当前位置: 首页 > 产品展示

通用与专用核算

发布日期: 2023-08-06 11:25:25 作者: 产品展示

  核算机的鼓起不只源于技能上的成功,也归功于经济力量为其供给的支撑。Bresnahan和Trajnberg发明晰通用技能(general purpose technology, GPT)一词用于比如核算机这类的,这些产品具有广泛的技能适用性,并且在数十年间其产品改善和商场增加能够彼此促进。可是,他们还猜测到GPT或许会在其生命周期的后期遭受应战:跟着开展放缓,在一些特定的商场定位上,其他技能能够代替GPT并破坏了这一经济继续增加的周期。今日,咱们能够观察到这样的改动:因为中心),尽管它能够完结的作业比传统的通用处理器要少,可是在完结特定功用的时分体现出了更高的功用。包含

  在这种布景下,咱们现在能够愈加清晰这篇文章的主题:“The Decline of Computersas a General Purpose Technology”。咱们并不是说核算机将失掉技能才干然后“忘掉”怎么进行一些核算,咱们的观念是,在快速改善通用处理器的根底上,零星的经济周期正在逐步代替运用通用核算渠道的经济周期,而在这种零星的周期中,经济学将用户面向由专用处理器驱动的多样化核算渠道。

  这种碎片化意味着部分核算将以不同的速度进行,这关于在“快车道”中运转的运用来说是一件好事情,在这种状况下,更新迭代坚持敏捷的状况,可是关于那些不再获益核算才干进步的运用来说,他们也因而被分配为“慢车道”。这种改动也或许减慢核算机改善的全体脚步,然后危及这一重要范畴的经济奉献。

  前期-从专用到通用。前期的电子产品并不是能够履行许多不同核算的通用核算机,而是专用于完结一项使命且仅有一项使命的专用设备,例如收音机或电视机。这种专用的设备具有以下长处:规划复杂度可控、处理器高效、作业更快、功耗更低,而缺陷就在于专用处理器的运用规模也更窄。

  前期的电子核算机,乃至那些被规划为“通用”的核算机,实际上都是为特定算法量身定制的,很难习惯其他算法。例如,1946 ENIAC尽管在理论上是通用核算机,但它首要用于核算artillery range tables,哪怕需求稍微不同的核算,都有必要从头手动衔接核算机来改动硬件规划。处理此问题的要害在于需求规划出能够存储指令的新核算机系统结构,这种系统结构使核算机愈加灵敏,能够在通用硬件而非专用硬件上履行许多不同的算法。这种“冯·诺依曼架构”十分成功,现在,它仍然是简直一切通用处理器的根底。

  通用处理器的兴起。许多技能引进商场时便阅历了能够协助它们开展的良性循环(图1a)。开端,运用者购买该产品,然后为产品晋级更新供给了资金支撑。跟着产品的改善,越来越多的顾客会去购买它,这为下一轮的改善供给了资金,依此类推。可是关于许多产品而言,因为产品改善变得过于困难或商场增加阻滞,这种循环从中短期来看在逐步削弱。

  在通用处理器开展的几十年里,GPT一向能够继续获益于这一良性经济周期。其商场现已从军事、航天等范畴开展到全球运用的20多亿台PC,这种商场增加推进了越来越多的出资来完结处理器的改善。例如,英特尔曩昔十年在研制和制作设备上花费了1830亿美元,这部分的出资现已带来了巨大的报答:据估量,自1971年以来处理器功用现已进步了约40万倍。

  另一种挑选:专用处理器。通用处理器有必要能够很好地进行多种不同的核算,这导致规划上不得不做出折衷,尽管有许多运算能够快速完结,但并没有哪一个到达最优。关于那些适宜专用处理器的运用,这样的折衷方案会导致很高的功用丢失。这些运用的运转具有一些特征:

  在上述的状况下,专用处理器(例如,ASIC)或异构芯片的专用部件(例如,I.P. block)能够更好地履行运算,因为这些硬件能够依据运用量身定制。

  在对典型CPU(首要的通用处理器)和典型GPU(最常见的专用处理器)进行比较时,能够看出专用性在某种程度上改动了处理器规划改动程度(见附表)。

  GPU的运转速度较慢,约为CPU的三分之一,但在每个时钟周期中,它能够并行履行比CPU多100倍的核算。这使得关于并行性很强的使命,它的运算比CPU快得多,反之,关于那些并行性很小的使命,GPU的运转速度则会慢于CPU。

