算力芯片，終局之戰？

今天這篇文章的時(shí)候，我內心是焦慮的，甚至有點(diǎn)悲觀(guān)。

中國的芯片界同仁，不可謂不努力：充滿(mǎn)艱難險阻的工作，數十年如一日的煎熬，直面國際巨頭的競爭。在芯片具體產(chǎn)品層面，別人有性能優(yōu)勢，我們有價(jià)格優(yōu)勢。不敢說(shuō)能打個(gè)你來(lái)我往，但至少還有還手之力。

然而，在計算生態(tài)方面，我們則完全沒(méi)有招架之力。計算生態(tài)就像一只無(wú)形的手，抹去了我們僅有的一點(diǎn)可能的機會(huì )，阻擋著(zhù)我們前進(jìn)的步伐，讓我們距離世界先進(jìn)越來(lái)越遠。

更令人焦慮的是未來(lái)：一方面，計算生態(tài)的作用在不斷地加強；另一方面，不同領(lǐng)域不同處理器的計算生態(tài)有進(jìn)一步融合的趨勢，逐漸形成新的超級生態(tài)。兩相疊加，一旦超級生態(tài)逐步建立，后進(jìn)者再無(wú)翻身的可能。

未來(lái)5-10年，大算力芯片，將迎來(lái)終局之戰。

1 計算架構的發(fā)展趨勢

1.1 計算架構的發(fā)展階段

隨著(zhù)算力需求越來(lái)越高，同構CPU的業(yè)務(wù)場(chǎng)景越來(lái)越少，基于GPU或AI等DSA處理器的異構計算已經(jīng)成為主流。從發(fā)展的角度看，隨著(zhù)大模型等算力場(chǎng)景的持續挑戰，未來(lái)會(huì )進(jìn)一步從異構計算走向異構融合計算。

如果按照處理器類(lèi)型的數量進(jìn)行分類(lèi)，可以分為三個(gè)階段：

• 第一階段，單個(gè)處理器，即CPU同構計算階段。

• 第二階段，兩個(gè)處理器，即CPU+GPU或CPU+其他專(zhuān)用加速處理器的異構計算階段。

• 第三階段，三個(gè)或三個(gè)以上處理器，即多異構或異構融合計算階段。

行業(yè)在創(chuàng )新處理器的設計和實(shí)現方面進(jìn)行了很多探索，比如存算一體、重構計算、類(lèi)腦計算、量子計算等等。這些新型的計算架構設計或實(shí)現方法，從系統指令復雜度的視角，可以歸屬到DSA或ASIC的范疇。因此，這些創(chuàng )新，沒(méi)有跳脫異構融合計算的大框架。

以我目前淺薄的認識，個(gè)人覺(jué)得：異構融合計算，將是計算架構的終極形態(tài)。

1.2 CPU同構，單個(gè)處理器，單個(gè)生態(tài)

雖然僅僅只有一個(gè)處理器，但其計算生態(tài)已經(jīng)是地獄級難度。

Intel x86架構的優(yōu)勢，是在眾多處理器架構的廝殺中逐步確立的。隨著(zhù)x86的優(yōu)勢地位確立，基于x86架構的軟件生態(tài)逐漸成熟，即便是Intel自己，也無(wú)法改變這一局面。

Intel的64位安騰（Itanium）處理器，是一個(gè)非常典型的失敗的案例。安騰是Intel于2001年推出的64位架構的CPU處理器，Intel對之寄予厚望。雖然是Intel的親兒子，雖然是功能強大的64位CPU架構，雖然安騰的架構和微架構設計非常優(yōu)秀，但因為和x86的不兼容，完全一個(gè)新的生態(tài)，不可避免的走向了失?。?021年7月29日是安騰處理器最后的出貨日期，英特爾正式告別了這款使用IA-64指令集的純64位處理器）。

與此形成鮮明對比的，是AMD64的成功。2003年，AMD推出了業(yè)界首款 64 位處理器 Athlon 64，帶來(lái)了AMD64（x86-64）指令集，即x86指令集的64位擴展超集，具備向下兼容的特點(diǎn)。因為向下兼容，繼承性地往前發(fā)展，最終成就了AMD64的成功。

