理工酷

2021年07月08日发布

概览摘要

后摩尔定律时代，数据中心如何打破算力瓶颈

自2015年起，CPU频率趋于稳定。数据中心提升算力的边际成本显著提高。然而，应用的激增使得当代数据中心中的网络流量以每年25%的速度急剧增长。为了适应这种巨大的流量增长，数据中心网络向高带宽和新型传输体系发展，其网络传输速率迈向100Gbps，且快速向200Gbps与400Gbps发展。数据中心算力提升遭遇瓶颈，难以匹配快速增长的网络传输速率，激发了数据处理器需求。此外，CPU适合于处理串行的复杂指令操作，对大量并行的固定模式的计算并不适用，例如网络传输的协议栈（TCP/IP）。数据处理器的出现一方面更好地执行网络传输的协议栈，提升传输效率，另一方面也可以降低CPU负荷，让CPU更有效地处理业务数据。

英伟达、英特尔以及博通均推出了多款产品，数据的传输速率以及存储的读写速率分别达到40Gbps以及32Gbps。中国本土数据处理器企业起步较晚，数据的传输速率以及存储的读写速率分别为10Gbps与8Gbps，与国际头部厂商有着1-2代的技术差距

01国际芯片巨头领先中国本土企业1-2代

云计算厂商在裸金属服务器中安装数据处理器，用于处理报文的封装、解封装与转发。数据处理器可替代网关服务器处理裸报文，既不会占用裸金属服务器的CPU核，亦可降低云计算厂商购买网关服务器的成本

02裸金属服务器是数据处理器在云计算领域的刚需

2020年，英伟达在中国共出售了1百万张网卡，其中仅有1,000张数据处理器，渗透率不足千分之一。提升渗透率有两条思路：（1）降本，数据处理器售价降到3,000元左右；（2）提升性能，节省CPU核数数量超过10，则节省的硬件成本超过9,000元，数据处理器的经济价值才得以体现