腾讯云：主机性能优秀，CPU内存方面非常稳定；学生机有非常明显价格优势；同样技术支持几乎都是绕圈子，跟大品牌一贯的客服风格有关，在线支持也是机器人。
西部数码：云集群架构方面有较大优势；客服响应速度非常快，技术解决能力值得称赞；且不断在进行产品的完善升级，并推出了高防云服务器，现数据中心已是万兆集群环境。
不足之处是特殊节日活动的价格与BAT相比稍显逊色，但跟其他品牌比，优势很大。西部数码近期也在价格方面做了更大让利，海外数据中心资源目前仅支持香港和美国。
华为云：产品种类多，有弹性云、GPU加速云、FPGA加速云、裸金属服务器等等。每款云主机下面又分为很多配置和类型，速度和稳定性可以。但主机租用价格较贵，售后服务跟不上，免费试用的产品不靠谱。
在大数据的驱动下AI技术有了实现商用的可能性，同时，随着智能化场景的不断扩大，用作于数据处理和存储的数据中心建设也在全球范围内兴起。根据Arizton的报告显示，从投资额进行计算，预计全球超大规模数据中心市场规模将在2026年达到1276.4亿美元，在2020至2026年内该市场将以超过4.02%复合年增长率保持增长。显然，通过收购的方式，是加快数据中心芯片布局的方式之一，而在这背后，也预示着，这四大芯片巨头决战数据中心的步伐也加快了。
根据IDC的预测显示，2015年到2025年，数据将以每年25%的速度增长。这些数据的增长带动了云端计算和边缘计算等市场的兴起，他们的增长也拉动了数据中心市场的成长。由此，芯片巨头们也在数据中心市场展开了布局。
英特尔是全球最大PC和数据中心服务器CPU制造商，2017年初他们更是将其以“PC为中心”的战略转移到“以数据为中心”的业务中，从2017年初他们确立了这个战略后，到了2019年，数据中心业务便表现出了较好的成绩。到2020年，其全年财报体现出以数据为中心的转型取得了显著进展，数据中心业务呈迅猛发展态势——2020年相较2019年增长11%。
也因此，英特尔已经将以数据为中心业务的总体潜在市场规模由2021年的1600亿美元调整为2022年的2000亿美元。这将是公司 历史 上最为重大的机遇所在。CPU是英特尔在数据中心市场发展的基石，在此基础之上，英特尔新任CEO帕特·基辛格也在今年提出英特尔2023 CPU产品路线图——面向数据中心的Granite Rapids，我们将采用英特尔7纳米制程工艺生产计算芯片。
AMD是英特尔在CPU领域的竞争对手之一，凭借着 EPYC系列产品，AMD再次迎来其高光时刻，同时该系列产品也为AMD进军数据中心市场带来了希望——根据Mercury Research的数据显示，经过长达六年的重返数据中心的争夺战，到2021年第一季度，AMD的X86处理器在数据中心的销售份额达到了11.5％。
数据中心市场的增长也为AMD的营收带来了提升，从其2021年第一季度显示，AMD营业额同比增长93%，净收入增长超300%，数据中心营业额增长超一倍。此外，根据AMD总裁兼首席执行官苏姿丰博士Computex 2021时的演讲显示，今年还将会有100多款各大厂商的搭载EPYC处理器的服务器平台问世，以及400多个基于EPYC处理器的实例。
这也是Arm服务器芯片在数据中心市场获得契机的原因之一。其于去年推出的ThunderX3 也是针对云计算和HPC高性能运算市场中的特定工作负载而设计，公司希望通过 Marvell 的差异化优势为最终客户带来更高的性能成本比和性能功耗比优势。
与上述三家芯片巨头不同的是，英伟达则是以GPU上的优势进入到数据中心市场。从英伟达的财报中看，数据中心市场的发展已经成为了他们营收当中重要的一部分。近几年，英伟达的数据中心业务的表现就开始逐渐露出锋芒——2021财年第一季度其数据中心业务首次达到了10亿美元，2021财年第二季度当中，其数据中心业务收入达到17.5亿美元，该项业务的收入占总营收的比重达到45%，首超 游戏 业务，创 历史 新高。
但随着数据中心市场的成长，仅凭单一的CPU或者是GPU都难以支撑这个市场的发展。因此，这四大芯片巨头开始向更多的领域做拓展——原来在CPU领域有着优势的企业开始向GPU、FPGA等领域进军，而GPU企业在在试图向多元化的方向发展，于是，我们看到了，这四大芯片厂商在数据中心市场的催化下，开始出现了交集。
英特尔曾在2018年提出XPU异构愿景，既由标量（对应CPU）、矢量（对应GPU）、矩阵（对应ASIC）、空间（对应FPGA）组成的架构，可以进行多种架构组合。英特尔认为，必须在CPU的基础上加入并完善GPU、FPGA、AI芯片、视觉处理芯片等不同类型的计算架构，组成一个有机的整体。
而这也是他们能够在数据中心市场持续发展的动力之一，因此，他们也针对这个愿景进行了布局，在自研方面，英特尔于去年11月正式发布其全新服务器GPU，即首款数据中心的独显产品。
在收购方面，英特尔于2015年完成了对全球第二大FPGA 厂商Altera的收购，2018年收购无晶圆厂eASIC开始向Chiplet发展，2019年四月收购为FPGA提供IP和定制解决方案的供应商Omnitek，6月，又收购了网络交换芯片厂商Barefoot（该收购旨在解决数据爆发式增长的问题，这些海量数据激发了对分析这些数据的计算能力的需求，也刺激了对在数据中心内交换这些数据的联网系统的需求），2019年还对以色列数据中心AI芯片制造商Habana Labs进行了收购（虽然Habana独立运营，但该笔收购也加强了英特尔在数据中心人工智能产品上的实力）。
