近些年，隨著數(shù)據(jù)量暴漲，以及業(yè)務(wù)形式的多樣化，特別是各種創(chuàng)新業(yè)務(wù)模式的推出，各家互聯(lián)網(wǎng)大廠都遇到了同樣的難題：買不到適用的服務(wù)器處理器及相關(guān)芯片。最早遇到這類問題的是谷歌（Google），為了解決應(yīng)用需求，該公司不得不建立了自己的芯片研發(fā)團(tuán)隊(duì)，專門為自家的設(shè)備定制處理器，大名鼎鼎的TPU就是這樣誕生的。

作為全球第二大互聯(lián)網(wǎng)市場(chǎng)，中國(guó)也遇到了當(dāng)初Google遇到的問題，無論是阿里，還是騰訊，都開啟了芯片自研之路。

如今，同樣的問題落在了字節(jié)跳動(dòng)身上。

本周，字節(jié)跳動(dòng)確認(rèn)了一則傳聞：為了滿足該公司旗下TikTok的應(yīng)用需求，字節(jié)跳動(dòng)已計(jì)劃聘用專家，為其數(shù)據(jù)中心開發(fā)SoC，以處理某些特定的工作負(fù)載。字節(jié)跳動(dòng)已在其網(wǎng)站上發(fā)布了31個(gè)與芯片相關(guān)的職位，以組成團(tuán)隊(duì)與芯片開發(fā)商合作。至此，字節(jié)跳動(dòng)正式開啟自研芯片之路。

字節(jié)跳動(dòng)副總裁楊震原表示，除了采購x86架構(gòu)CPU，該公司也會(huì)與芯片供應(yīng)商探索RISC架構(gòu)芯片在云端的應(yīng)用。字節(jié)跳動(dòng)的自研芯片探索將主要圍繞自身的視頻推薦業(yè)務(wù)展開，為大規(guī)模推薦服務(wù)場(chǎng)景定制硬件優(yōu)化方案，比如視頻編解碼，云端推理加速等，以提升效率、降低成本。

也就是說，傳統(tǒng)x86架構(gòu)CPU已經(jīng)不能滿足TikTok的視頻推薦業(yè)務(wù)，因?yàn)檫@種業(yè)務(wù)具有很強(qiáng)的創(chuàng)新性，這也是TikTok很快風(fēng)靡全球的主要原因。從我們普通抖音用戶的實(shí)際體驗(yàn)也可以感受到，不用去找，抖音會(huì)根據(jù)用戶的個(gè)人喜好，主動(dòng)推薦相應(yīng)的短視頻，以形成非常強(qiáng)的用戶粘性。雖然傳統(tǒng)CPU具有AI推理能力，但其在海量大數(shù)據(jù)面前，信息處理速度慢的短板暴露無遺，這就需要具備快速處理大數(shù)據(jù)，且AI智能化水平比較高的處理器，再加上TikTok的視頻屬性，還需要有很好的視頻編解碼能力。放眼當(dāng)下全球芯片廠商，能夠完全滿足這些條件的處理器SoC，還沒有看到。當(dāng)然，傳統(tǒng)芯片廠商也并非無所作為，幾年前，以英偉達(dá)、賽靈思為代表的廠商就已經(jīng)開始了這方面的研發(fā)工作，這些年火爆的DPU（Data Processing Unit）和智能網(wǎng)卡，很大程度上就是為了滿足這類的大數(shù)據(jù)處理和AI智能化需求，但這些努力還在進(jìn)行當(dāng)中，要想完全滿足各大互聯(lián)網(wǎng)廠商的需求，還需要時(shí)間去打磨。正是在這樣的背景下，字節(jié)跳動(dòng)開啟了自研芯片之路。

先驅(qū)Google

前文提到，在互聯(lián)網(wǎng)大廠中，最先遇到處理器瓶頸，并自研相關(guān)芯片的就是Google，研發(fā)的產(chǎn)品名為TPU（Tensor Processing Unit，張量處理器），這是一種專用集成電路（ASIC），是專門為Google的TensorFlow框架（一個(gè)符號(hào)數(shù)學(xué)庫，用于機(jī)器學(xué)習(xí)應(yīng)用程序，如神經(jīng)網(wǎng)絡(luò)）設(shè)計(jì)的，用于加速機(jī)器學(xué)習(xí)。從2015年開始，Google就已經(jīng)在內(nèi)部使用TPU，主要為其云基礎(chǔ)架構(gòu)服務(wù)，據(jù)悉，在Google相冊(cè)中，單個(gè)TPU每天可以處理超過1億張照片。與GPU不同，TPU主要用于進(jìn)行大量的低精度計(jì)算（如8位精度），每焦耳功耗下的輸入／輸出操作更多。當(dāng)然，除了TPU，Google也會(huì)采用傳統(tǒng)的CPU和GPU，用于其它類型的機(jī)器學(xué)習(xí)處理。

