Nvidia的DPU想在数据中心攻击英特尔吗？

资料来源：脑极体经常担心科技圈的朋友会发现，每次制造商有大发布时，“破坏性”、“极端”、“革命性”等概念总是出现在会上。几天前，蒂姆·库克在iPhone12发布会上使用了“新时代”一词。准确地说，这意味着iPhone正式进入了5G时代的新纪元。然而，国内消费者已经对5G感到震惊。由于苹果的突破性产品未能达到市场预期，股价下跌至3800亿的小目标，苹果不得不依靠销售来证明自己是否已经进入了“新时代”相对于备受瞩目的消费电子领域，本文将重点关注大多数人不熟悉的数据中心行业及其上游数据中心计算芯片。随着云计算的大规模采用和人工智能计算的指数级增长，数据中心比以往任何时候都更加重要。最近，在参加数字通信产业论坛时，我听取了中国信息通信研究院专家的意见。数据中心将与5G技术一起成为下一个数字技术的顶峰。我们在Nvidia Online2020GPU技术大会上听到了黄仁顺的观点。数据中心已成为全新的计算单元。

[第1001号]

黄振顺之所以如此自信，是因为在本次发布会上宣布了全新的处理器DPU，以及围绕处理器的软件生态系统DOCA。根据Nvidia的说法，DPU可以与CPU和GPU结合，形成一个完全可编程的单一AI计算单元，从而实现前所未有的安全性和计算能力支持。DPU真的能承担与CPU和GPU相同的计算重要性，并为数据中心带来一场巨大的革命吗？创新在哪里呢？这些都是我们仍然需要研究和考虑的问题。Nvidia DPU是Nvidia在GTC推出的“核心”位置，DPU（数据处理单元）处理器实际上是一种集成了ARM处理器核心、VLIW矢量计算引擎和智能网卡功能的SoC芯片，主要应用于分布式存储、网络计算和网络安全领域。DPU的主要作用是替换数据中心用于处理分布式存储和网络通信的CPU处理器资源。在DPU之前，智能网络互连SmartNIC在网络安全和网络互连协议方面逐步取代了CPU。而现在DPU的出现，相当于智能网卡的升级换代换代版，一方面提升智能网卡在网络安全和网络协议处理能力，整合和提升分布式存储处理能力，以便更好地取代这两个领域的CPU。它将CPU的计算能力释放给更多的其他应用程序。

[第1002页]

英伟达在DPU方面的技术突破是在去年收购以色列芯片制造商Mellanox之后，基于该公司的硬件开发了Blue Feild系列中的两款DPU——Nvidia Blue Field—2DPU和Blue Field—2X DPU。Blue Field—2DPU具备Nvidia Mellanox Connext—6Smart NIC的所有功能，以及8个64位A72ARM处理器内核，完全可编程，可提供每秒200千兆位的数据传输速率，加速关键数据中心的安全、网络和存储任务。最重要的是，一个Blue Field—2DPU可以提供相当于125CPU核心消耗的数据中心服务，从而有效地释放CPU核心的散列资源。

[第1003号]

BlueField—2X DPU具有包括BlueField—2DPU在内的所有关键功能，并将通过Nvidia Amp GPU的AI功能增强。NVIDIA的路线图将在未来的Bluefield4中引入CUDA和NVIDIA AI，这将显著提高网络中计算机视觉应用的处理速度。

另一个值得注意的是，NVIDIA提出了DOCA（Data—Center—Infrastructure—On—A—Chip Architecture），这是一个与DPU处理器一起工作的软件开发工具包。英伟达的专家将DOCA与数据中心服务器上的CUDA进行了比较，目的是帮助开发人员在DPU加速的数据中心基础设施上构建相应的应用程序，从而丰富DPU应用程序开发生态系统。从上面的介绍中，我们可以看到英伟达的两大雄心：一种是DPU再次尝试复制“用通用显示芯片替换GPU显示加速卡”的路径。另一个原因是DOCA试图再次复制“CUDA在GPU通用化过程中所做的生态工作”。结合最近Nvidia收购ARM的消息，我们可以看到Nvidia的一个重要考虑因素是使用ARM架构的CPU作为核心，并从服务器应用加速扩展到服务器的所有应用场景，从而在数据中心服务器领域实现更大的突破。目标自然指的是以Intel CPU为代表的X86服务器生态。在我们考虑DPU挑战CPU主导地位的可能性之前，我们可以快速了解英伟达在数据中心的布局。在经历了游戏图形业务放缓和加密货币衰落导致的业绩大幅下滑之后，NVIDIA终于将未来押在人工智能计算和数据中心的行业布局上。2017年，英伟达数据中心业务的季度收入首次超过5亿美元，同比增长109%，黄在一次会议上强烈肯定了数据中心业务的价值。NVIDIA在2008年尝试将并行计算从CPU卸载到GPU，使用其首个Tesla GPU加速器和基本的CUDA编程环境在数据中心运行GPU计算。这是NVIDIA GPU发展的长期战略。此后，随着数据中心AI计算需求的爆发式增长，AI硬件成为越来越多数据中心扩建和建设的关键。当超级强大的AI计算能力成为数据中心的需求时，凭借强大的并行计算和浮点能力的NVIDIA GPU将突破深度学习计算能力的瓶颈，成为AI硬件的首选。这个机会将使Nvidia能够在数据中心硬件领域站稳脚跟。当然，英伟达的雄心远不止于此。英伟达的主要布局是2019年3月以69亿美元收购以色列芯片公司Mellanox。Mellanox专注于提供多种数据中心产品，包括以太网交换机、芯片组和用于服务器、存储和超融合基础设施的InfiniBand智能互连解决方案。Nvidia的GPU与Mellanox的互连技术相结合，可以优化整个计算、网络和存储堆栈中的数据中心工作负载，从而提高性能、提高利用率并降低运营成本。当时，黄先生认为Mellanox的技术将转化为公司的“X因素”，即将数据中心转化为能够满足高性能计算需求的大型处理器架构。而现在，我们看到了DPU的出现，并尝试了这种架构的原型。