1.3 GPU異構，兩個(gè)處理器，兩個(gè)生態(tài)融合

相對于Intel的x86 CPU計算生態(tài)是百家爭鳴的勝者，NVIDIA GPU的CUDA生態(tài)，則是數年孤獨后的一鳴驚人。

在NVIDIA GPGPU之前，GPU真的就只是GPU，即專(zhuān)用于圖形計算的加速卡。這一時(shí)期的GPU，符合DSA的定義規范，可以當作是專(zhuān)用于圖像領(lǐng)域的G-DSA。直到NVIDIA GPGPU的出現。

2006年，NVIDIA發(fā)布GPGPU。NVIDIA發(fā)現，圖像處理有很多并行處理的部件，于是決定將這些專(zhuān)用的處理完全改造成通用的高效能小CPU核，于是GPGPU誕生了。雖然此時(shí)，GPGPU已經(jīng)足夠通用，但其編程難度很高，于是NVIDIA又貼心地開(kāi)發(fā)了CUDA計算框架。即便如此，早期的CUDA功能并不強大，開(kāi)發(fā)仍然不夠友好。很多開(kāi)發(fā)者并不看好，認為CPU多核才是正確的發(fā)展道路。

直到2012年，Alexnet的問(wèn)世，深度學(xué)習時(shí)代的來(lái)臨，NVIDIA GPU+CUDA才成了熱門(mén)的計算平臺，助推著(zhù)NVIDIA市值超越一眾競爭對手，成為全球市值第一的芯片公司。再緊接著(zhù)，2018年，AI大模型逐漸流行。進(jìn)一步把這股浪潮推向高潮，NVIDIA GPU一時(shí)間“洛陽(yáng)紙貴”，同時(shí)，NVIDIA的市值突破了萬(wàn)億美金大關(guān)。

我們再來(lái)看CPU和GPU的融合。

2022年初，NVIDIA正式宣布，收購ARM失敗。假如，NVIDIA收購ARM成功，這場(chǎng)大算力芯片的“戰爭”，基本上可以提前給出結果：NVIDIA獲勝，其他家永無(wú)出頭之日。好在這件事情沒(méi)有成行，算力芯片“戰爭”的結果，仍存在變數，這場(chǎng)“戰爭”仍在繼續。

之后，NVIDIA退而求其次，與ARM的深度合作，開(kāi)發(fā)了Grace系列高性能CPU，以及CPU+GPU整合的Grace Hopper系列超級芯片。

2 計算生態(tài)的極端重要性

在之前，我一直以為T(mén)ransformer之所以能夠脫穎而出的最大原因就是那篇論文的標題：“Attention is all you need”，優(yōu)勢來(lái)源于算法本身。最近一段時(shí)間，跟好幾位AI領(lǐng)域的專(zhuān)家交流下來(lái)，他們的觀(guān)點(diǎn)是：有很大一部分原因是因為，Transformer比較好的實(shí)現了并行處理，能夠最大限度的利用GPU并行的算力，因此才能夠實(shí)現更大參數規模的大模型，進(jìn)而獲得更好的智能體驗。

這個(gè)案例可以得到這樣一個(gè)結論：只有NVIDIA GPU+CUDA生態(tài)親和的模型才能最終走出來(lái)；如果不是NVIDIA GPU+CUDA架構和生態(tài)友好的模型，哪怕實(shí)際效果再好，也受限于模型效率、參數規模和成本等方面的劣勢，無(wú)法脫穎而出。

或者說(shuō)，大模型發(fā)展，強依賴(lài)于NVIDIA的GPU+CUDA計算生態(tài)。

在我的個(gè)人觀(guān)點(diǎn)里，一直以來(lái)，都是非常重視生態(tài)的難度和重要性的。但最近幾年，隨著(zhù)認識的進(jìn)一步加深，我的想法得到了進(jìn)一步修正。計算生態(tài)很重要，但過(guò)去10年左右的發(fā)展，使得計算生態(tài)的重要性，比我們大家想象的要更加重要：

• 一方面，業(yè)務(wù)快速發(fā)展迭代的壓力，使得大家更加依賴(lài)已有生態(tài)的持續優(yōu)化，而很難遷移到新的平臺和生態(tài)。

• 另一方面，計算從單機計算走向集群跨集群的分布式計算，計算生態(tài)的作用得到進(jìn)一步放大。一是不同計算節點(diǎn)工作任務(wù)之間的協(xié)同，二是計算任務(wù)在集群內部不同計算節點(diǎn)之間可遷移，這些原因進(jìn)一步強化了計算生態(tài)的“強者更強，弱者更弱”。