目前，TPU已經(jīng)發(fā)展到了第四代，算力不斷提升。

在視頻處理方面，Google也遇到了問題，那就是傳統(tǒng)的英特爾通用CPU數(shù)據(jù)處理能力已經(jīng)難以滿足YouTube上海量視頻的處理要求，對(duì)此，Google專門自研了Argos視頻編碼器（VCU），據(jù)悉，它的視頻處理能力非常高效，取代了數(shù)千萬個(gè)英特爾CPU。在需要處理海量數(shù)據(jù)的時(shí)候，相對(duì)于傳統(tǒng)CPU，專用ASIC優(yōu)勢(shì)非常明顯，VCU就是這樣的ASIC。

在YouTube上，每分鐘內(nèi)，用戶會(huì)以各種格式上傳超過500小時(shí)的視頻內(nèi)容，Google需要快速將內(nèi)容轉(zhuǎn)碼為多種分辨率（包括144p，240p，360p，480p，720p，1080p，1440p，2160p和4320p）和高效格式（例如H．264，VP9或AV1），這需要強(qiáng)大的編碼能力。

傳統(tǒng)上，對(duì)于視頻的轉(zhuǎn)碼／編碼，Google有兩種選擇：一是英特爾的視覺計(jì)算加速器（VCA），它將三個(gè)Xeon（至強(qiáng)）E3 CPU、內(nèi)置Iris Pro P6300 ／ P580 GT4e的集成GPU，以及硬件編碼器集成在了一起；二是使用軟件編碼和英特爾Xeon處理器。

Google認(rèn)為，對(duì)于不斷壯大的YouTube工作負(fù)載來說，以上這兩種選擇都不夠節(jié)能，且數(shù)據(jù)中心需要占用更多空間，于是自研了VCU。

第一代Argos VCU并沒有完全取代英特爾CPU，因?yàn)榉?wù)器仍然需要運(yùn)行操作系統(tǒng)并管理存儲(chǔ)驅(qū)動(dòng)器和網(wǎng)絡(luò)連接。VCU類似于一個(gè)GPU，需要一個(gè)CPU配合工作。

除了內(nèi)部設(shè)計(jì)的編碼／轉(zhuǎn)碼器外，VCU的大多數(shù)IP都是從第三方獲得的，以降低開發(fā)成本。VCU將盡可能多的高性能編碼／轉(zhuǎn)碼器集成在一個(gè)芯片上（同時(shí)保持高能效）。Google將兩個(gè)VCU放在一塊板上，每個(gè)雙插槽英特爾Xeon服務(wù)器安裝10張卡，這大大提高了每個(gè)機(jī)架的解碼／轉(zhuǎn)碼性能。

Google表示，與采用英特爾Skylake處理器的服務(wù)器系統(tǒng)相比，基于VCU的設(shè)備在性能／TCO（系統(tǒng)總體擁有成本）計(jì)算效率方面提高了7倍（H．264）和33倍（VP9），這里考慮到了VCU的成本和三年的運(yùn)營(yíng)費(fèi)用。從Google給出的性能數(shù)據(jù)來看，在進(jìn)行H．264編解碼時(shí)，單個(gè)Argos VCU幾乎不比雙向英特爾Skylake服務(wù)器快，但是，由于可以將20個(gè)VCU安裝到一個(gè)服務(wù)器中，其效率更高。當(dāng)進(jìn)行VP9編解碼時(shí)，VCU比英特爾的雙插槽Xeon快5倍，效率優(yōu)勢(shì)明顯。

之所以說了這么多Google自研芯片的內(nèi)容，就是要說明：字節(jié)跳動(dòng)要自研芯片，大概率是遇到了上面提到的、Google曾經(jīng)遇到的這些問題。TikTok的數(shù)據(jù)中心需要支持各種業(yè)務(wù)，包括視頻平臺(tái)、信息和娛樂應(yīng)用，需要開發(fā)視頻編解碼SoC來對(duì)用戶上傳的海量視頻流進(jìn)行處理，同時(shí)，為了進(jìn)一步降低數(shù)據(jù)中心的功耗和存儲(chǔ)容量，還需要更高效的AI算法及相關(guān)硬件。

全行業(yè)跟進(jìn)

海量數(shù)據(jù)＋視頻流處理需求是近些年各大廠商研發(fā)新型處理器的核心動(dòng)力，不止Google和字節(jié)跳動(dòng)這些互聯(lián)網(wǎng)大廠，傳統(tǒng)處理器（CPU、GPU、FPGA等）大廠也在不遺余力地進(jìn)行著研發(fā)工作，因?yàn)槭袌?chǎng)有巨大需求。

