AMD 與 Intel 競爭的復蘇對于尋求低成本、低功耗、高性能處理器的數據中心或工作站設計人員來說是個好消息。然而，這并不能掩蓋重點轉向專用或異構人工智能處理方法以及開源 RISC-V 架構的吸引力的巨大轉變。后者面臨著廣泛的懷疑。

作為一種新架構，設計人員有必要對 RISC-V 持懷疑態度，因為他們需要謹慎管理風險，確保長期支持和二次采購，并擁有可靠且相對直觀的工具工作流程。所有這些都是圍繞開源 RISC-V 架構出現的問題，以及包括 ARM、英特爾和 AMD 在內的強大現有企業的現實。客戶獲勝看起來不太可能。正如一位觀察家所說，“這是一個美麗的概念和建筑，但在可預見的未來，大門已經關上了。”

那位觀察者是獨立顧問和分析師 Loring Wirbel，他補充說，可能是當前使用 Arduino 的愛好者或年輕工程師將 RISC-V 帶入主流，但這需要時間。

也就是說，RISC-V IP 的主要支持者 SiFive 正在取得進展。它最近宣布推出其 U54-MC Coreplex IP，這是第一個基于 RISC-V 的 64 位四核實時應用處理器，適用于 Linux（圖 1）。Electronic Products 借此機會直接向 SiFive 的產品和業務開發副總裁 Jack Kang 提出了這些問題。

圖 1：SiFive 的 U54-MC Coreplex IP 是第一個用于 Linux 的基于 RISC-V 的 64 位四核實時應用處理器。

關于工具支持，Kang 表示已經有很多開源工具可用于 RISC-V。例如，Bintils 和 GCC 是穩定的和主線的，而 LLVM 和 Linux 正在被上游化。“Glibc 和 newlib 已經被上游化，并將在下一個版本中發布，而 GDB 和 OpenOCD 對 RISC-V 的支持也存在，”他說。

SiFive 本身提供 Freedom Studio，這是一個基于 Eclipse 的集成開發環境 （IDE），它將所有這些工具集成到一個易于使用的環境中。

Kang 表示，在商業方面，UltraSoC 和 Segger 等供應商已宣布支持 RISC-V。“其他多家領先的調試和跟蹤商業供應商將在 2017 年晚些時候宣布支持。”

面對老牌英特爾和 AMD，Kang 表示，RISC-V 的機會在于新的計算和需求領域，包括邊緣計算、物聯網和機器學習。

“這些市場沒有被半導體行業試圖提供的單體公司和單一風格設計很好地服務，”他說。“對于 SiFive 和 RISC-V 生態系統而言，定制芯片和內核的能力是關鍵優勢。” Kang 為 SiFive 技術考慮的應用將需要數千種不同類型的設計。“這根本不是傳統供應商有能力提供的。”

至于 RISC-V 需要時間讓其用戶成熟并從 Arduino 類型的愛好者應用程序遷移，Kang 不屑一顧。“這聽起來像是對商業行業在開源軟件概念首次出現時游說的批評，”他說。“認為創新只能存在于價值數十億美元的公司手中是錯誤的。” 值得注意的是，Microsemi 是 SiFive 與 Arduino 一起宣布的另一個客戶。

有足夠多的半導體初創公司嘗試過但都失敗了，這讓所有人都看到，與軟件公司相比，創辦一家硬件公司或構建自己的芯片要困難得多，成本也要高得多。

“SiFive 將通過大幅降低定制硅的門檻來改變這種狀況，”Kang 說。“一旦我們這樣做了，我們就會看到很多新的想法和創新。”

人工智能和深度學習是新的硬件前沿 SiFive 對物聯網、邊緣計算和機器學習的重視符合整個行業為從邊緣尋找基于物聯網的霧計算類型分析的正確處理組合的趨勢到云端，以及人工智能 （AI）。雖然 AI 的實際開發很大程度上取決于編程，但執行數據分析和決策的效率和速度在很大程度上取決于底層硬件。

