传统数据中心和PC市场的转型已悄然产生

一些移动市场的SOC供应商开始进入数据中心和个人电脑市场，希望分割现有玩家的部分市场份额，但数量很少，很难帮助OEM制造商实现创新和成本控制的差异化。OEM需要关注整个数据中心的架构结构，以改善整体解决方案的创新，以增加其竞争力。

多年来，移动处理器制造商一直致力于优化设计，以在有限的功耗预算、存储空间和带宽范围内获得最佳性能。在过去，这些考虑因素显然没有在数据中心或个人电脑（个人电脑）等市场上得到重视。如今，传统数据中心和个人电脑市场的变化正在悄然发生——改变处理器设计规则，让开发人员重新考虑其芯片结构，以获得更高的性能功耗比。

PC和数据中心采用移动处理器设计原则

如今，越来越多的云游戏、数据挖掘、人工智能/数据分析和高性能计算都在云中实现。虽然这些应用程序有不同的要求，但在不断提高计算量方面也是如此。

数据中心无法通过不断扩大物理占地面积来满足这一需求。为了将运营支出(Opex)保持在可接受的范围内，实现净零(NetZero)目标，企业需要在有限的空间内增加计算密度，从而获得更高的计算性能。图形处理器(GPU)、中央处理器(CPU)、人工智能(AI)加速器等处理元件必须在最小功耗/散热和面积预算内实现最高性能。因此，遵循移动设计原则设计处理器是理想的出发点。

借助定制芯片设计，大型科技公司实现差异化

随着摩尔定律的结束，该行业不再可能每两年提高一次性能。在此背景下，企业加入了设计竞争，争取用最好的芯片创造最好的用户体验。

世界各地的大型科技公司已经知道这一点并做好了准备。他们专注于为消费品、个人电脑或数据中心设计定制AN17850A芯片。这些公司从现成的可用芯片转向定制芯片，希望更好地控制设计，赢得优势。因此，我们可以看到亚马逊投资于GravitonCPU设计，谷歌推出了以TPU为中心的TensorCPU。苹果的M1处理器将为Mac计算机带来一个借助移动设计原则优化的芯片，提供更高的集成度和更突出的性能功耗比。

OEM替代方案

对于没有内部硬件和软件设计团队，还没有开始开发定制芯片的原始设备制造商(OEM)来说，他们面临的挑战是如何让自己的设计脱颖而出，与高度优化的架构相当。这些OEM使用的芯片大多是现成的和可用的，这可能会使他们处于劣势。很多为PC和数据中心设计的芯片都是暴力解决方案。虽然它们可以提供所需的性能，但它们通常耗电过多，占用内存/带宽过多，缺乏竞争力。此外，这些芯片在可用的特定软件和操作系统作系统。

一些移动市场的SOC供应商开始进入数据中心和个人电脑市场，希望分割现有玩家的部分市场份额，但数量很少，很难帮助OEM制造商实现创新和成本控制的差异化。因此，一些行业替代品正在出现在历史时刻。我们看到许多制造商正在考虑基于RISC-V架构的CPU解决方案。然而，单一的CPU设计并不能完全解决OEM目前面临的激烈竞争困境。OEM需要关注整个数据中心的架构结构，以改善整体解决方案的创新，以增加其竞争力。

可扩展的异构架构是关键

通过异构计算，灵活利用CPU、GPU等计算单元，实现硬件的最大利用率，实现计算性能的优化和提高，满足效率和功耗比的优化。异构计算架构为数据中心不断提高的计算量要求提供了灵活的阵列工作计划。目前，许多半导体制造商正在研究相关的产品和应用程序，以增强OEM市场的竞争力。传统的GPUIP公司Imagination去年推出了其CPU产品线，加强了异构计算的研发，旨在通过优化和改进产品组合，为客户提供更完善的异构计算解决方案，更好地为客户服务，以满足未来高性能计算的需求。

移动GPU奠定了基础

移动GPU是创建高效异构设计的理想切入点。将移动GPU升级应用于数据中心和PC领域将比试图将高端GPU强行纳入移动功耗预算更有意义。因为移动GPU诞生于小而美。移动GPU制造商开发了许多专利技术，以最大限度地实现GPU的高性能和低功耗。在数据中心和PC广泛追求高性能GPU的背景下，这些技术优势可以使移动GPU制造商具有更多的竞争优势，并为OEM提供更多的管理附加值。

说到移动GPU的专利技术，我们不得不再次提到Imagination，一家专注于GPU设计的老企业。与其竞争对手相比，Imagination多年来一直专注于GPU领域的研究，尤其是在更复杂的GPU渲染领域。Imagination是许多技术的先驱开发者，如GPU硬件虚拟化、分块延迟渲染、实时硬件光跟踪（RayTracing）等。分块延迟渲染（TBDR）技术是将几何数据分割成小区域（图块）并统一处理。由于每个图块都经过光栅化和单独处理，渲染尺寸非常小，所有数据都可以保存在快速运行的电影存储器中。该技术为M1的图形处理奠定了基础。

对于Android云游戏等应用场景，数据中心需要灵活处理多个用户的不同游戏消费场景。在多个小型GPU上处理多个小型并发工作负荷比使用传统桌面GPU更有效。云游戏产业链正在加强GPU硬件虚拟化技术的开发和应用，以降低成本。通过向上扩展分散的多核移动GPU架构，每个GPU不仅可以支持更多的用户，还可以为云中的许多用户提供更高的能效。

以芯动技术为例，作为国内高端GPU第一核心的行业领导者，公司基于Imagination移动GPUIP，将移动GPU架构扩展到高性能服务器级硬件，旨在打破现有的台式显卡市场格局。在这个长期被双寡头垄断的高端市场中，没有人预计会有新的竞争对手，但芯动技术正在利用不断变化的市场实力和高度可扩展的高效技术提供替代解决方案。

增加高效的电影人工智能处理（如M1所示）是OEM的另一个机会。由于电影上的人工智能处理还没有成为电脑的标准，OEM可以利用这种能力来支持超分辨率降噪、音频命令、安全等新兴应用程序。这种人工智能功能通常需要巨大的计算能力，使用基于移动设计原则的神经网络加速器（NNA）IP可以在SOC上集成高效、高度可靠的人工智能推理功能。与其他竞争对手相比，Imagination的NNA边缘加速器硬件不仅继承了NNA边缘加速器硬件不仅继承了其GPU设计的高性能和低功耗DNA，而且在不同数量级的计算领域表现优于竞争对手。

设计专用芯片——不仅为大型科技公司服务

SOC制造商需要根据移动设计原则设计可扩展的IP核心，以创造高能效、高带宽和高性能的设计。借助这种专门为异构架构设计的处理器，他们可以创建一个特殊而高效的新解决方案。这可以帮助OEM提供具有竞争力和差异化的产品，并牢牢把握企业未来的发展方向。