为领域加速、为AI赋能：中科驭数携专用计算架构全栈式解决方案亮

　　6月13日，为期七天的“2019年全国大众创业万众创新活动周北京会场暨中关村创新创业季活动”在中关村国家自主创新示范区展示中心开幕。其中，来自中科院计算所的中科驭数携KPU-Conflux-1800 芯片、驭数加速板卡及以KPU为核心的全软件栈解决方案亮相创新引领主题展。

　　随着智能物联时代来临，催生了包括人工智能、云计算、边缘计算、区块链、智能驾驶、富媒体应用等大量的场景和需求。行业的数字化带来了数据量的爆发性增长。据美国发布的《2016-2045年新兴科技趋势》预测，全球数据量自2015年开始每两年翻一番。与此同时，芯片的运算能力在经过了半个多世纪的“工艺-架构”双轮驱动后，工艺已不断细化到逼近一定的物理极限。

　　中科驭数创始人兼CEO鄢贵海表示，目前，芯片晶体管密度在近三年的年化增长率仅为3.5%，基本上已经宣布了摩尔定律的失效。而5G技术带来的“端云一体”催生了数据处理的刚性需求。尤其是在金融、人工智能等热门领域，有几乎超过九成的数据，因算力不够导致不能被利用。此外，数据信息的格式多样性，也造成了数据在处理和管理上的信息孤岛。不仅影响了效率和数据价值，同时也在限制行业发展。

　　据了解，目前硬件算力的提升，主要还是依靠物理设备的堆积部署。比如用通用处理器CPU+特定应用加速的协处理器来共同处理海量数据，目前已广泛应用的有GPU（图片处理器）、VPU（视频处理器）、MPU（运动增强处理器）、APU（音频处理器）等大多与多媒体的编码解码相关的协处理器。据Gartner，IDC等分析机构预测，到2020年，在服务器市场，协处理器总的渗透率将超过5%，除GPU以外的协处理器渗透率也将超过3%。

　　然而面对应用的多样性和数据的复杂性，数据数量和数据格式都呈爆发性的增长，导致芯片运算的“高性能”和“通用性”，始终处于“不可兼得”的状态。主流所使用的WINTEL （Windows+Intel）模式，在应对今天应用多元化的场景时，也确实体现出很多局限性。因此，如何平衡二者的性能，并做到易落地的实操性，就需要技术上的创新和产品上的实践。

　　鄢贵海表示，当前，已经有一些资深的行业人士发现，通过打通底层基础硬件架构和上层应用的“全栈式”研发，定制不同的多元化解决方案，将会变成产业非常重要的组成部分。目前绝大多数企业仍然只能选择以各类通用CPU为核心的服务器，即便在利用率低下、购买及使用成本高昂的情况下，仍然别无选择。此外，现有针对通用计算的软件栈极为复杂，对于专用加速器而言还是过于厚重了，不仅影响系统执行效率，也不利于缩短产品上市的时间。 所以这种“全栈式”的接入形式将是应用驱动的计算范式的典型特征，从根本上扫清专用加速器计算的落地障碍。

　　国内目前的一些新兴创业企业，主要都是备受瞩目的AI专用加速芯片供应商。但是对于例如金融，数据库，转码，网络安全等应用，不仅仅需要AI技术，更需要针对这些具体应用的加速方案。AI芯片的供应商可能很难用AI芯片的设计模式或特性去适配不同领域的加速应用。另外，在一些领域也有一些厂商通过FPGA的形式提供专用的加速方案。这种方式可以相对灵活的满足不同领域里客户的不同定制化要求，但是也很难做到跨领域。

　　为了高效解决特定领域的海量数据处理问题，脱胎于中科院计算技术研究所的中科驭数从底层核心技术出发，以专用芯片架构为核心，创新性地采用软件定义加速器的技术路线，实现软硬件协同的高效解决方案。其主要核心技术KPU（即核处理器），是专为加速特定领域核心功能计算而设计的一种协处理器。 中科驭数CTO卢文岩博士解释到 KPU以功能核作为基本单元，直接对应用中的计算密集性应用进行抽象和高层综合，实现以应用为中心的架构“定制“。一颗KPU根据需求可以集成数十至数百个功能核。在运行机制上，采用“数据驱动并行计算”的架构，运行过程中通过数据流来激活不同的功能核进行相应计算。从而可以实现“功能核”到运算需求的“一对一”服务，保证效率。