今年，英伟达将斥资40亿美元从软银收购半导体设计公司ARM，其意图之一是将ARM架构的CPU设计应用到英伟达未来构建的计算模式中，主要布局为超级计算、自动驾驶和边缘计算模式。其中，基于NVIDIA GPU的AI计算平台与ARM生态系统的结合，不仅增强了NVIDIA的高性能计算（HPC）技术能力，还将推动NVIDIA数据中心业务的持续收入。可以说，英伟达在数据中心领域的成功与其实现数据中心大规模计算的能力有关，从自主开发的DGX系列服务器的开发，到Mellanox技术的集成，再到利用ARM生态系统开发新的数据中心计算架构。当然，要实现这一目标，就取决于英特尔是否同意。目前，在数据中心，大约95%的GPU仍然连接到x86CPU上，如果英伟达只是在GPU上做增量，那么英特尔在数据中心服务器上的主导地位将无法动摇。现在，英伟达显然并不满足于抢占增量市场，但它希望能够进入数据中心的股票市场。也就是说，您将尝试使用自己的芯片产品来替换英特尔（和AMD）主导的X86CPU。自Nvidia开始收购ARM以来，Nvidia多次表现出使用ARM处理器进一步占领数据中心服务器市场的决心，而集成ARM核心的DPU将成为其进入数据中心股票市场取代X86CPU的第一个切入点。Nvidia推出DPU是为了进入这一市场，而不是直接使用ARM核心CPU与X86CPU直接竞争。实际上，它相当于下一代CPU产品，集成了网络、存储、安全和其他任务，ARM CPU性能无法与同代X86CPU进行比较，但DPU SoC集成了专用的加速模块，以实现整个计算机逐渐取代CPU的目的。更巧妙的方法。整体性能应超过X86CPU。这种稍微“Tian Gee”策略可能是Nvidia开始取代低端X86CPU的开始。然而，Nvidia希望在高端处理器市场挑战英特尔，因此面临着许多困难。首先，Nvidia GPU和X86CPU形成了非常稳定和强大的互补关系。英伟达希望在高端服务器上使用基于ARM架构的处理器，这需要对ARM处理器的性能进行大幅度提升，目前这个过程还不清楚。另一个是，英特尔已经做出了相应的回应和布局，以应对英伟达的各种挑战。2017年，英特尔宣布开发全栈GPU产品组合，预计明年将在市场上发布第一款使用GPU的GPU。为了阻止英伟达在人工智能计算和自动驾驶领域的扩张，英特尔收购了Nervana和Movidius作为其边缘人工智能计算布局，并收购了Mobileye作为其自动驾驶布局。2018年，英特尔宣布将为异构计算开发一个全栈开放软件生态系统OpenAPI计划，以应对不断增长的CUDA生态系统。也就是说，英特尔不仅在NVIDIA的后院运营，而且还在构建自己的X86服务器生态系统。对于英特尔来说，数据中心业务正成为其最重要的业务组成部分。在2019年第四季度，英特尔的数据中心业务超过了PC业务，成为其主要收入来源。今年，英特尔技术组织和管理团队的重组被视为其数据中心业务全面转型的开端。可以想象，在未来的数据中心处理器业务中，英伟达将迎来英特尔最强有力的防御与反击之战，绝大多数服务器集成商将成为这场斗争的受益者。在螳螂抓住蝉之后，英伟达不得不面对ADM的新竞争对手。最近，ADM透露将斥资300亿美元收购Xilinx，这对英特尔构成了挑战，并阻碍了NVIDIA的双重战略。此外，英伟达的数据中心处理器业务也面临着来自客户内部开发芯片的挑战。云服务提供商本身并不愿意将计算核心完全交给Nvidia，Nvidia已经布局了自己的云处理器，包括AWS、谷歌、阿里巴巴和华为。无论如何，数据中心已经成为英特尔、英伟达和AMD这些老芯片巨头未来的主战场，而英伟达如何在X86和云计算客户的自我研究路线上找到切入高端服务器处理器，刚刚发布的DPU可以算作是一次初步尝试。未来的数据中心游戏将围绕AI、超级计算等所有领域展开，英伟达在强大的对手面前、在追击者、盟军士兵的自力更生的情况下，其数据中心的征程还有很长的路要走。