以DPU為例，這是近些年最火爆的詞語了，英偉達(dá)是行業(yè)大佬，也有一眾廠商在這一賽道上摸爬滾打。

DPU是以數(shù)據(jù)為中心構(gòu)造的專用處理器，采用軟件定義技術(shù)支撐基礎(chǔ)設(shè)施層資源虛擬化，支持存儲(chǔ)、安全、服務(wù)質(zhì)量管理等服務(wù)。2020年，英偉達(dá)發(fā)布的DPU戰(zhàn)略中將其定位為數(shù)據(jù)中心繼CPU和GPU之后的“第三顆主力芯片”，掀起了一波行業(yè)熱潮。DPU面向的應(yīng)用更加底層，要解決的核心問題是基礎(chǔ)設(shè)施的降本增效，即將CPU處理效率低下、GPU處理不了的負(fù)載交由專用DPU處理，從而提升整個(gè)計(jì)算系統(tǒng)的效率、降低TCO。

DPU最直接的作用是作為CPU的卸載引擎，接管網(wǎng)絡(luò)虛擬化、硬件資源池化等基礎(chǔ)設(shè)施層服務(wù)，釋放CPU的算力到上層應(yīng)用。以網(wǎng)絡(luò)協(xié)議處理為例，要線速處理10G的網(wǎng)絡(luò)需要大約4個(gè)Xeon CPU核，也就是說，單是做網(wǎng)絡(luò)數(shù)據(jù)包處理，就可以占去一個(gè)8核高端CPU一半的算力。如果考慮40G、100G的高速網(wǎng)絡(luò)，性能開銷就更加難以承受了。而將數(shù)據(jù)中心開銷全部從CPU卸載到DPU加速卡上，可以給上層應(yīng)用釋放可觀的算力。

此外，DPU還可以成為新的數(shù)據(jù)網(wǎng)關(guān)，以提升隱私安全級(jí)別，DPU也可以成為存儲(chǔ)的入口，將分布式存儲(chǔ)和遠(yuǎn)程訪問本地化。

雖然DPU與前文提到的Google和字節(jié)跳動(dòng)自研芯片有所差異，但它們?cè)诒举|(zhì)上都是相同的，都是為了解決傳統(tǒng)CPU和GPU難以承受的海量數(shù)據(jù)處理難題。目前來看，它們與傳統(tǒng)CPU和GPU能夠?qū)崿F(xiàn)很好的互補(bǔ)，在需要高性能的海量數(shù)據(jù)處理能力時(shí)，則用專用的DPU等ASIC，而平時(shí)需要靈活處理的指令則是CPU的專長(zhǎng)。

另外，基于FPGA的智能網(wǎng)卡在近些年也有快速發(fā)展，它為大型互聯(lián)網(wǎng)企業(yè)的大數(shù)據(jù)、高帶寬通信帶來了更多、更好的選擇，賽靈思在這方面很有一套。2018年，該公司將“數(shù)據(jù)中心優(yōu)先（Datacenter First）”作為其全新發(fā)展戰(zhàn)略。發(fā)布了Alveo系列加速卡產(chǎn)品，旨在大幅提升云端和本地?cái)?shù)據(jù)中心服務(wù)器性能。2019 年4月，該公司收購Solarflare通信公司，將FPGA、MPSoC和ACAP解決方案與 Solarflare 的超低時(shí)延網(wǎng)絡(luò)接口卡（NIC）技術(shù)，以及應(yīng)用加速軟件相結(jié)合，實(shí)現(xiàn)了全新的SmartNIC解決方案。這些，或許是AMD決定對(duì)其進(jìn)行收購的重要原因。

除了英偉達(dá)和賽靈思，CPU霸主英特爾也沒閑著，該公司于2015年收購了Altera，在通用處理器的基礎(chǔ)上，進(jìn)一步完善硬件加速能力。

2021 年6月，該公司發(fā)布了IPU（可以視其為英特爾版本的DPU），將FPGA與Xeon D系列處理器集成，成為了DPU賽道有力的競(jìng)爭(zhēng)者。IPU是具有強(qiáng)化的加速器和以太網(wǎng)連接的高級(jí)網(wǎng)絡(luò)設(shè)備，它使用緊密耦合、專用的可編程內(nèi)核加速和管理基礎(chǔ)架構(gòu)功能。

另外，Marvall發(fā)布了OCTEON 10 DPU產(chǎn)品，不僅具備強(qiáng)大的轉(zhuǎn)發(fā)能力，還具有突出的AI處理能力。

