自 1999 年 Nvidia 发布 Geforce 256 图形芯片开始，人们就定义了 GPU，这也使得计算机能够渲染出更加饱满的图像，带给人们绝佳的观赏体验。不过归根结底，GPU 只是一块插在 PCI-E 上的加速卡，用于处理复杂且工作量极大的任务。
在人工智能、计算机视觉、数据挖掘等技术驱动的今天，计算资源不足成为诸多企业老大难的问题。诚然，多买两台服务器或许能解决问题，可随之而来的不仅仅是采购成本的提升，还有与之对应的维护运营费用。此外，对于一些存在季节性压力变化的企业，如电商，购买大量的服务器以支撑需求显然不是一个聪明的办法。
GPU 是一个成熟的产业形态，不过 GPU 模式或许可以成为突破点。事实上就有这样一家公司，根据他们的说法：要成为服务器领域的”GPU“，利用架设于 PCI-E 接口上的芯片，为复杂且计算量大的任务单独开设一条高速公路，从而使得整体运算效率提高百倍，这家公司就是中科驭数。
以”百倍“加速解决行业痛点
中科驭数成立于 2018 年 4 月，主要业务为各类计算密集型的应用研发专用计算架构，包括芯片、FPGA 实现、支撑软件、SDK。能够实现这些业务的原理，则来自于由中科驭数所定义的协处理器——”KPU“。
图丨中科驭数创始人兼 CEO 鄢贵海(图源：2018 中国计算机大会)
”KPU“是专为加速特定领域核心功能计算而设计的一种协处理器。根据中科驭数的规划，KPU 以功能核作为基本单元，直接对计算密集型应用进行抽象和高层综合，实现以应用为中心的架构”定制“。一颗 KPU 根据需求可以集成数十至数百个功能核。在运行机制上，采用”数据驱动并行计算“的架构，运行过程中通过数据流来激活不同的功能核进行相应计算。
这一理念和 GPU 的运行机制如出一辙，都是为了解决来自于冯·诺伊曼结构上会对数据缓存进行批量处理，从而导致了无法短时间内处理大量复杂任务。但是”KPU“同样也牵扯出很多问题，它和 GPU 的差别在哪？
中科驭数表示，KPU 最为独特的地方在于其定制化的功能核，相反 GPU 和 CPU 采用的均是大规模同质化的核心。KPU 通过数据驱动计算的方式，可以在实现大规模计算并行的同时，运行多指令多数据处理模式。
此外，中科驭数进一步指出，这种方式也不同于 FPGA 在电路层改造。KPU 的核心技术在功能核层，即企业以编译器形式设计了内置的功能核。因此让硬件实现了统一，降低了规模限制的硬件成本和设计周期。还能通过软件编程实现同功能的计算，特定需求只需要增删功能核的种类和数量即可。
总的来看，中科驭数的 KPU 可以兼顾性能和敏捷，然而其是否能够解决问题，还需要从实际角度出发。
图丨中科驭数 LOGO，释放数据的威力(图源：中科驭数官方网站)
在数据中心，IT 设备的能耗往往占据了整体能耗的 50%，一个服务器 CPU 典型的峰值功耗为 80 到 160W，一个 32G 内存的典型操作功耗为 6 到 12W，单碟硬盘的工作功耗约为 10W。这样的能耗分配就使得资源利用率会出现巨大的差异，如 3GB 内存、60%CPU 使用率和 4GB 内存、55%CPU 使用率的性能是几乎一样的，然而前者的能耗却比后者高了 5%。
在资源隔离的情况下，一种资源占用过多便会导致其他应用程序由于该资源无法满足而不能分配到本服务器上，从而导致服务器的低利用率和低吞吐量。事实上也存在着一些调度算法，不过这些调度算法普遍是基于假象模型的，放到真实的系统之中，往往是洋相百出。
另一方面，现有的资源管理欠缺合理的保障机制，其体现在云用户任务的平均响应时间无法降低到合理程度。于是运营商的做法通常是为了在规定时间内响应，只能提供质量较低的服务。服务质量又称 QoS，有着严格的定义，除了 E-Mail 或者一些 Web 应用外，大多数应用都需要遵循该保障机制，但是添加这种机制往往需要运营商采购大量的服务器，再加上设备运营成本的提升，最终形成了低营业利润的局面。
