以数据为核心的近数据计算,「深存科技」计算存储处理芯片及解决方案加速突破数据中心算力瓶颈( 二 )


其中 , 深存科技创始人&CEO袁静丰曾任职英特尔、美光、闪迪、西部数据等公司 , 作为企业存储和数据中心业务的资深专家、Fellow候选人 , 负责数据中心业务芯片及系统的研发 , 并参与企业存储、数据加速、计算存储、存算结合等方向的研究和相关标准制定 , 拥有十余项芯片领域的国际专利 。
在20多年的从业经验里 , 袁静丰曾带领团队连续研发且交付过多个业界领先的芯片及系统级产品 , 并规模部署至AWS、Facebook、微软Azure等大型数据中心 , 以及DELL/EMC、HPE、IBM等国际厂商的主流服务器 。
基于丰富的产业化落地经验 , 深存科技通过与客户进行深入接触和沟通 , 能够快速将客户的创新需求转换成产品来落地 , 沿着近数据计算的重要趋势不断深耕布局和应用 。
具体到产品规划上 , 面对动辄几十TB到PB级的数据中心数据湖存储节点 , 深存科技预计将在2022年第四季度推出第一款正式计划量产的大算力CSP产品 , 将强大算力和数据存储系统进行深度整合 , 定位面向数据中心的高性能产品线 , 涉及云计算 , 视频流媒体服务、工业互联网等应用场景 。 同时 , 公司在智能制造领域已拓展了重要合作伙伴 , 接下来将进入具体的合作与落地阶段 。
随着产品的量产及落地推进 , 公司也将快速搭建市场销售团队 , 同时继续大规模扩展研发人员 , 以更好地在产品开发上投入大量的时间和精力 。
02、计算以数据为核心 , 率先与AMD形成合作伙伴体系实际上 , 随着近年来行业应用对芯片算力、能效等性能要求越来越高 , 传统的冯·诺依曼架构作为典型的以CPU为中心的结构 , 其计算和存储分离的设计导致“存储墙”问题愈发明显 。 为了解决这一问题 , 最初不少玩家选择采用存算一体的方式解决 , 包括存内计算、近存计算等技术路径 。
袁静丰认为 , 存内计算更多是从微观层面进行架构的优化 , 例如在存储器中部署神经网络来解决AI层面的参数及向量搬运的需求 , 相比基于ASIC或GPU的设计 , 存内计算在效率方面有更好的提升 。
同时 , 存内计算面临的更多是存储器设计和制造的挑战 , “这不是一家小公司或初创公司能够主导和控制的 , 往往需要大厂乃至整个产业链的参与来提供完整的支持 。 ”他说 。
相比之下 , 通过CSP芯片实现的近数据计算更多是从宏观架构和芯片设计层面进行创新和优化 。 例如在数据中心 , 应用往往要面临大量原始数据的搬运 , 需要从存储节点通过网络往计算节点进行搬运 , 就像一台计算机 , 但是更为复杂和庞大 。
以数据为核心的近数据计算,「深存科技」计算存储处理芯片及解决方案加速突破数据中心算力瓶颈
文章图片
高带宽和低延时的应用与庞大数据需求 , 形成巨大的引力将计算资源拉近数据
在袁静丰看来 , 未来数据中心将面临大量的数据增长 , 相比以往大家关注的庞大数据容量和通量 , 它将更强调响应时间 , 对数据的实时性要求越来越高 , 也就是快数据需求 。 这就使得数据周围形成巨大的引力 , 促使计算资源向数据靠近 , 以数据为核心的计算(DataCentricComputing)成为继基于GPU的计算加速 , DPU/IPU的网络加速之后的重要趋势 , 围绕数据湖展开数据加速和算力部署的计算存储将是未来业界的主要工作 。
以数据为核心的近数据计算,「深存科技」计算存储处理芯片及解决方案加速突破数据中心算力瓶颈
文章图片
2022年5月 , 服务器厂商戴尔表示以数据为核心的计算存储是未来重要趋势
因此 , 行业除了增加算力和网络带宽投入 , 更要思考如何提升数据中心的存储和数据处理效率的问题 。 “用行业公认的观点来说 , 提高计算效率的关键就是提高搬运效率 , 搬运计算能力会比搬运数据更有效 。 ”袁静丰说 。