RISC-V开源、可定制的性质为工程师提供了大量资源和灵活性,所以在初创公司中非常受欢迎,包括那些冒险进入数据中心市场的公司,例如前几天EDN报道过的《加州初创公司Esperanto推出千核 RISC-V ET-SoC-1》,该芯片利用 RISC-V 创建了一个定制的 1,000 多个核心系统,专门用于数据中心推理。
对定制计算平台日益增长的需求为 RISC-V 进军 HPC 奠定了良好的基础。RISC-V 进化的下一步是一个非常雄心勃勃的步骤:为高性能计算 (HPC) 开发 RISC-V。
RISC-V组织宣布,希望将影响力扩展到数据中心领域,重点关注包括机器学习在内的应用。
最近成立了一个RISC-V 高性能计算特别兴趣小组 (SIG-HPC)。在该组织的网站上,SIG-HPC 的目标是在其 ISA 上启用包括天气预报、计算流体动力学、材料科学等在内的应用。
为了做到这一点,该小组正在启动新的计划,例如将HPC软件生态系统映射到RISC-V。
目前,RISC-V SIG-HPC 由 141 名成员以及10名活跃的研究、学术和来自各种组织的工业成员组成。
6月份的时候,《Intel欲20亿美元并购SiFive》,有人认为英特尔此举是应对英伟达试图收购 Arm。
不过SiFive的CEO James Prior则表示,“在未来五年内看到端到端的RISC-V数据中心的概率不大。”
但他同时认为,定制加速器肯定有很大的机会可以超越 Arm,特别是在软件、工具和支持方面。
事实上,SiFive将AI视为一种特洛伊木马,可以大量进入数据中心。他们开发了一些定制IP,客户可以使用这些IP来构建他们自己的加速器,这种方法符合 SiFive对数据中心转向更多专用而不是通用的观点。
从历史上看,HPC 需要两种主要信息处理方法的协作:串行和并行。
串行处理单元通常由 CPU 内核组成,以处理诸如操作系统和非常基本的应用程序之类的通用任务。并行处理单元往往由多个CPU或GPU组成,它们通过高带宽互连与内存模块聚集在一起构成集群。
近年来,HPC 的两大趋势是增加了对加速器和异构平台的使用。
图:NVIDIA的 Jetson Xavier NX 是一个异构平台。图片来源: NVIDIA
加速器最近发现了巨大的价值,因为像ML这样的应用,其工作负载由ASIC来处理比GPU或CPU更好。对ASIC的依赖反过来又导致了异构计算的兴起:将CPU、GPU和加速器结合起来的计算架构。
x86也是从简单的微架构扩展到复杂的多核,Arm也从小变为无处不在,并进军数据中心(《性能如此强悍的服务器CPU对Arm意味着什么?》)。RISC-V进入数据中心的日子,5年够吗?