在日前舉行的Computex 2018發(fā)布會上，AMD有些出人意料地進行了高規(guī)格的產(chǎn)品發(fā)布，公開的產(chǎn)品包括下一代使用7nm工藝的VEGA GPU，以及使用7nm的Zen 2處理器。目前，7nm VEGA GPU是全球第一個使用7nm工藝的GPU，現(xiàn)在已經(jīng)開始樣品出貨，預計在今年下半年開始大規(guī)模出貨。這比之前預期的時間表提前了不少，也打了Nvidia一個措手不及，讓AMD以迅雷不及掩耳之勢搶得了“全球第一塊7nm GPU”。

除了GPU之外，AMD還公布了下一代使用7nm工藝的Zen 2處理器EPYC，該處理器目前已經(jīng)完成流片正處于實驗室測試中，預計將于2018年下半年進入工程樣品階段并于2019年進入大規(guī)模出貨階段。

隨著桌面PC市場被移動設備日漸蠶食，在本世紀初熱鬧非凡的Computex會議已經(jīng)幾乎被人遺忘。而AMD此次在Computex會議上舉行的高規(guī)格產(chǎn)品發(fā)布無疑是為之前有些疲軟的計算機市場和Computex會議帶來了一陣新風。這也釋放了一個重要信號：以數(shù)據(jù)中心為主要應用場景的高性能計算市場正在接過PC的接力棒，將會成為計算機在下一個十年發(fā)展的主要動力。

數(shù)據(jù)中心的想象空間

隨著大數(shù)據(jù)和深度學習的高速發(fā)展，數(shù)據(jù)正在成為新時代的原油而算力正在成為下一代的基礎設施。AMD在發(fā)布會上指出，到2025年的數(shù)據(jù)將會增長50倍：可穿戴設備、IoT、5G設備正在普及，這些設備都會產(chǎn)生大量的數(shù)據(jù)。除此之外，我們對于這些數(shù)據(jù)的處理方式也越來越復雜，機器學習領域的新算法層出不窮，能夠從數(shù)據(jù)中提取更多有用信息，從而在智慧城市、醫(yī)療、金融、安保等領域引入革命性的變化。隨著數(shù)據(jù)量和算法復雜度的飛速提升，對于算力的需求也在高速增長。

OpenAI公布的深度學習算法算力需求，6年增長了30萬倍

大數(shù)據(jù)算力的主要基礎設施在于數(shù)據(jù)中心。數(shù)據(jù)中心對于處理器的需求目前主要包括CPU和GPU。CPU是傳統(tǒng)計算硬件，可以支持通用計算，也是數(shù)據(jù)中心必不可少的一部分。AMD此次公布的EPYC CPU每個socket至多可以支持32個核。除了核心數(shù)多之外，CPU的內(nèi)存存取和CPU間通信在需要高效執(zhí)行分布式計算的數(shù)據(jù)中心也是重要要素，而EPYC每個CPU能支持至多8個內(nèi)存通道和128條PCIe通道，可謂性能強大。眾所周知，AMD在數(shù)據(jù)中心CPU領域并非傳統(tǒng)強項，在Intel牢牢把持著市場的情況下AMD如何打入數(shù)據(jù)中心CPU生態(tài)也就成了大家關注的要點之一。在本次發(fā)布會上，AMD宣布了EPYC已經(jīng)進入了CISCO，HP和騰訊云等重要客戶的產(chǎn)品中。雖然比起Intel在數(shù)據(jù)中心的市場份額來說AMD還有很大的差距，但是這也是個不錯的出發(fā)點。

除了CPU之外，GPU是數(shù)據(jù)中心想象空間更大的部分。在大數(shù)據(jù)時代，CPU并不能高效支持所有運算：在CPU的芯片上，為了滿足通用算法的支持，有很大一部分芯片面積都用來做緩存和控制邏輯（如分支判斷等），而用于計算單元的面積并不大。而在大數(shù)據(jù)算法中，大量數(shù)據(jù)是可以并行處理的（例如來自不同設備產(chǎn)生的獨立數(shù)據(jù)就可以并行處理而不會互相影響），因此大數(shù)據(jù)算法往往比較規(guī)整，而CPU芯片上的許多控制邏輯對于大數(shù)據(jù)算法就顯得多余。這時候擅長并行計算處理的GPU就脫穎而出。GPU的設計中控制邏輯比較簡單，而絕大部分芯片面積都用來做計算單元，因此一個GPU往往包含了數(shù)千個計算核心，可以提供超高效并行計算，對于合適的大數(shù)據(jù)算法GPU的執(zhí)行速度比同代CPU要快兩到三個數(shù)量級。

