根據Gartner預測，到2025 年，云原生平臺將成為95%以上新數字應用的基礎，而在2021 年這一比例只有不到40%。熱潮之下，越來越多的企業和開發者開始推動業務與技術的創新向云原生演進。

讓“可持續發展”成為數據中心的必選項

之所以會出現對“云原生”相關概念的追捧，Ampere首席執行官Renée James認為，是云開辟了一個新的領域，定義了現代軟件的開發和部署方式。它們渴望一種新的高效計算引擎，既能夠驅動云的未來發展，又能夠將軟件從硬件的定義中抽取出來。也就是說，操作系統和其他軟件與硬件綁定的時代已經結束，人們不必擔心傳統軟件對獨特指令和功能的依賴。

與此同時，算力需求的指數級增長加劇了對架構轉變的需求，同時也引發了數據中心與關鍵的商業和住宅開發項目對電力資源的爭奪。Renée James 表示：“可持續性不再只是實現 ESG 目標的一部分——它對于未來所有計算的增長都至關重要。”對于行業的前進方向，Renée James認為：“在能耗與性能的坐標軸之中，朝坐標軸的右下方移動是行業發展的新常態，目的是實現更低的能耗和更高的性能。”

“我們使命的核心是創造計算的未來，打造一款既高性能又可持續的產品。因為在如今云帶來的所有令人驚奇的事物之中，可持續性竟然不是其中之一，這也是為什么在過去幾年間，我們一直在Ampere打造革命性產品的原因。”Ampere Computing首席產品官Jeff Wittich說，當今業界存在一種謬論——“認為提升計算性能，必然會帶來相應甚至更多的能耗，且沒有其他替代方法。“

我們可以在今天的生成式 AI中看到這種想法，所有可用資源都被無盡地投入到這些模型當中。根據最近的一項行業預測，ChatGPT單次查詢的成本為36美分，是傳統查詢方式的30多倍，能耗同樣急劇升高。但事實上，鑒于云的規模和其龐大性，以及其未來增長所面臨的諸多限制，通過更低的能耗提供更高的計算能力，在所有環境中都至關重要，因為在云中，沒有效率，就沒有性能可言。

擊破單核性能與能耗之間的矛盾

為此，在2020年推出的業界首款云原生處理器Ampere Altra和2021年推出的128核云原生處理器Ampere Altra Max基礎之上，Ampere日前正式推出全新 AmpereOne系列處理器。

該處理器基于5nm工藝節點制造，擁有多達192個單線程Ampere自研云原生核，內核數量為業界最高，且每核擁有64K L1數據和2MB L2緩存。在設計方面，Ampere為云進行了專門的微架構創新，如準確性更高的L1數據預取器，縮短了分支誤預測的恢復時間，并增強了高級內存消歧，可為云等高性能、高利用率的多用戶環境提供高水平的一致性能、可預測性和可持續性。

此外，Ampere還在三個基礎領域引入了新的云功能，包括：

性能一致性為了提供性能的一致性，設計人員引入了網格擁塞管理（Mesh Congestion Management），可通過管理密集的192個核之間的流量來提升性能，內存和SLC QoS實施功能負責管理緩存和內存使用情況，在IaaS環境中創建了新功能的嵌套虛擬化技術;

可管理性細粒度電源管理（Fine Grained Power Management）能夠幫助用戶更清楚地了解和管理處理器的能耗;高級Droop檢測可以更好地監測電壓，節省電力;進程老化監測器可隨時間評估處理器的壓力，這些在持續有大量工作的大規模云環境中非常重要。

安全性通過添加安全虛擬化技術，提供了在多租戶環境中隔離工作負載的額外方法;單密鑰內存加密和內存標簽（Memory Tagging）功能可保護內存，防止未經授權的參與者惡意讀取或是某一類的潛在攻擊，例如使用緩存溢出作為漏洞進行的攻擊，同時也提高了針對數據庫等用途的應用程序數據完整性，這是一個在傳統解決方案中罕見的關鍵功能示例。

