新的处理器将速度极快,但这并不能保证提高系统速度。
新的处理器架构正在开发能提供两到三个数量级提高性能。现在的问题是系统的性能将是任何靠近处理器基准。
这些处理器做一件事很好。他们处理特定的数据类型,可以加快multiply-accumulate函数算法的处理分配到多个芯片处理元素。实际上,它们是并行操作同时修剪算法和调整输出任何精度水平是必要的,而且他们从内存中存储和检索位在多个方向而不是从左到右。
有几个固有挑战这些架构。首先,移动数据通过芯片不是特别节能的如果你不也减少了需要处理的数据量。而MAC函数可以分布在多个加速器,移动数据在一个芯片和把它在一些连贯的形式由多个处理元素处理后并不是那么简单。
数据中心几十年来一直在努力解决这个问题,和超大型云添加了一个元素的异质性。云计算本质上负载平衡处理和使用高速光学互联船数据在光速。但随着这种操作接近数据,如在一辆汽车或一条边云,负载平衡的能力更加有限。有有限的房地产在云的优势,并在一个自治车辆少得多。此外,尚不清楚,这些系统将有足够的数据保持在所有时间一致,和许多新处理器架构正在开发的不间断的设计。他们是最有效的处理数据时速度最大。
第二个挑战是,这不是明显在边缘设备如何连接,并能提供自己的瓶颈。设计一个系统,一个数据管道运行在100 gbps或400 gbps在纸面上看起来很不错,但速度只是以最快的速度最慢的组件在网络上。任何一个有千兆网络连接的数据流只知道尽快服务器在另一端。
第三,经济学的计算操作,不是一个超大型的云数据中心非常模糊。因为这些新处理器架构是高度调整某些算法或数据类型,他们不太可能实现的规模经济,这种处理可能在第一个地方。此外,性能可能会降低算法更新,这是一个持续的过程。这意味着芯片可能要比过去更频繁地更换。但如果设计的成本太高由于容量不足,改变了经济学的升级。
投入的角度看,有多个潜在瓶颈计算模型的转变,从技术和业务的角度。甚至不着手解决的能力让数据在内存足够快跟上处理。转向新处理器架构的移动部件,到目前为止没有一大堆的可见性这些碎片将如何一起工作。
|
|
|
|
|
|
|
|
|
|
留下一个回复