在芯片領域有這么一句傳言：

每過18天，就會出現(xiàn)一個新的XPU。

曾幾何時，一個CPU打天下的時代早已不復存在了。

……

三巨頭的XPU征途

很久很久以前，CPU還長這樣。

1971年，英特爾發(fā)布世界上第一塊微處理器CPU-4004。

被譽為“人類歷史上最具革新性的產品之一”。

接著8008、8088、8086相繼跟上，正式開啟了以微處理器為計算機中央處理器的時代。

英特爾也因此坐穩(wěn)了領頭老大的位置，一騎絕塵。

然而隨著互聯(lián)網的高速發(fā)展，我們發(fā)現(xiàn)，在處理大規(guī)模與高速數(shù)據(jù)時，CPU很難滿足需要。

于是它的小弟——GPU，隆重登場了!

在英特爾還在“繼續(xù)做大做強CPU”和“去GPU市場試試水”之間徘徊不定時，英偉達已經在GPU領域站穩(wěn)了腳跟。

2009年末，英特爾“痛下決心”宣布取消Larrabee圖形芯片項目，彼時的英偉達已經推出Tesla，并大舉進攻。

更不用提那個戲劇般的2006年——那是值得AMD一直吹牛到今天的一年。

這一年AMD以54億美元的價格收購了ATI公司。

自此踏上了“兩手都要抓，兩手都要硬的道路”。

就這樣，左手CPU，右手GPU，AMD“揚言”拳打NVIDIA，腳踢英特爾。

雖然英特爾曾信誓旦旦表示不做獨立顯卡，但真香定律適用于全人類，企業(yè)也不能例外。

尤其是AMD“大放厥詞”在前，英特爾怎么能忍得下這口氣。

果不其然，從2015年開始，英特爾開啟“買買買”模式，瘋狂拓展XPU領土。

• 2015年收購FPGA供應商Altera
• 2016年收購AI芯片供應商Nervana
• 2017年收購自動駕駛視覺處理公司Mobileye和AI芯片供應商Movidius
• 2018年收購eASIC
• 2019年收購云端AI芯片供應商Habana Labs
• 2021年收購RISC-V指令集架構的開發(fā)商SiFive。
• ……

自古以來，金錢的力量往往都是不容小覷的，

英特爾的瘋狂輸出成功幫助它打造了一支“CPU+GPU+加速器+FPGA”的XPU隊伍，并且這個隊伍還在不斷擴充中，比如又一個新名詞：IPU。

眼看“好兄弟”都在為開疆擴土一擲千金，英偉達也按捺不住了。

憑借一系列的收購，英偉達打出了一套CPU、DPU和GPU的“組合拳”。

CPU、GPU、DPU、IPU，還有沒出場的TPU、NPU、APU等等，巨頭們一直鍥而不舍地創(chuàng)造新名詞，XPU的隊伍不斷擴大，或許在不久的將來，26個字母將被全部用完。

下面一起來簡單看看這些XPU家族吧。

CPU

CPU—— Central Processing Unit, 中央處理器，CPU之于計算機、服務器，也就相當于大腦對于人類的作用。

計算、控制、存儲是CPU“大腦”布局謀略、發(fā)號施令、控制行動的主要表現(xiàn)形式。

CPU 是對計算機的所有硬件資源(如存儲器、輸入輸出單元) 進行控制調配、執(zhí)行通用運算的核心硬件單元。

CPU 是計算機的運算和控制核心。

如下圖所示，CPU主要包括了計算單元、控制單元和存儲單元：

我們可以很明顯的看出，CPU的計算單元在整個結構中占比很少，故而相對于大規(guī)模并行計算能力，CPU更擅長于邏輯控制。

隨著人們對更大規(guī)模與更快處理速度的需求的增加，CPU漸漸力不從心。

因此，GPU，它來了!