  GPU的内存带宽一般是GPU的5-10倍(带宽决议一次能够传输多少数据),但拜访这些数据的时刻延迟却要长得多(至少是最近内存时钟周期的6倍),这使得GPU在可猜测的核算(从内存中所需的数据能够被猜测并在恰当的时刻传输到处理器)方面做得更好,而在不行猜测的核算上体现欠安。

  关于与专用硬件十分匹配的运用程序,GPU在功用上的进步或许是巨大的。例如,2017年,GPU的抢先制作商NVIDIA估量,深度学习(AlexNet与Caffe协作)在GPU上的运转速度较CPU进步了35倍以上,如今,该速度乃至更高。

  专用处理器的另一个重要长处是,在进行相同的核算时它的能耗更低。这关于受电池寿数束缚的运用(如手机物联网设备)和需求大规模核算的运用(云核算/数据中心、超级核算)尤为重要。

  到2019年,十大最省电超级核算机中有九台运用了NVIDIA的GPU。

  专用处理器也有丧命的缺陷:它们能运转的程序规模十分有限,也很难编程,并且一般需求一个运转操作系统的通用处理器来操控它们中的一个或多个。规划出产专用硬件也或许十分贵重。关于通用处理器,其固定本钱(也称为非经常性工程本钱(NRE))会均摊到许多芯片上。相比之下,专用处理器的商场一般要小得多,因而每个芯片的固定本钱更高。到2018年,运用先进技能制作带有专用处理器的芯片的总本钱约为8000万美元,而运用老一代的技能能够将本钱下降到3000万美元左右。

  尽管专用处理器有许多长处,可是它们的缺陷仍然十分丧命,在曩昔的几十年中,出GPU以外,其他专用处理器简直没有被选用。专用处理器的技能只是选用在那些功用进步十分要害的范畴,包含军事运用、游戏和加密钱银发掘范畴。但这种状况正在开端改动。

  专用处理器的现状。包含PC、移动设备、物联网(IoT)和云核算/超级核算在内的一切首要核算渠道的专用性都变得越来越强。其间,PC仍然是通用性最强的。相比之下,因为电池寿数,动力功率在移动和物联网中更为重要,因而,智能手机芯片上的许多电路(例如RFID)和传感器均运用专用处理器。

  云核算/超级核算也变得更趋向于专用性。例如,2018年,最大的500台超级核算机的新增产品初次从专用处理器取得了比通用处理器更高的功用。

  世界半导体技能蓝图(ITRS)的职业专家和谐了坚持摩尔规律开展所需的技能改善,他们在终究陈述中隐含地表达了这种向专用性的改动。他们供认,不该再用传统的“一刀切”的办法去确认规划要求,相反,应针对特定运用量身定制。

  下一部分将谈论一切首要核算渠道向专用处理器的改动,将对出产通用处理器的经济性发生的影响。

  支撑GPT的良性循环来自一系列相得益彰的技能和经济力量。但不幸的是,它相同也会带来反作用:假如这个周期中的某个部分中的改善进程变慢,那么其他部分的改善也会相应变慢。咱们将此敌对点称为“fragmenting cycle”,因为它有或许将核算碎片化为一系列松懈相关的部分,这些部分以不同的速度推进。

  这个周期背面的原理很简单:假如技能进步缓慢,那么新用户的人数就会削减,但假如没有这些新用户供给的商场增加,那么改善该技能所需的不断上涨的本钱或许变得令人望而生畏,然后减缓了开展。因而,在这种协同反响之下,每个部分都会进一步增强碎片化。

  下面,咱们将具体剖析该循环三个部分中每一个的状况,然后得到“碎片化现已开端”已然开端的定论。

  技能进步缓慢。咱们用两个要害目标来衡量处理器的改善速度:“功用“”和“每美元功用”。从长时刻数据看,这两个目标均敏捷进步,首要是因为晶体管的小型化致使每个芯片的晶体管具有更高的密度(摩尔规律)和更快的晶体管开关速度(Dennard缩放份额规律)。不幸的是,因为技能原因,制作商现已到达了现有资料和规划所能做的物理极限,Dennard 缩放份额规律于2004/2005年完结,摩尔规律也越来越难保持,这些技能极限需求付出极大的尽力才干战胜。在这个进程中,能够明显看到小型化所带来的“功用”和“每美元功用”的进步正在放缓。

