以数据为中心的近数据计算，「深存科技」计算存储处置芯片及解决计划减速冲破数据核心算力瓶颈

18260663li

作者｜韦世玮
大数据时期下，愈发沉重的数据量和数据处置需要正在给各行各业带来微小应战。据惠普在其公布的钻研讲演中预测，至2025年需求被剖析和认知的数据将增长100倍以上。
尤为是在摩尔定律逐步迫近物理极限的大配景下，行业难以再经过制程工艺的迭代来晋升芯片机能、升高本钱。因此，人们开始思考如何从半导体资料、封装工艺、计算架构等标的目的，寻觅到新的冲破口。

数据处置才能的需要曾经远远超过算力的增长
在翻新计算架构上，国内存储网络工业协会（SNIA）早在2018年十一月成立计算存储技术任务组，聚拢业界主流的计算和存储企业，独特讨论数据中心计算的技术与运用，制订相干规范。其中定义了三种计算存储技术门路：
Computational Storage Drive（CSD，便可计算型SSD，包孕耐久存储和计算模块）；Computational Storage Processor（CSP，即不含耐久存储，但将算力部署在数据真个处置器）；Computational Storage Array（CSA，即整算计算存储处置器、管制软件及其余器件的整套混合计划）。其中，CSD更合用于低算力低功耗场景，已有包罗三星在内的多家SSD厂商进行理论和部署。但关于数据核心繁杂场景、高通量、低延时的海量数据减速需要，作为独立运用芯片的CSP则成为更卓有成效的完成计划。
截至目前，包罗三星、西部数据、海力士等主流存储厂商，以及英伟达、AMD、Intel、戴尔等主流计算企业共51家公司已参加SNIA技术任务委员会。
实际上，除了国内巨头在计算存储计算畛域有所规划，国际深存科技亦是这一赛道中不成小觑的创企玩家之一。
深存科技成立于2020年十一月，是国际首家近数据大算力CSP芯片及解决计划提供商，聚焦以数据为中心的计算指标（Data Centric Computing），研发与存储零碎严密结合的计算存储处置器/数据处置芯片（CSP），可以为下一代数据核心、5G边沿计算、云计算等数据沉重的运用场景提供中心组件，知足低延时、高精准的要求，解决“大数据”和“快数据”并存的困难。
深存科技开创人&CEO袁静丰告知36氪，公司的次要登程点是从第一性原理登程，把算力部署到离数据更近之处，以数据为中心展开计算。“搬运计算资源比搬运数据更易，效力也更高，在将来数据核心畛域将会发生微小的数据盈利。”他说。
01、团队产业化教训超20年，往年底将发首款正式量产大算力产品
“咱们的次要指标是做改动数据层面和存储端算力架构的探究，为将来以数据为中心计算的技术计划做更多改造。”袁静丰说。
他谈道，存储及数据办事器在过来很长的时间里始终处于“主动”形态，仅仅重视容量和读写办事，而深存科技但愿将它改动成一个拥有数据认知、后果产出才能的“自动驾驶”零碎，造成以数据为中心的计算，成为智能化的数据湖，面向将来数据沉重的运用需要，包罗数据核心、流媒体、自动驾驶等畛域。
从公司成立以来，深存科技接踵推出了基于FPGA的算法原型机、工程样机，到目前已筹备量产的产品样机，而这迅速的研发节拍与公司团队配景非亲非故。
一方面，公司中心团队来自西部数据、美光、惠普钻研院、英特尔、微软Azure数据核心、英伟达、腾讯等出名企业，具有20年以上存储管制芯片、数据减速芯片、GPU算力芯片和国内当先的数据核心、超算架构的研发教训，胜利迭代并量产多个数据核心中心芯片名目。
其中，深存科技开创人&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核心业务的资深专家、Fellow候选人，担任数据核心业务芯片及零碎的研发，并参预企业存储、数据减速、计算存储、存算结合等标的目的的钻研和相干规范制订，具有十余项芯片畛域的国内专利。
在20多年的从业教训里，袁静丰曾率领团队延续研发且交付过量个业界当先的芯片及零碎级产品，并范围部署至AWS、Facebook、微软Azure等大型数据核心，以及DELL/EMC、HPE、IBM等国内厂商的主流办事器。
基于丰硕的产业化落地教训，深存科技经过与客户进行深化接触和沟通，可以疾速将客户的翻新需要转换成产品来落地，沿着近数据计算的首要趋向不停深耕规划和运用。
详细到产品布局上，面对动辄几十TB到PB级的数据核心数据湖存储节点，深存科技预计将在2022年第四季度推出第一款正式方案量产的大算力CSP产品，将弱小算力和数据存储零碎进行深度整合，定位面向数据核心的高机能产品线，波及云计算，视频流媒体办事、工业互联网等运用场景。同时，公司在智能制作畛域已拓展了首要协作火伴，接上去将进入详细的协作与落地阶段。
跟着产品的量产及落地推动，公司也将疾速搭建市场销售团队，同时持续大范围扩展研发人员，以更好地在产品开发上投入少量的时间和精神。
02、计算以数据为中心，率先与AMD造成协作火伴体系
实际上，跟着近些年来行业运用对芯片算力、能效等机能要求愈来愈高，传统的冯·诺依曼架构作为典型的以CPU为核心的构造，其计算和存储别离的设计致使“存储墙”问题愈创造显。为理解决这一问题，最后不少玩家选择采取存算一体的形式解决，包罗存内计算、近存计算等技术门路。
袁静丰以为，存内计算更可能是从宏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要，比拟基于ASIC或GPU的设计，存内计算在效力方面有更好的晋升。
同时，存内计算面临的更可能是存储器设计和制作的应战，“这不是一家小公司或初创公司可以主导和管制的，往往需求大厂甚至全部产业链的参预来提供残缺的反对。”他说。
比拟之下，经过CSP芯片完成的近数据计算更可能是从微观架构和芯片设计层面进行翻新和优化。例如在数据核心，运用往往要面临少量原始数据的搬运，需求从存储节点经过网络往计算节点进行搬运，就像一台计算机，然而更加繁杂和宏大。