GPU

GPU——Graphics Processing Unit，圖形處理器，跟它的名字一樣，GPU最初是用在個人電腦、游戲機和一些移動設備上運行繪圖運算工作的微處理器。

GPU的構成相對簡單，有數(shù)量眾多的計算單元和超長的流水線，特別適合處理大量的類型統(tǒng)一的數(shù)據(jù)。

不過GPU生來就是做小弟的命，不能單獨工作，必須由CPU進行控制調用才行。

GPU的工作大部分都計算量大，但沒什么技術含量，而且要重復很多很多次。

當CPU需要大量的處理類型統(tǒng)一的數(shù)據(jù)時，就可以調用GPU進行并行計算。

不過，GPU雖然叫圖形處理器，但并不是只能處理圖像。

GPU雖然是為了圖像處理而生，但在結構上并沒有專門為圖像服務的部件，只對CPU的結構進行了優(yōu)化與調整，

因此GPU可以被認為是一種較通用的芯片。

目前科學計算、密碼破解、數(shù)值分析，海量數(shù)據(jù)處理等需要大規(guī)模并行計算的領域都有GPU的身影。

TPU

TPU——Tensor Processing Unit, 張量處理單元，TPU是由Google設計的定制機器學習芯片，用于執(zhí)行其常規(guī)機器學習工作負載。

起初機器學習以及圖像處理算法大部分都跑在CPU與GPU上面，但這兩種芯片本質上是通用性芯片，在效能與功耗上不能緊密適配機器學習算法，且價格也比較貴，TPU便就此誕生了。

TPU是一種ASIC芯片，即應用型專用集成電路(Application-Specific Integrated Circuit)，是一種專為某種特定應用需求而定制的芯片。

據(jù)稱最早的TPU就比同期的標準CPU和GPU快15-30倍，效率(性能/瓦特)提升 30-80倍。

目前谷歌已經發(fā)布了第四代TPU，據(jù)稱TPU v4每秒能夠實現(xiàn)10萬萬億次運算，將于今年向谷歌云用戶提供服務。

DPU

DPU—— Data Processing Unit ，數(shù)據(jù)處理單元，DPU是面向數(shù)據(jù)中心的專用處理器。

CPU用于通用計算，GPU用于加速計算，而數(shù)據(jù)中心中傳輸數(shù)據(jù)的DPU則進行數(shù)據(jù)處理。

簡單來說，CPU做不好，GPU做不了的那些計算任務，交給DPU就完事兒了。

有人說，DPU正在取代CPU作為數(shù)據(jù)中心服務器的中央控制點，建立以數(shù)據(jù)為中心的計算架構。

英偉達首席執(zhí)行官黃仁勛將DPU稱為“未來計算的三大支柱之一”。

要說帶貨還得服老黃，DPU的概念才提出沒多久，

從國外巨頭大佬英特爾、博通、英偉達、賽靈思、Marvell，到國內的創(chuàng)企中科馭數(shù)、星云智聯(lián)、芯啟源等等，都紛紛陷入了DPU熱潮。

XPU全家桶：前途漫漫，挑戰(zhàn)不絕

隨著5G、AI等新技術不斷發(fā)展，計算場景也更為豐富多樣，XPU的發(fā)展成為大勢所趨。

許多半導體巨頭廠商都推出了多元化的芯片產品，不斷充實自己的XPU“全家桶”。

不少創(chuàng)新公司同樣不甘示弱，也紛紛推出了專屬芯片產品，整個芯片市場迎來“百家爭鳴”時刻。

然而值得注意的是，XPU不能僅僅是XPU，它不是硬件簡單的物理堆砌，而要考慮到其中的互聯(lián)互通，跨架構的軟件協(xié)同，只有軟硬件協(xié)同發(fā)展，才能更好發(fā)揮出產品應有的價值。

同樣，技術創(chuàng)新還需要匹配用戶的實際需求，這樣才能在市場中打造自己的一番天地。