PCIe 6.0入门之什么是 PCIe 6.0

PCIE 6.0 (一)

⊙PCIE ⊙介绍

PCI Express® 6.0 (PCIe® 6.0) 规范由 PCI-SIG® 于 2022 年 1 月发布。最新一代的 PCIe 标准带来了许多激动人心的新功能，旨在提高计算密集型工作负载的性能，包括数据中心、 AI/ML 和 HPC 应用程序。

我们将持续几期为大家介绍PCIE 6.0协议

0****1

**###

什么是 PCIe 6.0

**

自 PCIe 3.0 以来，每一代新标准的数据速率都翻了一番。 PCIe 6.0 将数据速率提高到每秒 64 千兆传输 (GT/s)，是 PCIe 5.0 的两倍。 对于显卡和网卡典型的 x16 链路，链路带宽达到每秒 128 GB (GB/s)。 与前几代产品一样，PCIe 6.0 链路是全双工的，因此它可以同时在两个方向上提供 128 GB/s 的带宽，总带宽容量为 256 GB/s。

PCIe 除了已经广泛扩展到服务器和 PC 之外，其规模使其对物联网、汽车、医疗和其他领域以数据为中心的应用程序具有吸引力。 也就是说，PCIe 6.0 的初始部署将针对需要尽可能高带宽的应用程序，这些应用程序可以在数据中心的核心找到：AI/ML、HPC、网络和云图形。

下图显示了 PCIe 规范随时间的演变：

0****2

**## PCIe 6.0 有什么新功能

**

为实现 64 GT/s，PCIe 6.0 引入了新功能和创新：

1. PAM4 信令：

PCIe 1.0 到 5.0 使用不归零 (NRZ) 信号，每个时钟提供 1 位。 此外，PCIe 1.0 和 2.0 采用 8b/10b（八位/十位）编码，而 3.0 到 5.0 采用 128b/130b 编码。 相比之下，PCIe 6.0（以及即将推出的 7.0）使用脉冲幅度调制 4 级 (PAM4)，这是一种多级信号调制格式，每个时钟提供 2 位。

PCIe 6.0 使用 PAM4 信号（“四级脉冲幅度调制”），每个时钟周期将 2 位组合为 4 个幅度级别（00、01、10、11），与 PCIe 5.0 和前几代相比，它 使用 NRZ 调制，每个时钟周期 1 位和两个幅度级别 (0, 1)。

2.前向纠错（FEC）

权衡总是存在的，与 NRZ 相比，向 PAM4 信号编码的过渡引入了明显更高的误码率 (BER)。 这促使采用前向纠错 (FEC) 机制来缓解较高的错误率。 PCIe 6.0 FEC 足够轻，对延迟的影响最小。 它与强大的 CRC（循环冗余校验）结合使用，可将链路重试概率保持在 5×10^-6 以下。 这个新的 FEC 功能旨在将延迟时间缩短到 2ns 以下。

虽然 PAM4 信号更容易出错，但由于调制技术的性质，与 PCIe 5.0 相比，通道损耗不受影响，因此 PCB 上 PCIe 6.0 信号的范围将与 PCIe 5.0 相同。

3. FLIT 模式：

PCIe 6.0 引入了 FLIT 模式，在这种模式下，数据包以固定大小的流量控制单元组织，而不是过去几代 PCIe 中的可变大小。 引入 FLIT 模式的最初原因是纠错需要使用固定大小的数据包； 然而，FLIT 模式还简化了控制器级别的数据管理，并带来更高的带宽效率、更低的延迟和更小的控制器占用空间。 让我们花一分钟时间来解决带宽效率问题：对于固定大小的数据包，不再需要物理层的数据包成帧，这为每个数据包节省了 4 个字节。 FLIT 编码还消除了以前 PCIe 规范中的 128B/130B 编码和 DLLP（数据链路层数据包）开销，从而显着提高 TLP（事务层数据包）效率，尤其是对于较小的数据包。

4. PCIe 6.0的其他变化：

L0p 模式：使用较少的lane以节省电力

新的 PIPE 规范：用于 PHY 到控制器接口

PCIe 6.0 有趣的是降低了前几代的 x32 和 x12 接口宽度。 在 PCIe 5.0 和更早的规范中，这些宽度从未在市场上实现。

0****3

**## 为什么现在是 PCIe 6.0

**

2015 年之前，PCIe 在带宽方面远远领先于市场所需。 没有运行得更快的市场驱动力，因此规范的发展速度较慢。 2015年后，全球数据流量呈爆发式增长。 数据中心过渡到 100G 以太网（及以上）将瓶颈推向服务器和网络设备中的 PCIe 互连。

PCIe 6.0 规范完全支持数据中心向 800G 以太网的过渡：每秒 800 Gb (Gb/s) 需要 100 GB/s 的带宽，这在 x16 PCIe 6.0 链路的 128 GB/s 范围内； 800G 以太网与 PCIe 一样，是全双工的。 此外，数据中心通用计算和网络并不是 PCIe 6.0 背后的唯一驱动力。 AI/ML 加速器对更多带宽的需求永无止境。 处理 AI/ML 训练模型的关键在于速度，加速器移入移出数据的速度越快，训练的执行效率和成本效益就越高。