當(dāng)然，研發(fā)類似TPU和DPU產(chǎn)品的不止以上這些廠商，目前，越來越多的業(yè)內(nèi)廠商在加大這方面的投入力度，以期在未來的競(jìng)爭(zhēng)中占得先機(jī)。

中國(guó)廠商不甘人后

在自研處理器方面，中國(guó)各大互聯(lián)網(wǎng)企業(yè)都很積極，早在字節(jié)跳動(dòng)之前，阿里、騰訊、百度都有行動(dòng)。例如，阿里擁有自己的AI推理芯片和通用處理器，百度有昆侖AI處理器，騰訊有適用于各種云工作負(fù)載的處理器。

以騰訊為例，該公司的自研芯片之路，是從拿FPGA試水開始的，2015年，騰訊團(tuán)隊(duì)研發(fā)的圖片編碼FPGA，取得了比CPU編碼和軟件編碼更高的壓縮率和更低的延時(shí)，也幫助QQ相冊(cè)大幅降低了存儲(chǔ)成本。他們看到了在 FPGA 方向探索和深入的可能性，2016 年，通過FPGA對(duì)深度學(xué)習(xí)模型CNN算法進(jìn)行加速后，處理性能達(dá)到通用CPU的4倍，而單位成本僅為三分之一。

那之后，騰訊在自研芯片方面取得了多個(gè)成果，代表作是蓬萊實(shí)驗(yàn)室的AI推理芯片紫霄和視頻轉(zhuǎn)碼芯片滄海，它們有望于今年實(shí)現(xiàn)量產(chǎn)。

2019 年，騰訊迎來云計(jì)算業(yè)務(wù)上的里程碑——云服務(wù)器規(guī)模突破了 100 萬。隨著服務(wù)器接入帶寬不斷提升，服務(wù)器用于網(wǎng)絡(luò)處理的CPU資源也越來越多，能否以更低成本的方式來實(shí)現(xiàn)服務(wù)器網(wǎng)絡(luò)處理，同時(shí)還提供更高的網(wǎng)絡(luò)性能？答案是智能網(wǎng)卡。該公司制定了“先從基于FPGA自研智能網(wǎng)卡起步，再開展智能網(wǎng)卡芯片研發(fā)”的發(fā)展路線。

2020年9月，騰訊第一代基于FPGA的自研智能網(wǎng)卡正式上線，命名為水杉。

水杉投入應(yīng)用后，第二代智能網(wǎng)卡銀杉的研發(fā)工作于2021年10月正式上線，這一代智能網(wǎng)卡的網(wǎng)絡(luò)端口翻了一番，達(dá)到2＊100G，基于此，騰訊云推出了業(yè)界首款自研第六代100G云服務(wù)器。它的計(jì)算性能最大提升220％、存儲(chǔ)性能最大提升100％。單節(jié)點(diǎn)接入網(wǎng)絡(luò)帶寬相比上一代最大提升4倍，延時(shí)下降50％。

目前，騰訊正在研發(fā)其首款智能網(wǎng)卡芯片玄靈，采用7nm制程工藝，預(yù)計(jì)在2022年底流片。據(jù)悉，玄靈的性能相對(duì)商業(yè)芯片可提升4倍，通過將原來運(yùn)行在主機(jī)CPU上的虛擬化、網(wǎng)絡(luò)／存儲(chǔ) IO等功能卸載到芯片，可實(shí)現(xiàn)主機(jī)CPU的0占用。

不止騰訊，阿里和百度都有各自的芯片研發(fā)故事，這里就不一一贅述了。

中國(guó)大陸系統(tǒng)廠商（互聯(lián)網(wǎng)和設(shè)備廠商）自研芯片，也不全是商業(yè)原因，有的是受到國(guó)際貿(mào)易限制，市場(chǎng)上有可用芯片，但買不到。

無論是阿里、騰訊、百度，還是字節(jié)跳動(dòng)，他們自研芯片，主要與Google類似，市場(chǎng)上沒有滿意的芯片，而華為則有些不同，該公司2005年就開始布局自研芯片，主要考慮的是有朝一日如果受到國(guó)際貿(mào)易限制，能夠有自家芯片頂上，從而掌握主動(dòng)權(quán)。2019年之后，多年擔(dān)心的事情還是發(fā)生了，但無奈的是，雖然華為的芯片研發(fā)能力很強(qiáng)，但由于中國(guó)大陸芯片制造能力有限，設(shè)計(jì)出了高端芯片，制造端受限后，造不出來，非常遺憾。

因此，國(guó)際大廠（如Google）自研芯片，完全出于商業(yè)原因，而中國(guó)大陸系統(tǒng)廠商自研芯片，原因更多，苦難更深。