  从Hennessy和Patterson对SPECInt进展的描绘(图2 a)以及美国劳工统计局的出产者价格指数(图2 b)能够看出,通用核算机功用的进步明显放缓。从这些视点来看,假如“每美元功用”每年以48%的速度进步,那么10年后它的功率将进步50倍。相比之下,假如每年仅以8%的速度进步,那么在10年内,它只会进步2倍。

  图2.微处理器的改善率,依据以下规范衡量:(a)SPECint基准上的年度功用改善,(b)质量调整后的年度价格下降。

  新用户削减。 跟着通用处理器的进步的脚步怠慢,新功用的开发也会削减,然后导致客户没有替换核算设备的医院。英特尔首席履行官Krzanich在2016年证明晰这一点,称PC的替换率已从每4年一次进步到每5-6年一次。有时,用户乃至会越过许多代处理器的晋级,因为觉得它们不值得更新。在其它渠道上也是如此,例如2014年美国智能手机均匀每23个月进行一次晋级,但到2018年则延长到31个月。

  用户从通用处理器向专用处理器的搬运是咱们关于核算碎片化的观点的中心,因而咱们将对其进行具体谈论。假定现在有一个用户,他既能够运用通用处理器也能够运用专用处理器,但希望以最低的本钱得到最佳功用。图3(a)和图3(b)给咱们供给了直观的剖析,两幅图都显现了通用处理器和专用处理器随时刻的功用进步状况,可是通用处理器的改善速度在两幅图中却有所不同。在一切状况下,咱们都假定挑选了时刻T,那么专用处理器的高价格将由一系列经过改善的通用处理器的本钱所平衡,这意味着两条曲线在本钱上是持平的,因而,优秀的“功用”也意味着相同优胜的“每美元功用”,这也是咱们以为专用处理器在这段时刻内具有安稳的功用的原因。(在专用处理器晋级这一点上,它也将获益于通用处理器获益的改善,并且用户将再次重复相同的决议方案进程。)

  图3. 最佳处理器的挑选取决于专用处理器带来的功用进步以及通用技能的进步速度。

  假如专用处理器能够供给更大的功用初始收益,那么它会更具吸引力。可是,假如通用处理器的改善从图3(a)中的快速开展变成图3(b)中的缓慢开展,专用处理器也变得更具吸引力。咱们经过考虑两条时刻途径中的哪一条可供给更多收益来进行建模。也便是说,假如:

  式中,通用处理器和专用处理器在时刻T上可供给功用分别为Pu和Ps,通用处理器的功用进步速率为r。咱们在在线附录(org/10.1145/3430936)中展现了该模型的完好推导。该推导协助咱们从数学上预算专用处理器抵消高本钱所需求的优势的量(图3 c 中显现,CPU的年改善率从48%下降到8%)。

  毫无疑问,专用处理器在供给更大的加速比或将其本钱均摊到更大的数量时将会更具吸引力。可是,跟着通用处理器改善的脚步,当专用性变得有吸引力时,这些临界值将发生改动。重要的是,因为咱们假定全体上专用处理器与通用处理器之间的进展有所不同,即假定一切处理器都能够运用当时最先进的制作技能,所以将不会发生上述的影响。相反,它的呈现是因为有必要分摊专用处理器昂扬的每单位NRE(一次性工程费用),以及在此期间与晋级通用处理器相比之下的优胜性。

  一个数据清楚地标明晰这一改动的重要性。在摩尔规律的高峰时期,当每年的改善速度为48%时,即便专用处理器的速度比通用处理器快100倍,也便是

  (这是一个巨大的距离),为了取得出资报答,还需求大约8.3万的出产量。在另一个极点,假如功用优势仅为2倍,则需求出产数量要到达约1,000,000才干使专用性处理器更具吸引力。这些成果清楚地阐明晰为什么在摩尔规律的鼎盛时期,专用处理器的出产商很难进入商场。

  可是,假如咱们运用8%(2008-2013年的增加率)重复处理器挑选核算,那么这些成果将发生明显改动:关于速度进步100倍的运用,所需的处理器数量从83,000降至15,000,关于那些提速2倍的运用,数量则从1,000,000下降到81,000。因而,在通用处理器的更新进展变慢之后,更多的运用就会转向专用处理器。

  更难为立异筹集资金。2017年,半导体职业协会估量,为下一代芯片制作和装备制作设备(“ fab”)的本钱约为70亿美元。“下一代”是指芯片进一步小型化(或称进程“节点”)。

