盡管已步入2021年，但全球疫情形勢仍充滿變數(shù)，遠程辦公、線上交互依舊是今年世界各國防控疫情的絕對“主題”。而隨著大量智能邊緣設(shè)備、企業(yè)數(shù)字化服務以及社區(qū)媒體互動、網(wǎng)絡消費等線上應用的成倍飆升，全球數(shù)據(jù)中心的壓力也持續(xù)陡增，建設(shè)新型的“智算中心”已迫在眉睫。據(jù)TrendForce預計，2020年第四季超大規(guī)模數(shù)據(jù)中心服務器需求占比已攀升至近四成，整體數(shù)量是2012至2014年的三倍。而2021年，受惠于多個主流平臺的導入，加之市場對云端應用需求的攀升，數(shù)據(jù)中心市場也正加速駛?cè)搿傲孔?質(zhì)變”的高速軌道。

2020年，是服務器芯片市場“改朝換代”的起點。盡管英特爾仍以96%左右的份額穩(wěn)居高位，但身為“后浪”的AMD和Arm正緊追不舍，逐步蠶食本就屬于英特爾的份額。以2020年Q3數(shù)據(jù)為例，據(jù)IDC發(fā)布的市場報告顯示，中國市場的服務器收入同比增長了14.2%，與此同時配置AMD CPU的服務器全球收入同比增長了112.4%，作為另一大重要參與者的Arm，服務器收入同比增長了430.5%。除了Arm和AMD外，獵場周邊蟄伏許久的高通、Nvidia甚至AWS這類過去未曾涉及云計算服務器芯片的獵手們，也陸續(xù)開始向這一市場發(fā)起猛攻。

畢竟，隨著全球范圍內(nèi)生成的數(shù)據(jù)繼續(xù)以指數(shù)形式增長，通用及專用計算芯片將有很大的用武之地。Statista表示，到2024年，全球范圍內(nèi)將有近150澤字節(jié)（ZB）的數(shù)據(jù)被“創(chuàng)建、捕獲、復制和使用”，這些數(shù)據(jù)大多需要實時或近乎實時的處理。

Achronix產(chǎn)品營銷高級經(jīng)理Tom Spence在接受《華強電子》記者采訪時指出：“無論數(shù)據(jù)是在云端還是在邊緣進行計算，中央處理器（CPU）都將繼續(xù)盡可能滿足需求?，F(xiàn)場可編程邏輯門陣列（FPGA）、圖形處理器（GPU）和定制專用集成電路（ASIC）通過提供加速計算、連接網(wǎng)絡和存儲功能來滿足這一市場需求。其中，GPU和FPGA作為應用加速器已經(jīng)在云計算中占有重要的地位，而且隨著邊緣計算變得越來越普遍，對應用和數(shù)據(jù)加速的需求將急劇增加。與GPU和定制ASIC相比，F(xiàn)PGA提供了最高效的功耗和性能，同時還保持了靈活性。”

對此，Arm基礎(chǔ)設(shè)施業(yè)務事業(yè)部全球高級總監(jiān)鄒挺頗為贊同，而2020年，也是Arm數(shù)據(jù)中心業(yè)務突破性增長的一年。比如在公有云領(lǐng)域，AWS發(fā)布了基于Arm Neoverse的Gravition2處理器，在性能、功能、成本方面有了質(zhì)的提升，基于Gravition2的云服務受到了Netflix、Flickr等越來越多最終用戶的采用；基于Arm架構(gòu)的智能網(wǎng)卡也在百度等云廠商得到了廣泛采用，體現(xiàn)出了Arm架構(gòu)的高能效比等優(yōu)勢。

在企業(yè)和電信領(lǐng)域，中國移動、中國電信等運營商、Oracle等企業(yè)也積極采用了基于Arm架構(gòu)的服務器，鄒挺表示：“在國內(nèi)的信創(chuàng)市場上，基于Arm架構(gòu)國內(nèi)服務器芯片出貨量也在持續(xù)增長。可以說，基于Arm架構(gòu)的處理器在數(shù)據(jù)中心領(lǐng)域已經(jīng)得到驗證，并將在2021年持續(xù)發(fā)展。因為Arm開放的平臺，我們看到越來越多的中國客戶也在與Arm合作，定制適合自己的服務器、智能網(wǎng)卡和網(wǎng)絡等設(shè)備?！?/p>