GPU在數(shù)據(jù)中心中執(zhí)行大數(shù)據(jù)算法的標志性事件是2012年的深度學習算法AlexNet的訓練。AlexNet是深度學習的標志性算法，其貢獻第一是證明在數(shù)據(jù)量足夠的情況下深度神經(jīng)網(wǎng)絡在圖像分類等任務中的性能遠好于傳統(tǒng)的支持向量機（SVM）等算法，可謂是開啟了這一波深度學習熱潮；除此之外AlexNet還提出了使用GPU去訓練深度學習網(wǎng)絡，相比CPU可以將訓練時間降低兩到三個數(shù)量級從而進入合理的范圍（時間從數(shù)年下降到了幾天）。可以說以深度學習離不開GPU的支持，而隨著深度學習的繼續(xù)普及，數(shù)據(jù)中心對于GPU的需求也在持續(xù)上升。

深度學習的普及是GPU在數(shù)據(jù)中心需求量持續(xù)上升的一個要素。除此之外，深度學習以外的其他需要GPU的算法也在推動GPU需求。眾所周知的是區(qū)塊鏈算法對于GPU也有很大的需求量，在區(qū)塊鏈和加密貨幣最火的2017年各大礦場對于GPU的需求甚至讓GPU賣到斷貨（AMD從中也是獲利頗豐），之后雖然加密貨幣逐漸回歸理性但是對于GPU的需求卻在穩(wěn)步上升。除了區(qū)塊鏈之外，數(shù)據(jù)庫等傳統(tǒng)應用也在逐漸擁抱GPU加速?？梢哉f目前數(shù)據(jù)中心對于GPU的需求是以深度學習為首，而在其他領域也在逐漸跟上。Nvidia目前在數(shù)據(jù)中心GPU市場幾乎是處于壟斷地位，與之相應數(shù)據(jù)中心業(yè)務在Nvidia的財報中也越來越重要，2017財年的數(shù)據(jù)中心業(yè)務增長高達245%，在2018財年的增長也有233%，收入接近20億美元。AMD當然不會對數(shù)據(jù)中心這塊市場坐視不管，這次搶先Nvidia發(fā)布7nm VEGA GPU以及Radeon Instinct數(shù)據(jù)中心加速卡也是對Nvidia一個強烈的挑戰(zhàn)信號。

除了硬件之外，

開發(fā)生態(tài)同樣重要

在數(shù)據(jù)中心市場，事實上BAT等各大客戶也希望AMD能打破Nvidia的壟斷地位，從而讓高性能GPU的價格能回歸合理的范圍。AMD這次發(fā)布的7nm VEGA GPU以及Radeon Instinct加速卡可謂性能強大，Radeon Instinct加速卡使用了32GB HBM高速顯存，并且VEGA GPU對于人工智能和機器學習也加入了硬件支持，具體性能值得期待。

在硬件性能之外，開發(fā)者生態(tài)也是決定性因素。Nvidia的戰(zhàn)略眼光極其深遠，在絕大部分人對于GPU的認識還局限于游戲圖形加速的時候，Nvidia就已經(jīng)看到了GPU在其他領域的潛力，于是開始了GPGPU（通用GPU）戰(zhàn)略并開始了CUDA的開發(fā)。在經(jīng)過數(shù)年的開發(fā)積累之后，又遇到了深度學習的大熱，Nvidia的CUDA憑借著穩(wěn)定的性能，易用的API接口，完整的文檔和多年的開發(fā)者社區(qū)運營成為了相關開發(fā)者的首選，配合其GPU因此成為了數(shù)據(jù)中心的標配。另一方面，AMD對于GPGPU類的技術投入之前一直處于不溫不火的狀態(tài)，和高通等其他幾個合作廠商在推廣與CUDA相似的OpenCL但是其性能和易用性一直被開發(fā)者社區(qū)詬病。除此之外AMD在GPGPU領域的另一個舉措是推出異構系統(tǒng)架構HSA（heterogeneous system architecture），HSA的初衷是打通CPU和GPU的內(nèi)存空間，用于解決CPU和GPU之間內(nèi)存互訪造成的性能損失，然而至今HSA也只能說是普普通通并未引起太多波瀾。

