算力革命来袭,异构计算带给我们的三大思考

从2022年火爆全球的元宇宙，到今年的ChatGPT，以人工智能为代表的科学技术正在创造出无限的可能，而这背后，离不开算力的强力支撑，这也成为异构计算如何火爆的原因之一。

事实上，异构计算并非新的概念，其早在上世纪 80 年代中期就已经被提出，当时便被认为有着计算能力强、可扩展性好、资源利用率高等特点。随着数据处理技术的不断成熟，以及人工智能技术的飞速发展，异构计算已经成为当前和未来的主要计算方式。

2021年7月，工信部发布《新型数据中心发展三年行动计划》明确提出，推动CPU、GPU等异构算力提升，逐步提高自主研发算力的部署比例，推进新型数据中心算力供应多元化。

虽然异构计算的快速发展给企业创新带来了更加强大的算力支撑，但真正推动异构计算的高速发展和应用落地，笔者认为还需要在以下三个方面做好功课。

一要从底层出发，建立创新框架

目前的异构计算行业，处于群雄争霸的格局。除了诸如英特尔、AMD、NVIDIA等国外的CPU、GPU巨头企业之外，国内也如雨后春笋般的成长出一些DPU、TPU企业。目前，主流的CPU+GPU的异构计算方式虽然已经被应用于各种行业场景当中，但纵观整个异构计算，仍旧没有一家企业能够提供一套具备全套完整自主知识产权。

众所周知，一套具有完整自主知识产权的底层创新体系至关重要，尤其是对于国内企业而言，只有建立这样一套完整的自主知识产权体系，才能彻底摆脱行业巨头的专利限制。

因此，企业必须采用全新的理念来设计核心自主知识产权，建立全新的底层框架，才能在未来的竞争中处于不败之地。

二要软硬件并行，两条腿走路

提到异构计算，更多的人关注底层计算芯片，包括CPU、GPU、DPU等等。

的确，底层计算芯片在异构计算体系中扮演着十分重要的作用，但是，如果只关注底层硬件架构，而忽视软件开发，同样无法推动异构计算的发展。

众年周知，传统异构编程计算任务要在多个供应商提供的不同计算单元上运行，需要熟悉不同计算单元之间数据流的调度、交换和决策机制，这些对于异构计算系统开发者来说，都是门槛很高的难题。一个统一的编程环境可以大幅简化编程复杂度、大幅降低工作量并提升程序运行效率。

以英特尔为例，其不但在硬件上不断完善 CPU、GPU、ASIC、FPGA 领域的产品线， 同时在软件层面持续发力， 并推出了oneAPI软件编程架构，以此来最大化硬件性能。

NVIDIA同样特别注意软硬件的携同开发，不但推出了不同规格的GPU，还发布了CUDA并行计算平台和编程模型，以此来让用户通过利用图形处理器 (GPU) 的处理能力大幅提升计算性能。