异构计算=未来？一文带你秒懂3大主流异构

戳蓝字“CSDN云计算”关注我们哦！

技术头条：干货、简洁、多维全面。更多云计算精华知识尽在眼前，get要点、solve难题，统统不在话下！

作者：Pasca

来源：蛋蛋团（ID：dandan_tuan）

本文旨在梳理和科普，让读者了解异构计算的基本概念和其中不同异构计算方案的侧重点，更多资讯请关注蛋蛋团（ID：dandan_tuan）。

大纲

一、传统计算的困境

二、异构计算的崛起

三、”厨房论“异构计算

四、总结

一、传统计算的困境

广为流传的摩尔定律（英特尔（Intel）创始人之一戈登·摩尔提出）表明：每24个月会将芯片的性能提高一倍。

后来，另外一个英特尔首席执行官大卫·豪斯（David House）提出：预计18个月会将芯片的性能提高一倍。

（来源网络，CPU和GPU的发展趋势对比，）

如上图，GPU的发展比CPU更为迅猛，每一代制程缩减直接带来更多的核心数，同时，GPU 每年有大约40% 的性能提升。

传统CPU芯片计算可以叫同构计算，也可以叫通用计算，设计之初，更多的是注重控制。而GPU设计作为协处理器只为处理CPU难以负载的大量并行计算。

而CPU占据70%的部分晶体管是用来构建Cache还有一部分控制单元，负责逻辑算数的部分并不多。GPU整个就是一个庞大的计算阵列，适合做大量密集型计算类型，就好游戏爱好者，如果想要体验画质更高的游戏画面，就必须买更好GPU的显卡。

总结一下，CPU负责逻辑性强的事物处理和串行计算，GPU则专注于执行高度线程化的并行处理任务（大规模计算任务）。

在普通服务器领域亦如此，针对机器学习、深度学习、人工智能、工业仿真等领域，异构计算平台已经成为新宠，而在异构计算江湖中，也是群雄鼎力，存在着三大不同的流派。

CPU+GPU流派、CPU+FPGA流派以及CPU+ASIC流派。

如果说CPU大厨形容为“头脑发达（控制电路多），四肢简单（计算电路少），那么GPU帮厨正好相反。

在GPU中，硬件资源被大量用作逻辑运算单元（ALU），小部分用作控制电路。这为大规模的数据并行处理提供了基础。

于是，当这个帮厨（GPU）被使唤去切菜洗菜时，手脚非常麻利，完成的又快又好。但是如果你让这个帮厨（GPU）去做“土豆切丝，洋葱切片，南瓜雕花……”，可能就没有那么利索了。

这是因为，复杂的控制流程会产生大量的分支（如编程语言中的case和if else），而GPU中一个控制单元要负责好几个计算单元。所以，如果要最大程度地使用GPU，势必要求控制分支越少越好。

FPGA: 功能多变的万能料理机

在厨房中，有一种厨具我相信有很多人都会喜欢，大厨也喜欢，那就是料理机。

有了料理机，大厨终于有可以节省了大量的时间来包饺子了，使用料理机处理肉馅即可。同时，当有需要制作果汁、豆浆时，也可以使用料理机，作为一款多功能料理机，可以满足大厨的多种需求。

FPGA作为一种高性能、低功耗的可编程芯片，中文名叫做”现场可编程门级列阵“。

最耀眼的词语：可编程。

这也意味着，今天可以切土豆丝，明天切土豆片都行。FPGA使用预建的逻辑块和可重新编程布线资源，可以让用户无需使用电路实验板或者烙铁，通过特定的软件开发计算任务，编译后就能自定义配置芯片硬件功能。

只需要OpenCL和HLS（High Level Synthesis）技术，直接把C、C++代码编译成Verilog即可。

然而，由于ASIC定制化，导致价格十分高昂，定制的过程漫长，并且功能定制化很难再去更改。

就好比于，大厨今天想做土豆丝，明天土豆片。不好意思，再去定制一台。

AI算法尚处于蓬勃发展、快速迭代的今天，ASIC存在开发周期较长、需要底层硬件编程、灵活性较低等劣势，因此发展速度不及GPU和FPGA。

四、总结

以目标的发展趋势来看，三者用一句话来概括如下：

• GPU：先发制人的“十项全能”选手，云端终端均拔头筹。

• FPGA：“变形金刚”，算法未定型前的阶段性最佳选择。

• ASIC：“专精职业选手”，专一决定效率，AI芯片未来最佳选择。

福利

扫描添加小编微信，备注“姓名+公司职位”，加入【云计算学习交流群】，和志同道合的朋友们共同打卡学习！

推荐阅读：

• Elastic Jeff Yoshimura：开源正在开启新一轮的创新 | 人物志

• 深入浅出Docker 镜像 | 技术头条

• 19岁当老板, 20岁ICO失败, 21岁将项目挂到了eBay, 为何初创公司如此艰难/span>

• 码二代的出路是什么/span>

• 机器学习萌新必备的三种优化算法 | 选型指南

• 小程序的侵权“生死局”

• @996 程序员，ICU 你真的去不起！

来源：csdn业界要闻