  用于芯片制作设备的本钱的出资有必要由它们发生的营收来平衡。2016年,该职业3430亿美元的年收入中,多达30%来自顶级芯片,尽管收入十分可观的,可是本钱也在增加。在曩昔的25年中,遭到光刻本钱的影响,制作抢先的晶圆厂的出资(如图4a所示)每年增加11%。将进程开发本钱包含在此预算中,将进一步使本钱每年增加至13%(依据Santhanam等在2001年至2014年间进行的测算)。挖苦“摩尔第二规律”的芯片制作商都知道:芯片厂的本钱每四年翻一番。

  长时刻来看,如此快速的固定本钱增加对单位本钱的影响仅有部分能被微弱的全体半导体商场增加所抵消(1996-2016m年复合增加率为5%),这使半导体制作商能够在更大的数量上分摊固定本钱。固定本钱每年增加13%与商场每年增加5%之间的巨大缺口中的剩下部分,或许将导致竞争力较弱的参与者退出商场,而其他参与者则经过许多筹码来摊销其固定本钱。

  如图4(b)所示,该职业的确存在着巨大的整合,出产抢先芯片的公司越来越少。从2002/2003到2014/2015/2016,具有抢先晶圆厂的半导体制作商数量已从25家削减到只要4家:英特尔、TSMC、三星和格罗方德。而格罗方德近期宣告,他们将不会继续下一个技能节点的开发。

  咱们发现这种兼并很有或许是因为固定本钱快速上升且商场规模仅适度增加带来的经济恶化所造成的。经过一些核算,能够看出商场整合在多大程度上改善了半导体职业额经济性。假如将商场均匀分配给不同公司,则意味着均匀商场份额将从2002/2003年的

  。以复合年增加率标明,这将是14%。这意味着出产商能够经过商场增加并占有现有工厂的商场份额(13%《5%+ 14%)来补偿晶圆厂制作日益恶化的经济状况。

  实际上,商场不是均匀分配的。英特尔在商场上占有主导地位,成果,英特尔也无法以这种办法抵消固定本钱的增加。实际上,在曩昔十年中,英特尔固定本钱与其可变本钱的比率已从60%上升到100%以上,这一点尤为有目共睹,因为近年来,英特尔怠慢了发布新节点巨细的脚步,估计这将下降他们进行固定本钱出资的脚步。

  商场整合抵消固定本钱增加的才干只能继续必定时刻。假如咱们猜测当时趋势,那么到2026年至2032年(取决于商场增加率),抢先的半导体制作将只能支撑单个独占制作商,并且每年为新工艺节点制作新设备的固定本钱将等于年度职业收入。需求阐明的是,咱们的结论并不是说这要在2020年代末成为实际,而是着重当时的趋势会无法继续,并且在大约10年内制作商将被逼大大怠慢新工艺节点的发布速度,并寻觅其他操控本钱的办法,这两者都会进一步减缓通用处理器的进步进展。

  碎片化循环。碎片化循环周期的三个部分中,在每个部分之间都会彼此增强的状况下,咱们希望看到越来越多的用户能看到通用处理器的及其细小的改善,然后转为重视专用处理器。关于那些有极高需求和十分适宜专业化核算(例如深度学习)的人,这将意味着功用上巨大的进步。关于其他人来说,专用化将不是一个适宜的挑选,它们将会留在通用处理器上,并且开展速度会越来越慢。

  谁会去做专用处理器。如图3(c)所示,专用处理器将用于替换后取得大幅度提速的运用场景,并且需求满意的需求量才干证明这一开支是合理的。据此规范,大型科技公司成为最早一批出资专门处理器的公司也并不古怪,例如谷歌、微软、百度和阿里巴巴。与仍可获益于广泛运用程序的GPU专业化或对大多数用户有价值的加密电路中的专业化不同,咱们希望未来的专业化会更窄,因为仅需少数处理器即可使收益更可观。

  咱们还希望许多运用这些专用处理器的人,并非是专用处理器的规划者,而是像将GPU用于深度学习运算的人相同,用新的硬件来设核算法。

  从前,咱们描绘了四个特征,这些特征使得运用专用处理器能够加速核算速度。假如没有这些特性,那么专门化只能带来最小的功用进步(假如有的话)。一个重要的比如是数据库。正如咱们采访的一位专家告知咱们的那样:在曩昔的几十年中,很明显,专用于数据库的处理器或许十分有用,可是数据库所需的核算不适宜选用专用处理器。

