&D到市场的时间周期非常长，它不适合深度学习cnn等算法快速迭代的领域。

结论当前计算多样化的趋势是不可阻挡的，单个cpu不再能够计算对功率的需求。在这种情况下，以图形处理器和现场可编程门阵列为代表的异构计算非常流行。特别是在人工智能、大数据、物联网等新技术的推动下，应用类型多样化，对计算的需求也呈现出差异性。无论是cpu+gpu还是cpu+fpga，都是为了更好地服务于个性化的计算需求。

可以预见，随着计算产业的发展，异构计算有了广泛的发展，我们也可以看到越来越多的异构计算架构在承载应用方面发挥着越来越重要的作用。

门票半价，仅10天|注册智能合同和区块链培训研讨会，并获得参加世界情报会议的特权

来源：搜狐微门户