现在人工智能, 机器学习, 视频编码和基因组研究等要求苛刻的应用已经离开研究实验室范围, 并开始推动服务器微处理器市场的变革. 借助加速处理单元, 企业可提高数据中心工作流的处理速度.
Moor Insights&Strategy 的高性能计算和深度学习咨询主管 Karl Freund 说:"企业需要比传统 CPU 更强大的微处理器来处理新的计算密集型工作负载."
早期改进包括图形处理单元 (GPU) 和张量处理单元(TPU). 现在还开始出现未来处理单元来支持这些应用程序, 这使得服务器微处理器市场处于不稳定状态.
历史上来看, GPU 主要用于游戏行业等领域的视频数据, 但在 21 世纪初, Nvidia 公司开始向客户销售新的高性能工作负载.
IDC 公司服务器解决方案研究经理 Peter Rutten 说:"GPU 拥有数千个内核, 这使它们能够比 CPU 更好地执行深度学习等并行工作负载. 更重要的是, 领先供应商 Nvidia 围绕其 GPU 构建了完整的软件堆栈."
最终的结果是微服务器加速器市场不断增加. 根据 IDC 数据显示, 全球加速计算 (具有加速技术的服务器) 市场将从 2019 年的 150 亿美元增加到 2020 年的 190 亿美元, 使其成为服务器市场中快速增长的部分.
不断增长的领域
很多供应商都希望利用这种微服务器市场的增长. 在 2018 年 2 月, 谷歌推出其 TPU 云服务, 声称当用于机器学习应用程序时它比 GPU 快 30 倍.
亚马逊云计算服务, 苹果, Facebook,IBM 和微软等行业巨头都在投入数十亿美元来构建数据中心以处理新的公共云工作负载. 研究人员正在寻求方法来降低其公司运营成本, 以及设计新的微处理器以提高服务器性能.
例如, 微软现在将字段可编程门阵列用于其语音识别应用程序. Freund 预计微软最终将推出由新微处理器支持的云服务.
初创公司
像英特尔这样的微处理器供应商一直在这个市场投资, 同时, 这个市场也出现了很多初创公司, 包括 Cambricon Technologies,Cerebras Systems,CDSM Interactive Solutions,Horizon Robotics,Tenstorrent 和 Wave Computing 等公司.
截至 2018 年 7 月, 这个供应商市场仍处于发展的萌芽阶段. 除了开发新的加速处理单元外, 供应商还需要构建一个软件生态系统 (一系列编程和管理工具), 允许第三方可围绕高性能芯片构建应用程序.
在这个初始阶段, 尚不清楚哪些微处理器会成为主流.
Gartner 公司研究总监 Alan Priestley 说:"目前加速器市场正处于新生状态, 客户还正在弄清楚这些系统可以做什么以及供应商的各种解决方案如何结合其应用程序."
加速处理单元进入数据中心
这些硬件改变将会从多个方面影响数据中心. 在某些情况下, 企业将会添加加速器到其服务器以及构建自己的高性能应用程序.
Freund 称:"对于大型金融服务公司而言, 构建定制智能应用程序是有意义的."
但开发高性能应用程序来配合加速器是复杂且具有挑战性的工作.
Priestley 称:"开发这些高性能应用程序所需的能力超出了大多数公司的技能范畴." 这项工作很复杂, 很少有程序员有与这些系统相关的经验, 这会使应用程序开发变得昂贵.
而供应商为企业提供了通过云使用大量处理服务的能力.
此选项将会得到更多的部署, 因为服务协议比 DIY 更易于部署, 只需要较低的投资, 并可将持续的维护负担从企业转移给云供应商.
无论企业如何利用加速处理单元, 这些变化将会极大地影响服务器设计, 带来交换和工作负载优先排序的新配置.
自 20 世纪 70 年代以来, 企业一直依靠英特尔微处理器来支持他们的工作负载, 但是, 展望未来, 他们将部署更多种类的服务器微处理器.
来源: http://server.51cto.com/Datacenter-582217.htm