高性能計算的開端

多年來，高性能計算 （HPC） 具有多種含義。HPC 的主要目標(biāo)是提供運行數(shù)據(jù)中心所需的計算能力，數(shù)據(jù)中心是一個致力于存儲、處理和分發(fā)數(shù)據(jù)的實用設(shè)施。從歷史上看，正在處理的數(shù)據(jù)是給定組織的業(yè)務(wù)運營輸出。交易，客戶資料，銷售細(xì)節(jié)，諸如此類。目標(biāo)通常是從大量事務(wù)信息中創(chuàng)建商業(yè)智能。

有時，數(shù)據(jù)代表研究。在這種情況下，商業(yè)智能是追求某種物理效應(yīng)的知識——我們?nèi)绾斡脺y量數(shù)據(jù)推斷更多，以提高我們的知識和利潤？藥物發(fā)現(xiàn)、油田分析和天氣預(yù)報都是這種數(shù)據(jù)處理的例子。

多年來，數(shù)據(jù)中心使用硬件補充來執(zhí)行此類操作，這些硬件主要包括陣列配置中的存儲、計算和通信。更多的數(shù)據(jù)意味著更多的存儲、計算和通信副本。

這種類型的數(shù)據(jù)中心有兩個關(guān)鍵屬性。首先，正在處理的數(shù)據(jù)是由真實世界的事件生成的。用于研究的銷售、交易和物理觀察數(shù)據(jù)都是以與人類交互一致的速度生成的數(shù)據(jù)示例。其次，數(shù)據(jù)處理以創(chuàng)建信息是使用程序軟件系統(tǒng)完成的，由人類編寫和調(diào)試。

指數(shù)增長的時代

在過去的大約 10 年里，上述范式在要處理的數(shù)據(jù)量和處理方式方面都發(fā)生了根本性的變化。讓我們看看這兩種現(xiàn)象。

數(shù)據(jù)不再由人類事件生成。由于廣泛的傳感器部署，再加上高度連接的環(huán)境，所有類型的設(shè)備都在以指數(shù)級的速度生成數(shù)據(jù)。您的智能手表會捕獲有關(guān)您的鍛煉方案和健康的詳細(xì)信息。根據(jù)一項研究，自動駕駛汽車每小時運行可以產(chǎn)生5TB的數(shù)據(jù)。如果您考慮未來幾年將有多少此類車輛投入使用，您可以清楚地看到數(shù)據(jù)雪崩。

Statista對這些趨勢的綜合進(jìn)行了透視。下圖是 2010 年至 2025 年全球創(chuàng)建、捕獲、復(fù)制和使用的數(shù)據(jù)量的預(yù)計數(shù)據(jù)量（以澤字節(jié)為單位）。一個澤字節(jié)大約是一千艾字節(jié)或十億太字節(jié)。請注意，在2010年，地球包含兩個澤字節(jié)的數(shù)據(jù)，而到181年的項目量為2025澤字節(jié)。

資料來源：統(tǒng)計局

提取情報的方式也發(fā)生了變化。各種形式的人工智能 （AI） 用于從所有這些數(shù)據(jù)中提取關(guān)鍵的、可操作的見解。推理方法可以識別語音和視覺模式。強化學(xué)習(xí)技術(shù)可以從大量可能性中識別出最佳結(jié)果。

這種處理看起來也不像傳統(tǒng)軟件。它不是人類編寫的代碼。相反，它是大量的處理事件，通過檢查大量信息和結(jié)果來操作和學(xué)習(xí)。

和指數(shù)級挑戰(zhàn)

隨著過去十年中信息生成、信息處理和存儲的這種根本性轉(zhuǎn)變，數(shù)據(jù)中心架構(gòu)在同一時期發(fā)生了巨大變化也就不足為奇了。復(fù)制存儲、計算和通信元素以滿足需求的策略根本行不通。

數(shù)據(jù)量的爆炸式增長需要依賴分布式網(wǎng)絡(luò)的新存儲方法。無論計算速度有多快，都無法再使用中央處理器完成。相反，需要針對特定工作負(fù)載優(yōu)化的自定義處理元素。他們中的許多人，在海量分布式數(shù)據(jù)集上以同步的方式執(zhí)行不同的任務(wù)。溝通也大不相同。從性能（延遲）的角度來看，數(shù)據(jù)中心服務(wù)器機架中的離散網(wǎng)絡(luò)接口卡 （NIC） 和架頂式交換機等概念在數(shù)據(jù)中心內(nèi)移動數(shù)據(jù)不再有效。

數(shù)據(jù)中心復(fù)興

現(xiàn)在有些組織從大量數(shù)據(jù)中推斷情報是核心業(yè)務(wù)的一部分。這些公司引領(lǐng)了數(shù)據(jù)中心的復(fù)興。這些公司被稱為 超大規(guī)模企業(yè)， 重新定義了數(shù)據(jù)中心的架構(gòu)及其在社會中的地位。谷歌、亞馬遜、Facebook、微軟、阿里巴巴、百度和騰訊都是超大規(guī)模企業(yè)。

