盡管已步入2021年，但全球疫情形勢仍充滿變數，遠程辦公、線上交互依舊是今年世界各國防控疫情的絕對“主題”。而隨著大量智能邊緣設備、企業數字化服務以及社區媒體互動、網絡消費等線上應用的成倍飆升，全球數據中心的壓力也持續陡增，建設新型的“智算中心”已迫在眉睫。據TrendForce預計，2020年第四季超大規模數據中心服務器需求占比已攀升至近四成，整體數量是2012至2014年的三倍。而2021年，受惠于多個主流平臺的導入，加之市場對云端應用需求的攀升，數據中心市場也正加速駛入“量變+質變”的高速軌道。

2020年，是服務器芯片市場“改朝換代”的起點。盡管英特爾仍以96%左右的份額穩居高位，但身為“后浪”的AMD和Arm正緊追不舍，逐步蠶食本就屬于英特爾的份額。以2020年Q3數據為例，據IDC發布的市場報告顯示，中國市場的服務器收入同比增長了14.2%，與此同時配置AMD CPU的服務器全球收入同比增長了112.4%，作為另一大重要參與者的Arm，服務器收入同比增長了430.5%。除了Arm和AMD外，獵場周邊蟄伏許久的高通、Nvidia甚至AWS這類過去未曾涉及云計算服務器芯片的獵手們，也陸續開始向這一市場發起猛攻。

畢竟，隨著全球范圍內生成的數據繼續以指數形式增長，通用及專用計算芯片將有很大的用武之地。Statista表示，到2024年，全球范圍內將有近150澤字節（ZB）的數據被“創建、捕獲、復制和使用”，這些數據大多需要實時或近乎實時的處理。

Achronix產品營銷高級經理Tom Spence在接受《華強電子》記者采訪時指出：“無論數據是在云端還是在邊緣進行計算，中央處理器（CPU）都將繼續盡可能滿足需求。現場可編程邏輯門陣列（FPGA）、圖形處理器（GPU）和定制專用集成電路（ASIC）通過提供加速計算、連接網絡和存儲功能來滿足這一市場需求。其中，GPU和FPGA作為應用加速器已經在云計算中占有重要的地位，而且隨著邊緣計算變得越來越普遍，對應用和數據加速的需求將急劇增加。與GPU和定制ASIC相比，FPGA提供了最高效的功耗和性能，同時還保持了靈活性。”

對此，Arm基礎設施業務事業部全球高級總監鄒挺頗為贊同，而2020年，也是Arm數據中心業務突破性增長的一年。比如在公有云領域，AWS發布了基于Arm Neoverse的Gravition2處理器，在性能、功能、成本方面有了質的提升，基于Gravition2的云服務受到了Netflix、Flickr等越來越多最終用戶的采用；基于Arm架構的智能網卡也在百度等云廠商得到了廣泛采用，體現出了Arm架構的高能效比等優勢。

在企業和電信領域，中國移動、中國電信等運營商、Oracle等企業也積極采用了基于Arm架構的服務器，鄒挺表示：“在國內的信創市場上，基于Arm架構國內服務器芯片出貨量也在持續增長。可以說，基于Arm架構的處理器在數據中心領域已經得到驗證，并將在2021年持續發展。因為Arm開放的平臺，我們看到越來越多的中國客戶也在與Arm合作，定制適合自己的服務器、智能網卡和網絡等設備。”

這也充分說明，服務器芯片市場正積極擁抱“多樣化”。當然，這種多樣化不僅限于指令集和IP核，在微架構層面上，為解決當下實際應用中日益突出的算力不足、功耗過高以及由此衍生的各類成本問題，行業也迫切需要發起一場“芯變”。

以傳統數據中心當中采用的GPU為例，Imagination人工智能產品營銷高級總監AndrewGrant認為：“對于從機器學習和AI到云游戲的眾多數據中心應用而言，使用GPU是因為其可提供大規模的并行算力。然而，傳統的數據中心GPU最大的缺點之一是其產生的熱量和能耗。這將引發兩方面的問題，首先，它們的供電和冷卻成本會非常高。其次，也是更重要的，這意味著它們無法在現有的機架中高密度部署，進一步意味著數據中心每平方米的單位計算密度更低。”

為此，Imagination開發了非常適合數據中心的GPU方案，但這種方法并不是把高耗能的桌面級GPU組件精簡后直接用于數據中心，而是利用了Imagination在嵌入式和汽車領域的長期研究成果來降低能耗。

Andrew Grant指出：“這意味著像IMG B系列GPU這樣的產品可以在非常低的功耗限制和散熱配置下提供令人難以置信的高性能。雖然每個單獨的GPU可能不像某些同類產品那么強大，但是我們能夠以無限擴展和高密度機架部署的方式來提高數據中心單位面積的計算密度。對AI工作負載而言，IMG Series4 NNA專用集成電路（ASIC）專為多核集群而設計，是減少數據中心面積的理想選擇，并且作為ASIC，它運行神經網絡任務時的速度比其它組件要快幾個數量級。”

為了進一步挖掘芯片微架構的潛能，AI高性能計算市場也逐漸興起一陣“異構計算”的狂潮，Andrew Grant補充到：“我們注意到人們對異構計算的興趣與日俱增。在異構計算中，特性不同的運算單元被組合在一起，用于處理與其各自設計相適應的任務，例如GPGPU用于浮點運算，加速器用于推理等特定的工作負載。”而加速器可以是FPGA、GPU抑或是ASIC，通過多種模塊的互補組合與搭配，從而找到能夠在功耗、算力以及成本等多個層面上的最優解方案。

當然，圍繞超高性能嵌入式系統級芯片（SoC）去設計下一代數據中心也是一種可行路徑，這些SoC可以使用通用的工具，處理互補的工作負載，并提供出色的性能、功耗和面積（PPA）。因此，對數據中心而言，它可以降低功耗和熱量，同時提高面積效率并最小化硅成本——從而使超大規模數據中心能夠提供更具競爭力的解決方案。

Tom Spence認為：“當涉及到物理空間、功耗和散熱時，許多位于邊緣的服務器將面臨極大的挑戰。這意味著服務器的外形尺寸將變得更小，功耗更低，成本更低。許多由邊緣計算和5G基礎設施所產生的應用也對延遲非常敏感，遠遠超出了傳統云基礎設施所能支持的范圍。FPGA、GPU和定制ASIC正迅速成為邊緣執行網絡、計算和存儲加速的首選解決方案。Achronix提供了一流的FPGA平臺，可以使用Speedster7t FPGA器件在芯片級實現，也可以使用SpeedcoreeFPGA半導體知識產權（IP）在您的ASIC或系統級芯片（SoC）中作為IP來實現。”如此這些，都將成為“智算”時代，服務器芯片尋求“質變”之路上切實可靠的硬實力依據。