高带宽和低延时的运用与宏大数据需要，造成微小的引力将计算资源拉近数据
在袁静丰看来，将来数据核心将面临少量的数据增长，比拟以往大家关注的宏大数据容量和通量，它将更强调响应时间，对数据的实时性要求愈来愈高，也就是快数据需要。这就使得数据四周造成微小的引力，促使计算资源向数据凑近，以数据为中心的计算（Data Centric Computing）成为继基于GPU的计算减速，DPU/IPU的网络减速之后的首要趋向，环抱数据湖展开数据减速和算力部署的计算存储将是将来业界的次要任务。

2022年5月，办事器厂商戴尔表现以数据为中心的计算存储是将来首要趋向
因此，行业除了减少算力和网络带宽投入，更要思考如何晋升数据核心的存储和数据处置效力的问题。“用行业公认的观念来讲，进步计算效力的症结就是进步搬运效力，搬运计算才能会比搬运数据更无效。”袁静丰说。
这也是深存科技选择用近数据计算架构来解决存储和计算冲突的症结所在。经过将CSP和存储节点相结合，达到以数据为中心的近数据计算指标，可以在增加原始数据的低效搬运根底上，完成低延时、高精准、疾速反映的成果，同时让AI算力在数据比来之处发扬效力。
总的来看，深存科技的CSP可提供弱小的数据减速才能、高效的I/O处置才能，以及弱小AI算力，让运用缩短数据搬运门路，进步计算效力，完成低提早、高精准、高通量。与其余CSD计算存储公司比拟，深存科技采取了CSP+存储节点的部署形式，CSP可独立任务，可部署近数据的大算力运用和通用化的多元场景。
“咱们最大的差别化在于将算力做到了极致，将减速才能和AI算力整合在CSP中，放到存储节点左近来实现以数据为中心计算和减速的指标。”袁静丰谈道，不论是在本钱效力、通用性，仍是综合算力方面，深存科技的芯片产品均已超过头部玩家的同类产品。
目前，深存科技已失掉一些业内出名公司的认可，与AMD造成协作火伴瓜葛，这一协作是国际数据核心存储与算力融会畛域的首例。与此同时，公司行将成为寰球网络存储工业协会的技术任务组规范委员会成员，将来将和其余主流公司独特参预行业技术规范的制订。

华人澳洲中文论坛

热图推荐

以数据为中心的近数据计算，「深存科技」计算存储处置芯片及解决计划减速冲破数据核心算力瓶颈

发表回复

18260663li
关注TA

图文推荐

华人澳洲中文论坛

热图推荐

以数据为中心的近数据计算，「深存科技」计算存储处置芯片及解决计划减速冲破数据核心算力瓶颈

发表回复

18260663li 关注TA

图文推荐

18260663li
关注TA