• 還有一方面，隨著(zhù)異構計算和異構融合計算的發(fā)展，處理器之間的協(xié)同效應逐漸產(chǎn)生并進(jìn)一步增大。不同處理器的單個(gè)計算生態(tài)開(kāi)始發(fā)生化學(xué)反應，逐步會(huì )形成融合的超級生態(tài)。

我們定性分析一下：

• 芯片的難度很高，但生態(tài)的難度更高。

• 假設，在十幾年之前，2010年前后，芯片的重要性和難度是1，計算生態(tài)的重要性和難度則為10。

• 假設，隨著(zhù)系統規模的增大，未來(lái)5-10年，也就是2030年前后，單個(gè)處理器芯片的重要性和難度可能上升到10。受業(yè)務(wù)迭代越來(lái)越快的影響，計算生態(tài)的重要性和難度需要再增加一個(gè)數量級，其值約為1,000。

• 在考慮集群/跨集群以及云網(wǎng)邊端融合成為主流計算方式的影響下，計算生態(tài)的重要性和難度再增加一個(gè)數量級，其值進(jìn)一步上升到10,000。

• 再隨著(zhù)異構的處理器越來(lái)越多，不同處理器計算生態(tài)的協(xié)同效應凸顯，計算生態(tài)的重要性和計算難度再增加一個(gè)數量級，其值達到100,000。

• 最終，芯片和計算生態(tài)的重要性和難度比例變成10:100,000，或者是1:10,000。

3 算力芯片，終局之戰 

3.1 多異構融合，更多生態(tài)的融合

我們來(lái)分析一下Intel在多（超）異構和未來(lái)異構融合計算的布局：

• 首先是各類(lèi)處理器。CPU生態(tài)，Intel首屈一指；GPU生態(tài)，Intel也有自己的產(chǎn)品，也在積極的布局；DSA類(lèi)的生態(tài)，Intel有IPU和IPDK進(jìn)一步整合和增強。

• 然后是Intel在多異構融合、跨平臺，完全可編程和開(kāi)放生態(tài)方面都進(jìn)行了布局。Intel于2019年提出超異構計算概念，隨后Intel布局了OneAPI框架、OpenVINO計算套件、IPDK計算框架，還發(fā)起了OPI開(kāi)放計算聯(lián)盟等。目前，Intel的多異構或異構融合的芯片解決方案還沒(méi)有公開(kāi)發(fā)布，拭目以待。

Intel目前面臨的挑戰是：上面列出的很多內容，Intel提出之后，并沒(méi)有非常有競爭力的產(chǎn)品去承載。

（注：圖片為Altan結構框圖，Thor和Altan一致）

NVIDIA在汽車(chē)CCU方面，已經(jīng)布局了Thor超級芯片，其核心計算部分由數據中心架構的Grace CPU、Ampere GPU、Bluefield DPU組成。一方面算力強勁，把汽車(chē)變成了一臺超級計算機；另一方面，其架構跟數據中心處理器架構完全一致，為未來(lái)云邊端融合提供了堅實(shí)的物理基礎。

據說(shuō)，NVIDIA在數據中心的CPU、GPU和DPU三芯片集成的、多種異構融合計算架構的超級芯片，已經(jīng)在研發(fā)中。

3.2 異構融合，最后一場(chǎng)戰役

在GPU領(lǐng)域，NVIDIA構建了牢不可破的CUDA計算生態(tài)；在DPU領(lǐng)域，NVIDIA擁有全球最好的DPU芯片，以及功能強大的DOCA計算框架；高性能網(wǎng)絡(luò )可以看做DPU的一個(gè)重要的功能子集，NVIDIA擁有全球最好的高性能網(wǎng)絡(luò )RDMA和獨一無(wú)二的Infiniband技術(shù)，高性能網(wǎng)絡(luò )是AI大模型訓練集群的核心技術(shù)；在CPU領(lǐng)域，NVIDIA和ARM深度合作，搶占了比較有利的生態(tài)位。

一根筷子，輕輕地就會(huì )被折斷；十雙筷子，則牢牢地抱成一團，幾乎牢不可破：

• 同構計算的時(shí)代，面臨的僅僅是一個(gè)計算生態(tài)的挑戰；生態(tài)劣勢的廠(chǎng)家，仍然有翻盤(pán)的可能。

• 異構計算的時(shí)代，面臨的則有兩個(gè)計算生態(tài)的挑戰，還有兩個(gè)處理器協(xié)同生態(tài)的挑戰；這個(gè)時(shí)候，生態(tài)劣勢的廠(chǎng)家，面對計算生態(tài)的無(wú)形之手，已經(jīng)有點(diǎn)力不從心。

