关于Azure的一点事 - 深度解读：收购Altera，英特尔图个什么

　　关于Azure的一点事

　　微软前些年已经给出了两个利用FPGA加速的工作负载的细节，这也算为Altera和Xilinx传播了“福音”。下图是微软给出的各种器件的比较，横轴为处理器个数，纵轴为能效。

　　

　　可以看到，在芯片上能效和计算功能的特殊性之间有不断的相互影响。其中处理器的更加灵活，DSP和定制ASIC的效率则更高一点（GPU没出现在微软的这张图上），而FPGA则处在通用CPU和定制ASIC之间。而在现实世界中，一些芯片开始会使用FPGA进行开发，等产品开发成熟后，在大批量地生产ASIC，这样在节省了成本的同时也增加了性能。

　　去年九月，微软在Hot Chips26会议透露其已经在FPGA加速上试验了三年，并且提出了一个用于其开放云服务（Open Cloud Server）的设计方案，目前这已经成为了开放计算项目（Open Compute Project）的一部分。为了其称为Catapult的系统，微软选择了Altera Stratix V D5 FPGA，并将其放到了其开放云计算服务器的节点夹层卡中。

微软开放云计算服务器的节点夹层卡

　　该硬件首先被用来加速Bing搜索的页面排序功能。微软检查了系统中的1632个服务器节点后发现，安装有一个FPGA的节点运行排序软件的延迟比没有FPGA的节点的延迟低29%，数据吞吐量达到了原来的两倍，而服务器节点的成本只上升了30%，每台服务器的功耗也只增加了25W。今年，这种基于FPGA的Bing页面排序将会开始大范围部署。

　　用于图像识别的机器学习技术是近日NVIDIA主办的GPU技术大会的热点话题，该公司CEO黄仁勋展示了未来的Pascal GPU协处理器，其与x86处理器进行了结合，运行基于CNN的图像识别应用，将会比现有的Maxwell协处理器的处理性能高出10倍以上。这两个系统都采用了流行的ImageNet图像数据库。

　　今年二月份，微软放出了一份白皮书，其中解释了微软将怎样使用这种系统的定制版本来为复杂的神经网络（CNN）的图像识别应用加速。微软测试了Altera Stratix V D5 FPGA，但计划切换为Arria 10 FPGA，其芯片上的专用模块能实现1.5万亿次单精度浮点运算。下表是为什么微软会用FPGA实现图像处理的要点。