《2023年计算机架构未来面临的挑战范文.docx》由会员分享，可在线阅读，更多相关《2023年计算机架构未来面临的挑战范文.docx（12页珍藏版）》请在金锄头文库上搜索。
1、2023计算机架构未来面临的挑战计算机架构将来面临的挑战过去10年，许多计算机体系结构探讨学者都在感慨体系结构的探讨步履维艰，计算机架构将来面临的挑战，又会有哪些呢，我们一起来看看!专用化的鸿沟：硬件设计群众化为了持续计算机工业创新的荣耀历史，开发硬件必需像开发软件一样简洁、廉价和敏捷。广泛和新兴的看法始终认为，经典的CMOS工艺缩放路途基于晶体管越来越小、集成度越来越高的摩尔定律的技术引擎将在不到3代半导体工艺(69年)之后面临终结。而且，登纳德缩放随着CMOS的集成度提高但能够使每个芯片的功耗保持不变的技术趋势也将在21世纪中叶终结，这将导致处理器设计的巨大变革：运算能效已经取代面积效率或
2、峰值逻辑门开关，成为最重要的一项限制峰值性能的设计约束。从近期工业界的动向中可以窥见到经典工艺缩放路途即将到来的后果。例如，英特尔已经放弃了长期奉行的“工艺年-构架年(tick-tock)开发模式，从原先每代工艺推出两款主要芯片设计，现已改为三款。这个变更意在通过维系“苟延残喘的摩尔定律从而延长每代产品的市场寿命。更有甚者，美国半导体行业协会(Semiconductor Industry Association)也已放弃维持了数十年、每两年更新一次的国际半导体技术路途图(International Technology Roadmap for Semiconductors, ITRS)的老传统
3、，这一技术文档为整个半导体产业界协调技术、制造与系统开发供应了指导。由于没有明确的方向维系缩放路途，ITRS的价值也在渐渐衰退。然而，新应用的不断涌现，对计算实力的需求在日益增长。其中最突出的就是那些由大规模机器学习所驱动的、从前不可思议的应用：从图像和语音识别到无人驾驶汽车，再到击败围棋顶尖高手。同样可以看到对视觉数据处理和理解的需求的爆发式增长，有些前瞻性应用或许要求为世界上每个人供应每秒千兆像素级的运算实力。过往计算技术的进步主要来源于对通用计算设计的巨大投入，而这些设计依靠于经典的缩放路途，并且完全由少数几家处理器制造商完成。得益于这些通用设计的计算机应用综合市场的浩大体量，足以分摊这
4、些厂商的大量投入。随着传统缩放路途的衰落，只通过改进少数通用计算平台将无法接着满意新兴应用对计算性能的需求。相反，在过去的510年里，在一些计算密集型应用领域，一种新的性能优化手段策略已经兴起专用硬件设计。与在通用处理芯片上运行软件的方案相比，专用硬件方案(如专用集成电路)单位操作上可提高能效10000倍。此能效的提升对于新兴的物联网的丰富应用是至关重要的。专用化已经在图形渲染和视频播放等方面取得了巨大胜利。机器学习应用也起先取得商业胜利。事实上，计算机体系结构领域的科研人员已经相识到专用化的重要性并投身其探讨：2023年体系结构领域三大顶级会议(ISCA、HPCA、MICRO)共收录论文17
5、5篇，其中38篇是关于图形处理器(GPU)和专用加速器设计的，还有17篇是关于机器学习专用化设计的。然而，迄今为止，专用设计的商业化的胜利，只限于拥有巨大市场的应用(例如视频嬉戏、移动视频播放等)，值得像通用处理器厂商那样投资。以上市时间和金钱来衡量，设计和制造专用硬件的本钱极高，只有极少数的设计可以在这样巨大的市场逐步摊销。为了接着有效创新的周期，关键是解除专用系统设计的障碍，从而在全部应用中体现出专用化在能效方面的优势。我们的愿景是“群众化硬件设计，也就是让硬件设计变得像软件设计那样灵敏、廉价和开放。软件开发团队可以利用丰富的、拥有现成的可重用部件的生态系统(通常是免费和开源的)，运用高级