他們各自以自己的方式推進(jìn)了數(shù)據(jù)中心設(shè)計和信息處理的狀態(tài)。谷歌構(gòu)建了其張量處理單元（TPU），以提供運行AI算法的正確架構(gòu)。亞馬遜出于同樣的原因建立了AWS Trainium。事實上，幾乎所有的超大規(guī)模企業(yè)都在構(gòu)建定制芯片來為其數(shù)據(jù)中心提供動力。

數(shù)據(jù)中心的配置方式也在發(fā)生變化。內(nèi)存、存儲、處理能力和網(wǎng)絡(luò)帶寬等關(guān)鍵元素現(xiàn)在已池化。然后，可以根據(jù)特定工作負(fù)載的需求組合和部署這些資源，而不是在服務(wù)器中配置這些資源的正確組合。隨著工作負(fù)載的變化，數(shù)據(jù)中心的架構(gòu)也會發(fā)生變化。這種方法被稱為可組合數(shù)據(jù)中心。

數(shù)據(jù)中心的商業(yè)模式也發(fā)生了變化。雖然在現(xiàn)場，私人設(shè)施仍然相當(dāng)普遍，但建造和運營下一代設(shè)施的極端成本可能令人望而卻步。結(jié)果，那些能夠建造它們的人這樣做，他們也向那些不能建造它們的人出售能力。這就是云計算的誕生。這個過程類似于芯片制造的情況。許多公司擁有并經(jīng)營晶圓廠，直到成本變得令人望而卻步，技術(shù)變得非常復(fù)雜。在這一點上，出現(xiàn)了一些關(guān)鍵參與者，他們?yōu)槿魏涡枰娜颂峁┚A廠的能力。

以及更多挑戰(zhàn)

正如他們所說，魔鬼在細(xì)節(jié)中。數(shù)據(jù)中心的復(fù)興絕對是正確的。最終結(jié)果在范圍和影響上都非常壯觀。但是，實現(xiàn)所有這些功能會帶來一系列挑戰(zhàn)。

眾所周知，摩爾定律正在放緩。進(jìn)入下一個工藝節(jié)點無法獲得成功所需的性能、能源效率和成本降低。摩爾定律的擴(kuò)展優(yōu)勢仍然很重要，但其他策略也開始發(fā)揮作用。

摩爾定律的規(guī)模復(fù)雜性現(xiàn)在輔以一系列利用系統(tǒng)復(fù)雜性的策略。用于執(zhí)行特定 AI 算法的專用定制設(shè)備就是其中之一。TPU和Trainium就是這樣的例子。創(chuàng)建由芯片、密集存儲器或小芯片組成的多芯片設(shè)計到單個系統(tǒng)中的方法是另一個艱巨的挑戰(zhàn)。添加大量內(nèi)存作為 3D 堆棧并同步大型且高度復(fù)雜的軟件堆棧以在這些新架構(gòu)上運行也是如此。

公共云計算也高度重視安全性。在公共云數(shù)據(jù)中心中創(chuàng)建的信息和見解非常有價值。需要硬件和軟件系統(tǒng)來保護(hù)該信息的安全。

這個創(chuàng)新的新時代將摩爾定律的規(guī)模復(fù)雜性與利用系統(tǒng)復(fù)雜性的新方法相結(jié)合。我們稱之為SysMoore時代，它正在改變我們所知道的生活。

迎接系統(tǒng)摩爾時代的挑戰(zhàn)

馴服大型芯片和芯片系統(tǒng)的設(shè)計復(fù)雜性是成功的關(guān)鍵項目。將所有這些技術(shù)集成到一個統(tǒng)一的系統(tǒng)中的方法則是另一種。還需要強大的驗證、強大的安全性和可靠性，以及低能耗和值得信賴的預(yù)驗證構(gòu)建塊來源。

好消息是，Synopsys 全面專注于高性能計算和數(shù)據(jù)中心開發(fā)。我們?yōu)檎麄€過程提供端到端的解決方案，具有強大的設(shè)計優(yōu)化和生產(chǎn)力。我們的預(yù)驗證 IP 產(chǎn)品組合可滿足所有要求。我們甚至可以提供設(shè)計服務(wù)，幫助您建立下一個企業(yè)，在設(shè)計、實施和驗證EDA工具和方法方面擁有熟練的資源，以及在先進(jìn)技術(shù)節(jié)點中集成復(fù)雜的IP。

我們還可以向您展示如何在現(xiàn)場部署設(shè)計后監(jiān)控和優(yōu)化設(shè)計性能，并集成最新的光子學(xué)功能。

數(shù)據(jù)中心確實已經(jīng)走了很長一段路。它們不再只是一個實用程序。最先進(jìn)的設(shè)施產(chǎn)生的見解改善了我們的健康和安全，使我們的社會團(tuán)結(jié)在一起，甚至改善了地球的環(huán)境。他們現(xiàn)在確實是宇宙的中心。

審核編輯 黃宇