這也充分說明，服務器芯片市場正積極擁抱“多樣化”。當然，這種多樣化不僅限于指令集和IP核，在微架構(gòu)層面上，為解決當下實際應用中日益突出的算力不足、功耗過高以及由此衍生的各類成本問題，行業(yè)也迫切需要發(fā)起一場“芯變”。

以傳統(tǒng)數(shù)據(jù)中心當中采用的GPU為例，Imagination人工智能產(chǎn)品營銷高級總監(jiān)AndrewGrant認為：“對于從機器學習和AI到云游戲的眾多數(shù)據(jù)中心應用而言，使用GPU是因為其可提供大規(guī)模的并行算力。然而，傳統(tǒng)的數(shù)據(jù)中心GPU最大的缺點之一是其產(chǎn)生的熱量和能耗。這將引發(fā)兩方面的問題，首先，它們的供電和冷卻成本會非常高。其次，也是更重要的，這意味著它們無法在現(xiàn)有的機架中高密度部署，進一步意味著數(shù)據(jù)中心每平方米的單位計算密度更低?！?/p>

為此，Imagination開發(fā)了非常適合數(shù)據(jù)中心的GPU方案，但這種方法并不是把高耗能的桌面級GPU組件精簡后直接用于數(shù)據(jù)中心，而是利用了Imagination在嵌入式和汽車領(lǐng)域的長期研究成果來降低能耗。

Andrew Grant指出：“這意味著像IMG B系列GPU這樣的產(chǎn)品可以在非常低的功耗限制和散熱配置下提供令人難以置信的高性能。雖然每個單獨的GPU可能不像某些同類產(chǎn)品那么強大，但是我們能夠以無限擴展和高密度機架部署的方式來提高數(shù)據(jù)中心單位面積的計算密度。對AI工作負載而言，IMG Series4 NNA專用集成電路（ASIC）專為多核集群而設(shè)計，是減少數(shù)據(jù)中心面積的理想選擇，并且作為ASIC，它運行神經(jīng)網(wǎng)絡任務時的速度比其它組件要快幾個數(shù)量級。”

為了進一步挖掘芯片微架構(gòu)的潛能，AI高性能計算市場也逐漸興起一陣“異構(gòu)計算”的狂潮，Andrew Grant補充到：“我們注意到人們對異構(gòu)計算的興趣與日俱增。在異構(gòu)計算中，特性不同的運算單元被組合在一起，用于處理與其各自設(shè)計相適應的任務，例如GPGPU用于浮點運算，加速器用于推理等特定的工作負載?！倍铀倨骺梢允荈PGA、GPU抑或是ASIC，通過多種模塊的互補組合與搭配，從而找到能夠在功耗、算力以及成本等多個層面上的最優(yōu)解方案。

當然，圍繞超高性能嵌入式系統(tǒng)級芯片（SoC）去設(shè)計下一代數(shù)據(jù)中心也是一種可行路徑，這些SoC可以使用通用的工具，處理互補的工作負載，并提供出色的性能、功耗和面積（PPA）。因此，對數(shù)據(jù)中心而言，它可以降低功耗和熱量，同時提高面積效率并最小化硅成本——從而使超大規(guī)模數(shù)據(jù)中心能夠提供更具競爭力的解決方案。

Tom Spence認為：“當涉及到物理空間、功耗和散熱時，許多位于邊緣的服務器將面臨極大的挑戰(zhàn)。這意味著服務器的外形尺寸將變得更小，功耗更低，成本更低。許多由邊緣計算和5G基礎(chǔ)設(shè)施所產(chǎn)生的應用也對延遲非常敏感，遠遠超出了傳統(tǒng)云基礎(chǔ)設(shè)施所能支持的范圍。FPGA、GPU和定制ASIC正迅速成為邊緣執(zhí)行網(wǎng)絡、計算和存儲加速的首選解決方案。Achronix提供了一流的FPGA平臺，可以使用Speedster7t FPGA器件在芯片級實現(xiàn)，也可以使用SpeedcoreeFPGA半導體知識產(chǎn)權(quán)（IP）在您的ASIC或系統(tǒng)級芯片（SoC）中作為IP來實現(xiàn)。”如此這些，都將成為“智算”時代，服務器芯片尋求“質(zhì)變”之路上切實可靠的硬實力依據(jù)。