6、语言加速提高单个开发者的实力，并依靠强大和自动化的程序分析、综合、测试和调试来保证品质。尽管经过了几十年的投入，计算机协助设计仍未能到达一个小开发团队即可进行硬件设计的水平。硬件系统设计者须要更好的工具，提高在硬件描述方面的实力，更快的性能评估手段，更灵敏的原型化方法和更严谨的软/硬件协同设计验证方法。工具链要成熟，可以跨越多个硬件层次，从通用可编程处理核到大规模可编程逻辑阵列、可编程加速器以及专用集成电路，从而能够轻易实现重定位。更好的抽象描述对于硬件的组件化和可重用是必需的，这些抽象可以是以可综合的学问产权(IP)模块的形式，甚至可以是以物理芯片或芯片组的形式存在，在制造时可廉价地集成到系
7、统中。对于体系结构领域的探讨者来说，这是一次努力弥补通用和专用系统之间的鸿沟的时机，并开发出一系列工具和框架平台，使群众化硬件设计成为现实。云计算是对体系结构创新的抽象利用规模化和虚拟化技术，云计算供应商可以透亮和低本钱地供应硬件创新，即使最小的客户也是如此。云计算对传统商业模式的颠覆已被广泛认可。云计算能够促使新兴企业的规模开展远快于传统的根底设施投资。新产品的用户可以在短短几天时间内从几百个增长到几百万个，2023年7月快速风行全球的 嬉戏“口袋妖怪(Pokemon Go)就是很好的例证。但是，云计算也打破了传统财宝500强的商业模式，因为以前拥有自己的IT根底设施的企业实现了出租云资源带
8、来的本钱收益。云计算供应商利用规模化不仅是为了自身业务，也是为了投资IT的客户的利益。因此，这些供应商往往会觉察，进行巨大的、非重复性的工程投资是合算的，例如，在内部开发全新的软件和硬件系统，而不依靠第三方产品供应商。我们起先看到出现了使得云计算实现前所未有的性能的专用计算机架构。无论是高端的超级计算机，还是商业的云端产品，GPU变得无处不在。微软公司公开披露了Catapult项目，该项目致力于整合现场可编程门阵列(FPGA)以促进其数据中心的计算专用化。Cavium公司已经发布了一个互联网效劳应用的专用架构ThunderX。谷歌公司公布了张量处理器TPU，这是一个面对机器学习应用的专用协处理
9、器。上述项目说明，已经有许多经济缘由促使云计算供应商投资专用计算机架构。对学术界的计算机体系结构探讨者来说，现在是抓住这个机遇并展示跨层专用化愿景的时机。例如，专用集成电路云(ASIC Clouds)项目展示了如何协同开发大量高度专用的处理器，从而让关键应用得到明显加速。云计算模型的其次个关键优势是虚拟化。虚拟化这类技术将新的硬件和软件创新透亮地引入现有的软件系统。虚拟化使得云供应商可以为了更快、更廉价的技术替换处理器、存储器和网络部件，而不必与消费者沟通协调。虚拟化也促成了资源的超额认购在消费者对特定资源的需求具有时变、碎片化特征的状况下，在消费者之间进行透亮的资源共享。超额订购对云计算的本
10、钱结构很重要，和单独的消费者购置专属资源比较，它使得云供应商以极低的价格供应IT资源。学术界的计算机体系结构探讨长期以来对实现虚拟化起到重要作用，例如威睿(VMWare)这个最被认可的虚拟化技术供应商，就是从一个高校探讨安排发起的。学术界的体系结构探讨者必需接着在开发虚拟化技术中扮演关键角色，来缩短虚拟化性能与裸机性能之间的差距。此外，体系结构探讨者必需开发新型的虚拟化抽象，从而实现对专用硬件单元，比方Catapult、TPU和ASIC Clouds等的透亮运用和超额订购。垂直化趋势三维(3D)集成供应了一个新的可扩展维度。摩尔定律终结的重要后果是使得芯片设计师再也不能“无偿地每18个月将自己
11、设计中的晶体管数量提高一倍。与此同时，最近几代芯片中，相对于计算，驱动全局总线开销的增长很快，因此不断提升了互联在芯片功耗预算中所占比例。3D集成为芯片设计供应了一个新的扩展维度，尽管摩尔定律终结了，仍旧可以在一个单系统上集成更多的晶体管，可以从3个维度缩减互联开销，并实现各种混合制造技术的紧密集成。因此，3D集成使3D结构内部的系统组件具有更高的能效、更宽的带宽和更低的延迟。从架构上来讲，3D集成也说明平衡系统的计算必需尽量靠近数据。尽管闪存和其他内存设备早已通过3D方式进行容量扩展，但将内存设备与高性能逻辑集成的尝试才刚刚起先。例如，美光(Micron)公司推出的混合内存立方体(Hybri
