【IT168 评论】微软最近动作不断，这密度让人不关注都难!本周在台北举办的关于微架构的第49届年度IEEE/ACM国际研讨会上，其引用的一篇题为《云规模加速架构》的论文中，详细列出了微软在其数据中心使用FPGA作为“计算或网络加速器”系统，这一做法再次引发网友热议。
据外媒报道，谷歌其实也在这方面做出了自己的尝试，即在数据中心内使用非英特尔CPU，看到微软推出了FPGA，不知道谷歌会作何感想?微软似乎在硬件的道路上越走越远了，有人声称该技术最终可能会呈现出比英特尔主机处理器更强大的计算能力，而英特尔方面，眼尖的网友表示“完全不用担心，毕竟英特尔收购了最大的FPGA公司嘛”。
微软也发布了新型数据中心架构的详细信息，该数据中心使用可重构硬件—可重复编程的门电路阵列(FPGA)作为数据中心的分布式计算系统，其可加速多种类型操作。该可配置云端架构并不仅仅停留在理论阶段，微软表示目前已在“微软全球生产型数据中心内部”进行大规模部署了，数据搜索速度得到了大幅提高，并且也铺平了其他操作的加速之路。
数据中心的每套FPGA都可与内部其他FPGA直接对话，这种灵活性意味着FPGA将能够组成资源池，根据不同需要进行分割。这种改变也意味着FPGA经由网络实现通信的过程不需要涉及任何特定节点和CPU。这些逻辑阵列位于主机服务器的一块子板之上，且拥有独立的内存容量，通过PCle Gen-3接口与主机CPU实现对接。
▲FPGA-CPU 网络设计基本示意图
关于未来可配置云架构加速设计，微软提出了两种主要方式：
1、计算加速，使用FPGA承载部分CPU数据中心的计算任务。微软主要以必应搜索为例，将一些比较繁重的计算工作从CPU搬到了FPGA上。
2、另一种加速方式是将网络数据加密和解密工作挪到FPGA上进行。
微软对使用FPGA作为弹性计算资源的想法十分有信心，微软把这种方式称为“硬件即服务(HaaS)平台”，可以以类似于Yarn或其他资源调度的方式管理FPGA。FPGA相比于CPU和GPU有明显的优势，GPU即便性能再强大，也需要通过CPU实现与其他部件的通信。微软直接将FPGA纳入输入请求与输出数据的直接通路，不需经由网卡将数据分流至FPGA，再通过内部系统总线接收返回结果。
FPGA入主人工智能的路还有很长一段要走...
既然分布式计算可以这样设置，就很容易让人联想到机器学习应用——不仅因为其许多应用程序跨多节点执行，也因为部分操作可直接在FPGA上加速。但要想指望FPGA在机器学习领域迅速火起来，似乎不太可能。
首先，绝大多数机器学习的加速仍然通过GPU实现，这也得益于GPU背后巨大的工业支持。FPGA要想参与到这类应用程序的编程中实在是困难重重，并且新一代用于加速机器学习的GPU早已出现在市场上，失去先机的FPGA想要在机器学习领域立足更是难上加难。
不过，随着FPGA在数据中心方面的地位提升，也会带来一些改变。比如，英特尔公司目前正尝试在X86处理器中内置FPGA。微软方面表示，希望FPGA可以成为所有数据中心的辅助技术，而不仅仅是传统数据中心。希望未来FPGA可以和GPU一起在加速的道路上走得越来越稳。