  第二类将无法用专用处理器的是那些需求不足以证明前期固定本钱合理的处理器。 正如咱们经过模型得出的那样,需求数以千计的处理器商场来证明专用化的合理性。这或许会影响那些在小规模内进行密布核算的人(例如,研讨科学家进行稀有的核算)或那些核算随时刻而快速改动并因而需求敏捷消失的人。

  或许不会用专用处理器的第三组是那些没有单个用户具有满意需求且和谐困难的集体。 例如,即便不计其数的小用户一起具有满意的需求,也很难使他们一起为出产专门的处理器做出奉献。云核算公司能够经过赞助创立专用处理器,然后将其租出来来处理这一问题。

  技能进步会协助咱们摆脱困境吗?为了使咱们回到一个收敛的周期,在该周期中,用户将切换回通用处理器,这需求功用和/或每美元功用的快速进步。可是技能趋势却指向相反的方向。例如,在功用方面,估计微型化的终究优点将是价格溢价,并且仅或许由重要的商业运用来付出。乃至存在一个疑问——是否将完结一切剩下的、在技能上可行的小型化。Gartner猜测,到2026年5nm量产时将会有更多的小型化,而台积电(TSMC)最近宣告了一项出资195亿的 2022年到达3nm的方案,但咱们在本研讨中采访的许多受访者对进一步的小型化是否值得持怀疑态度。

  其他技能改善是否能够康复通用处理器改善的脚步?当然,有关此类技能的谈论许多:量子核算,碳纳米管,光学核算。不幸的是,专家们估计,至少要再过十年,工业界才干规划出一种规模更广的量子核算机,然后有或许代替传统的通用核算机。或许具有更宽广远景的其他技能仍将需求许多资金来开发并投放到商场。

  传统意义上,核算的经济性是由通用技能模型驱动的,通用处理器的进步越好,那么商场增加就会加大对其出资,然后进一步推进它们的改善。几十年来,GPT的这种良性循环使核算成为经济增加的最重要驱动力之一。

  本文供给的依据标明,这种GPT周期已被碎片化的周期所代替,这些碎片化的周期导致了核算速度的增加缓慢和用户的割裂。咱们展现了fragmenting cycle的三个部分,它们中的每一个都现已在进行中:通用处理器的改善率现已呈现了急剧且不断增加的放缓;购买通用处理器和专用处理器之间的经济权衡已急剧转向专用处理器;并且制作更好的处理器的固定本钱不断上升,将无法再由商场增加率来补偿。

  总而言之,这些发现清楚地标明,处理器的经济状况现已发生了巨大改动,将核算推入了天壤之别的专门范畴,并且彼此之间供给的利益也越来越少。并且,因为此循环是自我增强的,因而它将永久存在,然后进一步碎片化通用核算。终究,将会拆分出更多的专用的运用,通用处理器的改善速度将进一步怠慢。

  本调了经济学推进核算方向的严重改动,并对那些想要核算碎片化的人们提出了应战。

  机。2、嵌入式系统运用多种类型的处理器,PC选用的处理器类型较少。3、嵌入式系统极重视本钱。4、嵌入式系统有实时束缚,即便命的履行时刻是能够猜测且满意

  机系统完结信号的运算处理以及显现输出等,如示波器、万用表等,这种仪器因为其

  机系统”3个基本要素。2. 嵌入式系统的技能要求和开展方向嵌入式系统与

  机)不是一种典型的嵌入式系统;嵌入式系统中的软件不存放在硬盘中,软件一般固化在只读存储器(ROM)中,用户一般不能随意改变其间的程序功用;典型嵌入式系统

  机操作系统的差异曾经仅学习并触摸过嵌入式系统,经过比照,能够把曾经学过的常识对应到

  机操作系统上来。本文转自个人形象笔记,如有问题欢迎谈论纠正。1. 嵌入式系统的关键嵌入式系统

  办法:变压器的基本原理与双绕组变压器,多绕组变压器与自耦变压器,不对称运转与并联运转,铁心与磁路,绕组与阻抗,损耗与温升等内容。

  办法 /

  渠道? /

  运用开发及评测渠道——DeepSpark,经过共享与落地运用深度耦合的百大算法,并针对职业需求构建多维度测评系统

上一篇:45度裁板锯 数控裁板锯可以轻松地完结各种木材的切开作业

下一篇:关于当地生、国防生大学期间是不是军龄和工龄的最全回答!