• 異構融合計算時(shí)代，計算平臺預計會(huì )多達5-10個(gè)處理器，面臨的不僅僅是5-10個(gè)計算生態(tài)的挑戰，更要面臨這些處理器組成的融合計算超級計算生態(tài)的挑戰；這個(gè)時(shí)候，會(huì )進(jìn)一步放大計算生態(tài)的“強者恒強，弱者恒弱”效應，生態(tài)劣勢的廠(chǎng)家，不但無(wú)法翻盤(pán)，甚至連微小的一點(diǎn)市場(chǎng)份額都很難維持。

在未來(lái)5-10年，隨著(zhù)生態(tài)的極端重要性進(jìn)一步凸顯，大算力芯片，即將迎來(lái)“終局之戰”。

4 唯一可能的破局之道：開(kāi)放

回到現實(shí)，大算力芯片的計算生態(tài)之爭，“唯一可能”的破局之道：開(kāi)放?！拔ㄒ弧笔钦f(shuō)，有且僅有這一個(gè)辦法；“可能”指的是，這個(gè)方法雖然存在贏(yíng)的幾率，但幾率很低很低。

4.1 異構融合計算，架構必須收斂

指令復雜度越高，單個(gè)處理器引擎覆蓋的場(chǎng)景就會(huì )越小，全場(chǎng)景覆蓋所需的引擎種類(lèi)就會(huì )越多。從CPU到ASIC，處理器引擎越來(lái)越碎片化，構建生態(tài)越來(lái)越困難。

異構融合計算時(shí)代，集成的處理引擎類(lèi)型和數量越來(lái)越多，處理引擎架構越來(lái)越多，芯片平臺的數量也越來(lái)越多，所處的位置（云網(wǎng)邊端）也越來(lái)越豐富。

解決辦法只有一個(gè)：讓架構收斂。每一個(gè)類(lèi)型或子類(lèi)型的處理器，全球全行業(yè)能夠形成標準的架構和接口。

不確定的是，未來(lái)是走向封閉的一家通吃？還是行業(yè)形成共識，大家基于開(kāi)放架構做產(chǎn)品，行業(yè)走向基于產(chǎn)品競爭力的、真正的“公平”競爭？

4.2 除了最強者，開(kāi)放是其他家的唯一選擇

只要你不是第一，第二名能做的也只能是開(kāi)放。

開(kāi)放陣營(yíng)，不僅僅會(huì )包括行業(yè)里的二線(xiàn)、三線(xiàn)芯片公司，以及廣大的Startup公司，還會(huì )包括目前仍處于一線(xiàn)大廠(chǎng)的眾多知名公司。

從目前看可見(jiàn)的未來(lái)，NVIDIA會(huì )是最后贏(yíng)者通吃最有優(yōu)勢的那個(gè)。那么，這個(gè)陣營(yíng)包括Intel、AMD、高通、博通、Marvell等知名芯片公司，也包括互聯(lián)網(wǎng)巨頭等芯片的大客戶(hù)，如蘋(píng)果、谷歌、微軟、華為、阿里、騰訊等，也包括OpenAI等AI/AGI新貴。對抗巨頭的唯一做法，唯有凝聚共識，開(kāi)源開(kāi)放。

4.3 開(kāi)放，讓大家回到同一起跑線(xiàn)

我們設想一個(gè)烏托邦的時(shí)代，在這個(gè)時(shí)代里：

• CPU領(lǐng)域，已經(jīng)是形成共識的開(kāi)放架構成為主流，比如RISCv占據90%以上市場(chǎng)份額；

• GPU領(lǐng)域，也出現了全行業(yè)形成共識的開(kāi)放架構和相應的開(kāi)源的開(kāi)發(fā)框架；

• AI、網(wǎng)絡(luò )、存儲等領(lǐng)域也是如此，均形成了各自開(kāi)放的架構和行業(yè)生態(tài)。

• 并且，進(jìn)一步的，行業(yè)形成了開(kāi)源開(kāi)放的統一的異構融合計算框架。

那么，這個(gè)時(shí)候，大家會(huì )回到同一個(gè)起跑線(xiàn)：靠產(chǎn)品能力說(shuō)話(huà)，而不是依靠無(wú)形的手——生態(tài)的力量。