为了实现等效资源配置，一些数据中心会让多个应用共享同一台物理主机。然而这种做法有利有弊，利在于服务器的各种资源配置间存在等效替换的特性，从而提高单个应用程序的能效比，弊在于物理主机提供的是通用解决办法，并不是真正意义上针对该应用提供更好的发挥空间。它只是缓解了 QoS 保障机制欠缺的响应问题，不等于解决了问题。
上文提到，中科驭数的解决办法中包含支撑软件和 SDK，该企业会提供基于业务需求的软件办法，配合 KPU 芯片实现一体化的降本增效，对应了服务器资源分配不均的问题。中科驭数 CEO 鄢贵海表示，这种 KPU 在处理对应业务的时候能使整个服务器的运作效率提高「一百倍」。
这句话虽然很像是吹牛，不过考虑到计算资源合理再分配以及物理硬件提供的额外高速通道的情况下，理论上一百倍，甚至两百倍都是可行的。也就是说，一块完全对应运营商业务需求的 KPU，在不以实际业务形态为基础的假想状态下，相当于额外购买了一百台服务器。同时，一块 KPU 单卡的功耗只有 40W 左右。
鄢贵海说，计算资源不是谁最多谁就有用，可以把资源理解为一种运输，火车比轮船跑得快，但是没有铁路只有海，那么就应该选择轮船。同理，Nvidia 的 Tesla 能够提供大量的计算资源，然而对于特定任务来说，KPU 效果却远超于通用性更强的 Tesla，这也是中科驭数为什么要对症下药的原因。
目前，中科驭数开发一块 KPU 需要半年左右的时间，最多不超过 8 个月。原因在于芯片生产商需要按批次来代工生产，如果刚流片完的时间没有对上生产批次的时间表，那么就延迟 1 到 2 个月来等待下一批次生产。
当然，服务器所需要面对的问题远不止资源分配那么简单，还有广域性、高复杂度、网络不可靠性、带宽限制等制约条件所带来的搜索问题等等。
好的产品需要好的商业模式
一般来讲，传统芯片商的商业模式都是买断制，其产品通用性和以铺量为主的销售策略不适用于中科驭数这类面向垂直领域的芯片商。由此一来，以客户为出发点，采用多种销售模式组合的商业模式则更为有效。
需要考虑的是，一旦中科驭数规模做大，意味着他们要花费更多的精力投入到产品运维之中，尤其是底层软件和库的更新，毕竟不同领域客户所需要的库是截然不同的。
截至今天，中科驭数的客户已经覆盖了金融、智慧城市、零售、通信、基因检测领域，未来还将面向区块链等需要实时处理大规模任务量的行业。
中科驭数成立只有一年时间，而对于鄢贵海来说，这个想法早在 2005 年他参加”973“项目时就已被点燃。”973“项目是我国国家重点基础研究发展计划，包含能源、农业、信息、资源、健康等多个领域，且囊括了科学前沿和技术交叉。
从最早的如何延长摩尔定律的失效时间，到高通量计算系统的构建原理，这些课题已经融化在了中科驭数的基因之中。从市场来看，数据爆发式增长的确为服务器带来了难解的问题。通过算力提升，尽管可以解决眼下的烦恼，但算力不是平白无故就可以升级到下一个世代的。CPU、GPU 厂商科研投入，延长新产品上市周期、保留旧产品销售寿命等多元化的原因，造就了企业需要花费高额预算才能保证自己业务的正常运作。
根据鄢贵海的说法，中科驭数预计从今年开始就会陆续有营收。团队也会在今年完成较大的团队规模扩张，包括研发团队、商务团队。
中科驭数的团队绝大多数是来自于中国科学院计算机研究所，如鄢贵海和芯片架构副总裁卢文岩、常务副总裁李佳军等人均为计算机研究所博士，应用研发总监江叔浩为计算机研究所博士生。
这样一支中科院”梦之队“，加上一个刚好切中行业痛点的产品，或许能为服务器这个传统领域带来年轻、独特却又实用的新声音。
-End-
DeepTech 招聘 : 科技编辑/记者，实习生
坐标：北京·国贸
联系方式：hr@mittrchina.com
请随简历附上3篇往期作品(实习生除外)
3万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
