科技巨头：要么转向专用计算，要么灭亡

　　如果您像我一样在过去25年一直关注高科技的发展，您可能也感觉到其变化的速度正在日益加快。虽然我不是“Singularity”操作系统的铁杆粉丝，但显而易见，如果我们能在当今技术的基础上进一步开发新的技术，那么技术的更迭必将更快，这就像存款的复合式增长一样。佐证这个趋势的证据随处可见，Facebook和智能手机就是最好的例子。

　　5年前，Facebook的活跃用户仅为1亿，而今年这一数字已增长到11亿；仅仅7年时间，50％的美国家庭用上了智能手机，而基于PC的互联网获得同样的普及率则花费了11年。现在，智能手机和平板电脑等移动终端控制着包括PC、服务器、网络、存储、安全、软件以及服务在内的整个技术开发进程。

　　要想继续留在这条快速增长的轨道上，科技公司必须尽快采用全新的计算方式，即专用计算，也被称为“异构计算”。而对于那些不采用这种专用计算方式仍坚持同构计算的公司，我只能说：“祝你们好运”。

　　下面我来解释一下不同类型的计算方式。

　　同构计算定义

　　同构指的是相同的事物。数十年来，科技产业一直受益于同构带来的规模性和一致性。大多数同构计算是在通用CPU上进行的，而采用的操作系统可通过购买或经授权使用，如Windows系统。这仍然是当今PC和服务器的主流计算方式。

　　如果您不需要效率最大化和功耗最小化，或者如果您的首要任务是让产品抢先上市，那么同构计算仍旧非常适用。

　　异构计算定义

　　与同构计算相反的就是异构计算，或称专用计算，即不同种类的任务在不同专用处理器上运行。虽然任务或工作负荷有许多不同类型，但无论是办公、游戏、视频播放、照片过滤、数据库查询，还是网络数据包检查，在不同专用处理器上运行效果都更佳。

　　虽然处理器种类繁多，归纳起来包括以下几类：

　　CPU（中央处理单元）

　　GPU（图形处理单元）

　　DSP（数字信号处理器）

　　FPGA（现场可编程门阵列）

　　固定功能处理器（如：视频解码）

　　必须指出的是，采用多个不同尺寸或类型的CPU核心并不算是异构计算。

　　最后我想强调一下异构计算的复杂性。无论是基于异构计算的智能手机、平板电脑、PC还是服务器，这些异构计算平台在设计上都更加复杂，而且对硬件和软件的技术要求也更高，为了在适当的处理器上处理适当的任务，它们需要大量的软、硬件架构和开发时间来找到一种非常均衡的方式去完成这些任务。有些业内公司简化了处理过程，我将会在下一篇专栏文章中讲述这个问题。

　　接下来我想讨论的是在异构计算背景下，移动和服务器的未来。

　　智能手机和平板电脑计算

　　由于智能手机和平板电脑受到的限制条件最多，所以它们是最早采用异构计算的，在功能机发展的15年中，我们一直都努力在计算终端中使用满足续航能力要求但体积更小的电池，智能手机也是如此。

　　消费者想要自己的手机做更多事情，所以无论是游戏、扩增实境、更佳的图像处理，还是实时在线操作，对效率的要求都在不断提高。为满足这些需求，许多芯片和手机设计者都在转向专用计算。简单地说，智能手机的“芯片”或“SOC”（片上系统）包含多个专用的集成式处理核心，每个核心用于处理专门的任务，如通用计算、3D、视频播放、视频拍摄、摄像头、音乐、手势、传感器以及无线连接（例如WiFi和4G）。只有通过这种专用计算方法，手机生产商才能在保证高效率水平的同时实现功能多样化。这并不容易。

　　正如我前面提到的，专用计算需要特别调校的硬件和软件以实现效率和性能的最大化。每个子系统不仅要保持良好的独立运行，还要实现好的“团队协作”。手机需要知道将什么任务迅速分配给哪个子系统，否则就失去了专用计算的优势。因此，在同等条件下，专用计算的软、硬件构架更难。

　　美国高通公司投入了大量时间、精力和金钱去研发一系列专用处理器和软件。他们已在“Krait”CPU、“Adreno”GPU、“Hexagon”DSP、摄像头、视频、传感器核心、“Atheros”WiFi芯片 、“Gobi”调制解调器以及其他核心上的研发上投入了数十亿美元。苹果公司（Apple）虽然没有公开表示，不过其已在OpenCL GPU加速软件上投入巨资，用于强化照片和视频体验。现在，我们来看看服务器。

　　服务器计算

　　过去10年，在虚拟化整合的推动下，使用Windows和Linux系统的企业的主流服务器一直采用同构服务器计算。简而言之，这意味着服务器的工作量会从许多老旧的服务器转移到数量较少的基于X86的新服务器。而虚拟化软件能够让不同操作系统和应用程序在同一台服务器上共同工作。虚拟化节省了资金，对企业IT有重要意义，但对未来的云工作量或“横向扩展（scale-out）”数据中心（如谷歌、Facebook和微软）来说意义并不大。

　　横向扩展（scale-out）数据中心供应商需要每个数据中心每平方英尺面积内的每个工作量都实现效率最大化，而这只有通过专用运算而非同构计算才能实现。不改变服务器的计算方法根本无法满足未来数据中心的需求。因为根本没有足够的功率和实体空间来构建足够多的数据中心，也难以在经济上满足这些需求。横向扩展数据中心和技术供应商已开始采用一些不同的方法来解决这一问题。

　　惠普采用的方法是在其Moonshot平台上集成CPU（AMD、AppliedMicro、Calxeda、英特尔和德州仪器）、GPU（AMD）、DSP（德州仪器）以及FPGA（SRC）。英伟达在过去8年也一直在进行CUDA平台的GPU计算，并专注于高性能计算（HPC）。

　　虽然数据中心远远落后于智能手机和平板电脑，但它也必须转向异构计算。

　　物联网（IoT）的未来走向

　　和许多人一样，我相信，未来数以十亿的终端不仅将相互连接，还将与人、网关和/或云端连接。比如数百万的空调（A/C）将可以相互沟通，以最大化能源效率，还有“超级”FitBit计录器将会告诉我们下周可能有中风的风险。当然，未来肯定仍会有智能手机、平板电脑、PC、可穿戴设备和电视等个人计算设备，但最大的变化和挑战将来自于这数十亿终端，以及人们将如何通过网关和云端来在它们之间进行相互管理。

　　物联网（IoT）和“万物联网”（IoE）对于电池续航时间的要求比智能手机更高，行业要实现这些愿景，就必须进一步推动异构计算。我相信那些引领异构计算的公司在物联网方面将会有战术优势。

　　总结

　　虽然智能手机、平板电脑、服务器以及未来的物联网看似天壤之别，但它们都需要通过专用或异构计算来充分发挥其潜力。基于低功耗的需求，智能手机和平板电脑要比PC和服务器更先采用异构计算，但PC和服务器在这方面也正以极快的速度增长和发展。

　　在所有这些市场中，我们面临的最大挑战是发展的速度不够快，特别是在操作系统和应用开发环境方面。针对异构计算开发应用是非常困难的。如果希望保持增长水平，高新技术企业和相关联盟就必须齐心协力、共同发展。

　　虽然目前还不十分清楚专用计算的未来发展路径如何，但有一件事是肯定的——不采用专用计算（或异构计算）的企业必将落伍。