Jeff Wittich提供的對比數據顯示，在云環境中運行虛擬機（VM）時，與96核的AMD Genoa或者60核的英特爾Sapphire Rapids相比，AmpereOne每機架運行的虛擬機數量是AMD Genoa的2.9倍，是英特爾Sapphire Rapids的4.3倍。

“AmpereOne系列處理器意味著“更多”——更多內核、更多 IO、更多內存、更高性能和更多云功能。” Jeff Wittich表示，憑借8通道DDR5內存和一個12通道的平臺，加上128通道的PCIe Gen5 IO，AmpereOne正在擴展整個平臺，“是一款真正意義上的殺手級產品”。

推動AI推理更上一層樓

雖然Ampere是CPU市場的新玩家，但早在兩年多前，Ampere就組建了專門的AI團隊，開展針對AI的一系列創新。AmpereOne系列處理器除了現有的INT8、INT16、FP16支持，每核有配有兩個128位矢量單元以及BF16，可以高效地提供卓越的AI性能，賦能流媒體推薦、商品智能推薦、生成式AI等諸多應用。

在生成式AI方面，相比AMD Genoa，AmpereOne可每秒多提供2.3倍的幀數，在運行穩定的擴散模型中勝出。此外，在運行DLRM模型的推薦系統中，通過AmpereOne響應的查詢數量為每秒1，890萬條推薦計算，是AMD Genoa的每秒查詢數量的兩倍多。

Jeff Wittich表示，Ampere的產品不只適用于當前常見的大型語言模型，也適用于過去幾年相對舊的模型。通過Ampere云原生處理器進行AI推理，可獲得卓越的可擴展性和性能，也打破了效率的瓶頸，而這正是令云服務提供商（CSPs）困擾的問題，因為使用GPU會帶來極高的能耗，而且容量擴展和可部署的服務器數量也會受到限制。

三年前，Ampere收購了AI技術初創公司OnSpecta，相較于常用的基于CPU的機器學習框架，基于OnSpecta深度學習方案（DLS）的AI優化引擎可帶來超過四倍的加速。。除了在軟件方面有所布局外，Ampere AI團隊還和硬件團隊、架構團隊在AmpereOne的特性上進行優化合作，包括支持BF16、FP16和其它數據格式，以確保其能夠成為AI開發人員使用的常見庫（Library）和工具。

比如一家名為Matoha的英國初創公司基于科學和工程專業知識開發了低成本的手持掃描儀，可以隨時隨地輕松識別塑料或織物，他們選擇了OCI和Ampere Altra AI計算實例在云上訓練其機器學習算法。數據顯示，相較于其他處理器，Ampere云原生處理器的延遲降低了兩倍，在性價比方面可節省高達75%的成本。

采用Chiplet設計是AmpereOne處理器另一個值得關注的亮點。

在Jeff Wittich看來，Ampere在新芯片中大量采用Chiplet設計，帶來了至少兩方面的優勢，一是具備更高的靈活度，二是加速了整個芯片的設計周期。同時，通過將System Level Cache放在了計算芯片（Compute Die）上，Ampere能夠幫助降低核與系統級緩存（System Level Cache，SLC）之間的延遲。這也是Ampere把極大的Mesh放在單個的計算芯片上的原因——可以幫忙避免造成訪問時間（Access Time）和系統級緩存之間的不平衡，或者造成某些核無法訪問系統級緩存。

結語

與Ampere Altra和Ampere Altra Max相比，AmpereOne系列處理器推出的目的并不是要取代前者，而是要在原有基礎之上實現持續擴張。簡單而言，在邊緣計算場景，只需要部署32核、功耗40瓦的Ampere Altra處理器就可以了;但對大規模數據中心而言，擁有更多算力IO、內存和帶寬的192核AmpereOne可能就是更好的選擇。

此外，用戶也不用擔心任何的兼容問題，因為AmpereOne系列和Ampere Altra系列處理器均基于ARM ISA架構，所有代碼和工作都能在兩類處理器上正常運行，不需要任何改動。Jeff Wittich說Ampere始終希望繼續擴展生態合作，讓Ampere的產品面向更多用戶，能夠在公有云、私有云、企業、混合云、以及邊緣計算等多個場景中觸手可及。

編輯：黃飛