12、d Memory Cube)，实现了快速逻辑和密度内存的3D堆叠，为学术界重新刮起“近数据计算(near-data computing, NDC)和“内存处理(processing-in-memory, PIM)架构的学术探讨风潮。尽管这个探讨问题早在20年前已相当流行，但受限于当时的工艺技术，PIM架构并没有进一步实现商业应用。近几年，随着好用芯片堆叠和多技术垂直集成技术的出现，这些架构成为提升扩展性的有效途径。尽管3D集成为芯片设计给予了新实力，但同时也在实现高牢靠性和高收益方面提出很多困难的新挑战，其中高牢靠性和高收益可以通过架构支持解决。比方，3D集成内存启发我们重新思索传统内存和存储
13、架构。3D集成也对功率和温度管理引入了全新的问题，这是由于传统的散热技术缺乏以应对高性能集成设计带来的功率密度提升。这些问题和挑战开启了全新的、丰富的体系架构创新的可能性。体系结构“更接近物理层经典缩放定律的终结，给计算机底层架构带来更多的本质改变。新的器件技术和电路设计技术历来引发新结构的产生。将来有假设干可能的状况给计算机体系结构带来深远的影响。这些状况分为两大类。第一类是通过更有效的信息编码，更接近模拟信号，来更好地利用目前的材料和器件。对模拟计算的关注再次兴起，因为它很适合须要限制精确度的应用。而且和数字信息处理相比，模拟信息处理通过把信息更密集地映射到模拟信号上，以及更高效的功能单元
14、，能够保证功耗更低。然而，这类计算更易受到噪声影响，须要有新的容错方法才能实际应用。其次类时机是“新材料的运用，包括更高效的交换、更密集的布局和独特的计算模型。下面我们列出一些值得体系结构领域留意的努力方向。新的存储器件。几十年来，数据始终存储在动态随机存取存储器(DRAM)、闪存或磁盘上。但是，新的存储器件(例如Intel/Micron 3D XPoint存储器)正在进入商用化，与传统存储层次部件相比，这些新器件在开销、密度、延迟、吞吐量、牢靠性和寿命等方面完全不同。碳纳米管。基于碳纳米管(CNTs)的电子学探讨持续取得显著进展，最近的结果说明，只运用碳纳米管搭建出一个简洁的微处理器是可行的
15、。碳纳米管可以保证更高的密度和更低的功耗，并且可用在三维基底上。这使得碳纳米管成为体系结构方案是特别可行的。量子计算。量子计算利用量子力学现象存储和操纵信息。它的主要优点是，“叠加量子现象有效地允许同时表达0和1状态，这使得量子计算实现选择算法时比传统计算有了指数级加速。超导逻辑。量子计算的一个姊妹方向是超导逻辑，运用约瑟夫森结等超导器件的系统，能够供应“免费的通信，因为在超导线上传输信号几乎不消耗能量。另一方面，在数据操作上比传输数据有更高的能耗。这些权衡与CMOS硅电路正好相反，在CMOS电路上大局部能量消耗在通信而不是数据操作。微软、谷歌、IBM和I-ARPA等公司和机构都已经宣布在量子
16、计算和超导逻辑进行了大量投资。我们认为量子计算机结构得到再次关注的时机是成熟的，量子计算在十年内可能会产生实际影响。借鉴生物学。利用生物学基底做计算很早就想到了，有可能实现。DNA计算已经演示了简洁的逻辑操作，最近的很多结果也说明DNA作为档案存储器和纳米结构自组装的数字媒介具备潜力。对探讨人员来说，生物科技产业推动的DNA操纵技术所取得的进展使得体系结构探讨人员认为，运用生物是可行的。除了DNA，还有诸如蛋白质等其他生物分子能够用于计算，这些生物分子工程在过去十年进步显著。机器学习作为核心负载机器学习正在变更我们实现应用的方式。硬件性能提升使得机器学习应用于大数据成为可能。机器学习在过去十年中取得了长足的进步，产生了许多长
