英伟达TX2烧录系统_英伟达的DPU，是想在数据中心奇袭英特尔？

热点追踪 / 深度探讨 / 实地探访 / 商务合作

最近几年，经常关注科技圈的朋友们总会发现，每次遇到厂商有重大发布，就总能看到“颠覆”、“极致”、“革命性”等概念出现在发布会上。

上周，iPhone12的发布现场，蒂姆库克就用上了“新纪元”的字眼，准确地说应该是iPhone正式地步入了5G时代新纪元。但国内消费者对5G已经是见怪不怪了。苹果自嗨的划时代产品因为没有达到市场的预期，当日股价就跌去3800亿个小目标，后面就要靠销量来证明苹果自己有没有跨入“新纪元”了。

相比较于关注度高的消费电子领域，本文要把重点放在大多数人不太熟悉的数据中心产业，及其更上游的数据中心计算芯片上面。因为我们看到随着云计算的大规模普及和AI计算的指数级增长，数据中心被提到前所未有的重要位置。

最近在参加一个有关数字通信产业的论坛上，听到一位中国信通院的专家的观点是：数据中心，将成为和5G技术并肩，下一个数字技术的制高点。类似的观点，我们也在英伟达线上2020年GPU技术大会，从黄仁勋那里听到：数据中心已成为全新的计算单元。

黄仁勋之所以有这样的底气，就在于这次发布会上推出了一款全新处理器DPU，以及围绕该处理器的软件生态架构DOCA。据英伟达的介绍，DPU可以和CPU、GPU相结合，构成完全可编程的单一AI计算单元，实现前所未有的安全性和算力支持。

那么，DPU能否真正承担起与CPU、GPU一样的计算重要性，实现数据中心的一次巨大革新？其创新点到底在哪里？这些仍然是我们要去回顾和考察的问题。

英伟达DPU的过“芯”之处

从英伟达在GTC的介绍上来说，DPU(Data Processing Unit)处理器，其实是一种SoC芯片，其中集成了ARM处理器核、VLIW矢量计算引擎和智能网卡的功能，主要应用在分布式存储、网络计算和网络安全领域。

DPU的主要作用就在于替代了数据中心原本用来处理分布式存储和网络通信的CPU处理器资源。在DPU之前，智能网卡(SmartNIC)正在网络安全和网络互连协议方面逐渐取代CPU。而现在DPU的出现，相当于是智能网卡的升级替代版本，一方面增强了智能网卡对网络安全和网络协议的处理能力，一方面又整合和加强了分布式存储的处理能力，从而在这两个领域更好地替代CPU，从而释放CPU的算力给到其他更多应用。

英伟达在DPU上的技术突破，来自于去年收购以色列芯片制造公司Mellanox之后，在这家公司的硬件基础上开发出BlueFeild系列的两款DPU——英伟达BlueField-2 DPU与BlueField-2X DPU。

据介绍，BlueField-2 DPU具有英伟达Mellanox Connext-6 SmartNIC的所有特点，与8个64位的A72ARM处理器内核一起，实现可完全编程，并能提供每秒200千兆比特的数据传输速率，从而加速关键数据中心的安全、网络和存储任务。

最核心的一点是单个BlueField-2 DPU可以提供相当于消耗125个CPU内核所提供的数据中心服务，从而有效释放CPU内核的算力资源。

而BlueField-2X DPU则拥有包括BlueField-2 DPU的所有关键特性，其特性能够通过英伟达安培GPU的AI功能得以增强。而在英伟达的路线图里，未来的Bluefield-4 将会引入CUDA 和 NVIDIA AI，极大加快网络中计算机视觉应用处理的速度。

另外一个值得注意的是英伟达提出配合DPU处理器的软件开发工具包——DOCA(Data-Center-Infrastructure-On-A-Chip Architecture)。英伟达的专家将DOCA类比为数据中心服务器领域的CUDA，其意图在于帮助开发人员在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的应用开发生态。

从以上介绍我们看出英伟达的两个野心，一个是DPU试图再一次复制“GPU替代显示加速卡成为通用显示芯片的路径”，在一个是DOCA试图再一次复制“CUDA在GPU通用化过程中所起到的开创生态之功”。

如果和不久前英伟达收购ARM的消息结合起来，我们看到英伟达的一个重要考量，就是以ARM架构的CPU为核心，从服务器的应用加速扩展到服务器的全部应用场景，从而实现在数据中心服务器领域的更大突破，目标自然是剑指英特尔CPU为代表的X86服务器生态。

而在考察DPU挑战CPU霸主地位的可能性之前，我们可以简单来了解下英伟达在数据中心的布局。

英伟达的数据中心“野心”

在经历过游戏显卡业务的增速放缓，以及加密货币退潮后带来的显著业绩下滑的影响之后，几经波折的英伟达终于坚定地将未来押注在了AI计算和数据中心的产业布局上面。

2017年，英伟达的数据中心业务季度营收首次超过了5亿美元，同比增长了109%，这使得黄仁勋在一次大会上大力肯定了数据中心业务的价值。

英伟达早在2008年，最初就是通过最早的Tesla GPU加速器和初级的CUDA编程环境来为数据中心进行GPU计算，试图将更多的并行计算从CPU卸载到GPU上。这成为英伟达GPU之后进化之路的一条长期策略。