考慮到這一點，每個供應商都在尋找合適的成分來補充他們自己的硅。英特爾已經購買了 Altera 的 FPGA 數據平面處理速度，以補充其 CPU。它還收購了 Nervana 的深度學習計算硬件引擎。Nvidia 已經從一家 GPU 供應商轉變為一家人工智能、機器學習和深度學習解決方案提供商。在這樣做的同時，它還與其他具有互補芯片的公司合作，以優化效率和速度。

但正確的組合是什么？以色列海法的機器學習軟件開發商 Presenso 的首席技術官 Deddy Lavid 試圖回答這個問題。他表示，滿足深度機器學習需求所需的處理器和處理架構是：

多個并行高速預處理單元（用于數據輸入和處理）

幾個并行處理單元（用于每個隱藏層神經元的計算）

幾個并行的非常大和快速的寄存器（用于快速存儲和提取數據）

高速網絡帶寬

CPU 的耗電量至少要低 10 倍

Lavid 指出，這種特定于 AI 的處理器正在各個公司的密集開發中，Nvidia 以其定制的 GPU 主導了這個市場。

CPU 馬力不再是門控因素 為 AI 和深度學習找到正確的處理元素組合的努力是在處理速度和功耗的后馬力時代尋找正確的元素組合的更廣泛斗爭的一個具體例子很重要，但不是決定因素。例如，在數據中心，可擴展性、內存帶寬、I/O 和安全性是大數據原始處理與虛擬化混合的主要考慮因素。

當 AMD 與英特爾的戰爭在今年早些時候重新開始時，這一點得到了強調，AMD 在 6 月宣布了基于 Zen x86 內核的 Epyc 7000 片上系統 （SoC）（圖 2）。該 SoC 配備 32 個內核、64 個線程、8 個內存通道，每個插槽高達 2 TB 的內存，以及 128 個 PCIe Gen 3 通道。它還具有硬件嵌入式 x86 安全性。它的推出價格從 400 美元到 4，000 美元不等。

?

圖 2：AMD 用于數據中心的 Epyc SoC 具有多達 28 個 x86 Zen 內核和 128 個 PCIe Gen 3 通道。

為了展示 SoC 的內存控制器性能，AMD 直接將 Epyc 與英特爾的 Broadwell 進行了比較，使用了內存綁定的高性能計算 （HPC） 應用程序。這可作為虛擬現實和 3D 處理等應用程序的代理，在這些應用程序中，數據從主內存來回移動到本地緩存中，然后再次返回到主內存。

AMD 的 Epyc 比 Intel 的 Broadwell 提高了 78%，這并不奇怪，但最重要的一點是有效的：內存帶寬可能會扼殺 CPU 的性能。它需要適合應用的比例。這也適用于處理器到處理器的通信，這就是 AMD 用自己的 Infinity 結構替換 PCIe 以實現更快的 GPU 通信的原因。

幾周后，當英特爾憑借其 Skylake-SP（可擴展處理器）SoC 超越 AMD 時，Epyc-Broadwell 的比較變得毫無意義。英特爾為其 Broadwell 產品線提供了 65% 的改進，并推出了 50 個版本，價格從 400 美元到 9，000 美元不等。

值得注意的是，Skylake-SP 最高為 28 個內核，而 Epyc 為 32 個，并且只有 48 個 PCIe 3 Gen 通道，而 Epyc 為 128 個通道。然而，除其他因素外，設計人員必須選擇哪個具有最適合應用的功能組合以及可用的插槽數量。兩者都跨越兩個插槽，盡管 Epyc 的 I/O 使其作為單插槽解決方案具有競爭力（與 Broadwell 相比）。

邊緣虛擬化和霧計算 隨著分布式、霧計算類型的概念在物聯網分析中占據主導地位，同樣的原則也被應用于虛擬化，將其從數據中心移出并靠近邊緣。

這是恩智浦發布具有 16 個 ARM Cortex-A72 內核、100-Gbit/s 以太網和單個 PCIe Gen 4 互連的 LX2160A SoC 背后的部分原因（圖 3）。遵循旨在降低延遲、可靠性和整體功耗的霧計算原理，SoC 可用于在傳感器和云之間添加一層虛擬化和分析能力，以進行物聯網數據分析。