HPC超算产业：DPU vs GPU一决高下，谁会成为超算时代的“英伟达”？谁能与华为两分天下
文摘
财经
2024-08-11 19:59
中国香港
研究英伟达的财报发现80%的收入增长都来自于DC数据中心。目前AI处于训练和推理的训练阶段，主要以数据中心的算力卡的建设为主。既然数据中心在AI产业里面如此重要，如何提升数据中心的效率、降低成本成为未来算力产业要考虑的方向。在这种算力的发展方向牵引之下，出现了很多的不同演进方向机会。比如谷歌的TPU、海光的DCU、基于FPGA的AI定制芯片、基于网络计算的NPU、基于数据的DPU等。目标都是是实现极致的算力，极致的功耗。毕竟数据中心的电费开支也是很大一笔费用。目前在DPU领域的玩家众多，雨后春笋。毕竟数据中心，最重要的是瞄准数据的处理。所以这一篇文章主要介绍一下DPU的发展趋势。
一、究竟什么是 DPU ？它和我们熟悉的 CPU 、 GPU 有什么区别？DPU（数据处理单元，Data Processing Unit）是一种新型的可编程处理器，专门用于数据中心的数据处理任务。 DPU 将成为未来计算的三大支柱之一，未来的数据中心标配是‘ CPU + DPU + GPU ’。CPU 用于通用计算，GPU 用于加速计算，DPU 则进行数据处理。DPU的主要特点有三个。第一个是系统级芯片（SoC），DPU通常是一个系统级芯片，集成了多核CPU、高性能网络接口和可编程加速引擎。第二个是数据处理，DPU负责处理数据传输、网络协议、存储管理和安全加密等任务，从而减轻CPU的负担。第三个是虚拟化支持，DPU在虚拟化环境中表现出色，能够高效处理虚拟机和容器的网络和存储需求。DPU的主要应用场景是三个。第一个是数据中心，DPU主要用于数据中心，提升计算效率，减少能耗。第二个是云计算，在云计算环境中，DPU可以加速数据处理，优化资源分配。第三个是网络安全，DPU可以处理复杂的加密和解密任务，增强系统的安全性。DPU的出现和发展，标志着计算架构的进一步演进，特别是在大规模数据处理和高性能计算领域。GPU和DPU各领风骚。GPU很好的解决了算力瓶颈的问题，但仅是针对于单机的，再面向更为广泛的数据中心，特别是对于安全和性能隔离时，该如何解决？就需要DPU出马了。DPU是面向数据中心的基础架构的处理器。从某种角度而言，DPU的出现很好地释放了CPU、GPU的资源，在英伟达眼中，它的出现为以数据为中心的新计算架构带来不同的思路。由DPU执行通信框架、存储框架、安全框架和业务隔离，将CPU、GPU算力资源“解压”给应用，让性能得到更优的释放。有了DPU以后，把通信和计算重叠起来，这样可以通过DPU来加速HPC业务中的通信，让CPU与GPU执行真正的浮点计算。DPU的出现弥补了在数据中心中对于基础服务加速能力的不足，实现了3U一体的新型数据中心架构，让数据中心成为新的计算单元，这也是一个必然的架构。计算机普遍采用著名的冯诺依曼架构。冯诺依曼架构是一个以计算和存储为核心的架构，CPU 作为处理器单元，负责完成各种算术和逻辑计算。而内存（运存）和硬盘（外部存储），负责存储数据，与 CPU 交互。除了 CPU 、内存和硬盘之外，就是键盘、显示器这样的输入和输出设备。随着时间的推移，后来，我们有了鼠标，又有了显卡、网卡。最终，形成了现在大家看到的电脑的基本构造。有了显卡，就有了 GPU（Graphics Processing Unit），图形处理器。大家都玩过游戏，很明白，正是游戏、 3D 设计等多媒体图形软件的高速发展，要处理的工作量越来越大，也越来越复杂，CPU 实在忙不过来，所以就有了专门进行图像和图形相关运算工作的 GPU ，分担 CPU 的压力。DPU 的出现，道理也是一样的。同样是因为 CPU 难以负担一些复杂的计算，所以需要进行任务分工。二、DPU 到底算些什么
DPU 分担的工作可以归纳为四个关键词，分别是虚拟化、网络、存储以及安全。DPU 是一个紧密围绕数据中心的概念。也就是说，它主要用于数据中心这种大规模算力场景，而非我们每个人的台式机、笔记本电脑或手机。DPU 服务于云计算。主要作用是提升数据中心等算力基础设施的效率，减少能耗浪费，进而降低成本。以网络为例。在数据中心里，时时刻刻都有大量的数据在进行传输。主机在收发数据时，需要进行海量的网络协议处理。根据传统的计算架构，这些协议处理都是由 CPU 完成的。如果想要线速处理 10G 的网络，需要的⼤约 4 个 Xeon CPU 的核。仅仅是进行⽹络数据包的处理，就要占用⼀个 8 核高端CPU⼀半的算力。现在数据中心网络不断升级，从 10G 到 40G 、 100G ，甚至 400G、800G 高速网络，这些性能开销如何承受？这些开销如此之大，以至于被称为“ Datacenter Tax（数据中心税）”。业务程序尚未运行，仅是接入网络数据，就消耗了这么多算力资源，这是无法忍受的。所以，就有公司提出了 SmartNIC （智能网卡）的概念，将网络协议处理的工作从 CPU “卸载”到网卡上，以此分担 CPU 的负载。2015 年，云计算厂商 AWS 率先开始探索这种 SmartNIC 模式。他们收购了芯片厂商 Annapurna Labs ，并于 2017 年正式推出 Nitro 系统。同年，阿里云也官宣了有类似功能的神龙（ X-Dragon ）架构。2019 年 3 月，英伟达花费 69 亿美元收购了以色列芯片公司 Mellanox 。英伟达将 Mellanox 的 ConnectX 系列高速网卡技术与自己的已有技术相结合，于 2020 年正式推出了两款 DPU 产品：BlueField-2 DPU 和 BlueField-2X DPU 。这些能力成为了英伟达构建算力集群网络的核心能力。从此，DPU 这个概念正式进入了公众视野。2020 年，也被称为 DPU 元年。正因为 DPU 和 SmartNIC 有这样的渊源，所以，人们普遍将 DPU 视为 SmartNIC 的扩展升级版。DPU 在 SmartNIC 的基础上，将存储、安全和虚拟化等工作负载也从 CPU 卸载到自己身上。以 VMWare 为代表的虚拟化技术刚刚出现的时候，完全是由软件进行模拟的，缺乏硬件的支持，性能很差，几乎难以使用。后来随着技术的演进，CPU 和内存的硬件虚拟化问题逐渐解决，才让虚拟化系统的性能有了大幅的提升，也激活了这项技术的发展前景和价值。我们现在的整个云计算架构，都是基于虚拟化技术发展起来的。