此后随着AI计算需求在数据中心当中的爆发式增长，AI硬件正成为越来越多数据中心扩容建设的关键所在。当超强AI算力成为数据中心的刚需，英伟达GPU凭借强大的并行计算和浮点能力，突破了深度学习的算力瓶颈，成为AI硬件的首选。这一契机才使得英伟达能够在数据中心的硬件版图上站稳脚跟，当然，英伟达的野心远不止于此。

英伟达最主要的布局就在于2019年3月，花费69亿美元收购了以色列芯片公司Mellanox，而这家公司所擅长的正是为服务器、存储和超融合基础设施提供包括以太网交换机、芯片和InfiniBand智能互连解决方案在内的大量的数据中心产品。而英伟达的GPU与Mellanox的互连技术结合，可以使得数据中心工作负载将在整个计算、网络和存储堆栈中得以优化，并能实现更高的性能、更高的利用率和更低的运营成本。

当时，黄仁勋把Mellanox的技术看作是公司的“X因素”，也就是把数据中心改造成一个可以解决高性能计算要求的大型处理器架构。而如今我们看到DPU的出现，已经是具有这一架构雏形的一种尝试了。

今年，英伟达花费400亿美金的天价从软银手中收购半导体设计公司ARM，其意图之一就是要把ARM架构的CPU设计应用到英伟达所要搭建的未来计算模式中，主要布局的领域就有超算、自动驾驶和边缘计算模式。其中，基于英伟达GPU的AI运算平台与ARM的生态系统结合，将不仅能够强化英伟达高性能运算(HPC)技术能力，又可以带动英伟达数据中心业务营收持续创高。

可以说，英伟达在数据中心领域的成功与否，都与能否实现数据中心的规模化运算有关，从发展自研的DGX系列服务器到整合Mellanox的技术，再到借助ARM生态发展全新的数据中心计算架构，都是为转型数据中心业务所作的准备。

当然，想要实现这一目标，还要看下英特尔是否答应了。

英伟达挑战英特尔，距离还有多远

目前来说，数据中心当中，95％左右的GPU仍然还是连接到x86 的CPU之上，英伟达如果单纯只是做GPU的增量，仍然无法撼动英特尔在数据中心服务器的霸主地位。现在，英伟达显然已经不满足于抓住增量市场，而是更希望能切入数据中心的存量市场，即设法用自己的芯片产品去取代英特尔(以及AMD)主导的X86 CPU。

自从英伟达开始收购ARM，外界能够看到英伟达已经多次显示出其试图利用ARM处理器进一步占领数据中心服务器市场的决心，而集成了ARM核心的DPU将成为其打入数据中心存量市场取代X86 CPU的第一个切入点。

英伟达推出DPU来切入这个市场，而非直接用ARM核心CPU来与X86 CPU直接竞争，其实是一种比较讨巧的做法，相当于用集成了网络、存储、安全等任务的下一代CPU产品来达到逐渐替换CPU的目的，即使其中所内涵的ARM CPU性能无法对标同一代的X86 CPU，但是整体机由于在DPU SoC上集成了专用的处理加速模块，因此总体性能一定是超过X86 CPU的。这种有点“田忌赛马”味道的策略，很可能成为英伟达开始替代低端X86 CPU的开始。

但是英伟达想要在中高端处理器市场来挑战英特尔，还要面临一系列的困难。

首先，正是英伟达的GPU与X86 CPU已经形成一种非常稳定的强互补关系。英伟达想要采用基于ARM架构的处理器做高端服务器，还需要ARM处理器性能出现大幅的提升，而现在，这一进程并不明朗。

再一个是英特尔早已为应对英伟达的种种挑战进行了相应的回应和布局。早在2017年，英特尔就宣布要开发全栈的GPU产品组合，而预计明年英特尔的首批GPU将在使用GPU的各个市场上发布。

为阻击英伟达在AI计算和自动驾驶领域的扩张，英特尔也先后收购了收购了Nervana和Movidius作为边缘AI计算的布局，收购了Mobileye作为自动驾驶的布局。并且，英特尔还在2018年宣布，将开发一个用于异构计算的全栈开放软件生态系统OpenAPI计划，来应对CUDA生态的扩张。也就是说，英特尔不仅在英伟达的后院搞事情，同时也在建立自身的X86服务器的生态系统。

数据中心业务对于英特尔来说，也正在成为其最核心的业务组成。2019年Q4英特尔的数据中心业务超越PC业务，成为其收入的主要来源；而在今年，英特尔对其技术组织和执行团队的重组，也被外界视为全面转型数据中心业务的开始。

可以想见在未来的数据中心处理器业务上，英伟达将迎来英特尔最为强劲的保卫战和反击战，而广大的服务器集成商或将成为这场角力赛的受益方。