AMD當然也認識到了其開發(fā)生態(tài)不足造成的問題，因此在這次發(fā)布會上也特意提到了其GPGPU的最新舉措即Radeon Open Ecosystem，可以支持TensorFlow，PyTorch，Caffe，MxNet等主流機器學習平臺并將提供優(yōu)化的庫支持。然而，在開發(fā)生態(tài)領域AMD仍然是處于追趕地位，尤其是在Nvidia在數(shù)據(jù)中心的生態(tài)已經(jīng)開始在探索GPU數(shù)據(jù)庫等藍海的情況下，AMD如何迎頭趕上值得我們關注。

7nm提升有限，

封裝技術同樣重要

從芯片角度，這次AMD的發(fā)布也讓我們看到了半導體制程發(fā)展的趨勢。

AMD發(fā)布了7nm VEGA GPU的數(shù)據(jù)。耐人尋味的是，其性能相對于上一代14nm的VEGA僅僅提升了35%。在特征尺寸縮小一半加上設計也有改善的情況下，其性能的提升幅度并不大：7nm半導體工藝節(jié)點中雖然特征尺寸縮小晶體管開關速度會加快但是金屬互聯(lián)線帶來的延遲也變大，因此對于芯片性能的幫助有限。另一方面，其晶體管密度和功耗改善有兩倍之多，這基本延續(xù)了之前摩爾定律的勢頭。

在特征尺寸對于芯片性能提升幫助有限的情況下，封裝技術將會成為芯片性能提升的另一個推力。在本次發(fā)布會上，AMD發(fā)布的Radeon Instinct加速卡中一個最重要的關鍵詞就是32GB HBM內(nèi)存。HBM使用高級封裝技術，將處理器和DRAM做在同一個封裝內(nèi)，可以大大降低走線長度，增加走線密度和總線寬度，從而提供遠高于傳統(tǒng)DDR標準的內(nèi)存帶寬。事實上，目前內(nèi)存帶寬已經(jīng)成為了阻礙處理器完全發(fā)揮峰值計算能力的重要瓶頸，因此HBM內(nèi)存將會成為處理器性能提升的重要技術。

AMD在今年ISSCC發(fā)布的Zeppelin架構

此外，AMD還宣布將會在7nm VEGA GPU中使用Infinity Fabric。Infinity Fabric與Nvidia的NVLink有相似也有不同的地方，NVLink主要是用于加速多塊GPU間的數(shù)據(jù)通信，而Infinity Fabric則即可以用于片上網(wǎng)絡（NoC），也可以用于封裝內(nèi)的互聯(lián)或者片外互聯(lián)。除了在VEGA GPU內(nèi)使用之外，AMD還將在其CPU中搭配Zeppelin架構使用Infinity Fabric。Zeppelin是AMD今年在ISSCC會議上發(fā)布的新架構，通過高級封裝技術和Infinity Fabric互聯(lián)技術可以在封裝內(nèi)高效集成多塊芯片，從而實現(xiàn)靈活的集成模式，根據(jù)需求可以集成多塊處理器芯片或者是多塊不同的芯片。在高級封裝領域，AMD非常重視，在幾年前的GPU中用上了HBM內(nèi)存，而隨著Zeppelin架構的發(fā)展我們看到AMD正在往封裝方向繼續(xù)深挖潛力。當然，Intel也并不落后，其EMIB高級封裝技術也處于領先位置。AMD、Intel和Nvidia在高級封裝領域的競爭，我們還將繼續(xù)關注追蹤。

結語

AMD此次在Computex上發(fā)布的7nm產(chǎn)品彰顯了其進軍數(shù)據(jù)中心應用的決心，而數(shù)據(jù)中心應用可望能接過PC的大旗成為計算機市場的下一個發(fā)展動力。在芯片技術方面，7nm工藝提供的優(yōu)勢主要在于集成度和功耗，對于性能的提升除了特征尺寸縮小之外還得依靠封裝技術。