在英特尔重返独立显卡之前，AMD是业内唯一一家既能做高性能x86 CPU，也能做高性能GPU的公司。而随着新的竞争的到来，AMD也对其GPU领域的发展做出了新的规划——AMD在其2020年财报会议上宣布，公司将在通用化GPU的基础上，将其产品定位成专注于 游戏 优化的RDNA和专注于运算导向的CDNA。
在对数据中心的布局上，最值得一提的是，AMD将对FPGA领域的龙头赛灵思的收购，这也是他们布局数据中心市场的重要一步——在拥有CPU 和 GPU 产品后，赛灵思可以为他们布局数据中心市场提供加速能力。
从英伟达方面来看，这是一个市值曾一度超过英特尔的巨头芯片公司，而市场对于他的看好，也来源于他们在数据中心这一市场的布局。而他们也开始突破GPU领域市场，开始向CPU市场进行发力——在今年4月，英伟达推出其基于Arm的数据中心CPU，据英伟达介绍，该芯片是专为大规模神经网络工作负载设计的，预计将于2023年在英伟达的产品中使用。
而针对数据中心方面的布局，英伟达也同样逃不过用收购的方式来进行发展。这其中包括，他们以69亿美元收购Mellanox获得的网络技术，与计划用400亿美元的价格收购Arm。
由于英特尔、AMD、英伟达针对数据中心的布局，使得他们的产品形成了一定的竞争关系，也被行业成为是数据中心市场的三大巨头。但在他们的发展中，尤其是英伟达以Arm架构为基础推出了CPU之后，我们也看到了Arm架构对于数据中心市场的冲击力，而这就不得不再提一下Marvell，这个在决战数据中心市场中一个不可忽视的力量。
除了他们所推出的Arm服务器芯片以外，在数据中心市场方面，Marvell 凭借着广泛的存储、计算、 安全与网络产品组合带来了同类最佳的构建模块与架构，以优异的总拥有成本满足了基础设施需求，在数据中心市场而占有一席之地。
这针对这些领域的布局，marvell也进行了多笔的收购，包括在2017年以约60亿美元收购Cavium，2019年收购以太网网络连接产品领域的Aquantia、格罗方德旗下Avera半导体子公司。2020年，他们还收购了光芯片厂商Inphi。近期，Marvell还宣布将收购供应云服务器以及边缘数据中心的网络交换芯片等产品的 Innovium。这些收购都将直接或间接地加强其在数据中心市场的发展。
如果说，向更多的领域做拓展，是这四大芯片厂商为数据中心市场的发展而打下基础。近期，这四大芯片厂商又不约而同地将目光投向了DPU市场。
在英伟达看来，数据中心路线图包括CPU、GPU和DPU这三类芯片。英伟达也在今年早些时候的博客中表示：“DPU（即数据处理单元）已经成为以数据为中心的加速计算模型的第三个成员，英伟达首席执行官黄仁勋在一次演讲中说：“这将代表未来计算的三大支柱之一。”这三者之间，CPU用于通用计算，GPU用于加速计算，而DPU在数据中心周围移动数据，进行数据处理。
因此，除了上文我们提到的，他们在CPU、GPU领域的成就外，他们也针对DPU这一市场进行了布局——去年英伟达发布了第一款DPU产品BlueField-2，今年的GTC上又发布了BlueField-3，BlueField-3会在明年上半年推向市场。
英特尔则在今年推出了名为IPU产品，按照英特尔的说法，英特尔官方的说法，IPU是一种可编程网络设备，旨在使云和通信服务提供商减少在中央处理器(CPU)方面的开销，并充分释放性能价值。在这种介绍下，也有人认为，这与当下主流的DPU作用类似。
而英特尔之所以能够在DPU领域取得成绩，这也离不开当时收购Altera。从DPU的本质上看，根据THENEXTPLATFORM的分析报告显示，在2020年，SmartNIC正在演变成DPU。SmartNIC可以通过从服务器的CPU上卸载网络处理工作负载和任务，提高云端和私有数据中心中的服务器性能。而针对多种SmartNIC的方案来说，由于FPGA是可重编程的，因此利用FPGA实现的数据平面功能可以任意并且实时地去除和重新配置，采用这种设计可以将网络功能提速几个数量级，因而，也被视为是数据中心市场发展的动力之一。
而赛灵思也是SmartNIC领域中的杰出玩家，据了解，该公司于2019年秋季收购了Solarflare Communications，并且Solarflare自2012年以来一直在构建基于ASIC和FPGA的NIC进行电子交易。由此来看，如果AMD收购了赛灵思，那么对于他们发展DPU来说也大有裨益。
除此之外，近期，Marvell也发布了一款DPU产品，根据半导体行业观察此前的报道显示，Marvell将推出OCTEON 10系列DPU，这是一个全新的SoC系列，建立在TSMC的5nm工艺节点之上，在这个处理器上，将首次展示Arm的新型基础设施处理器——Neoverse N2。根据公开消息显示，这将是Marvell第一个基于TSMC N5P工艺的芯片设计，实际上也是同类中第一个采用该工艺的DPU。
但对于未来数据中心市场的发展而言，这个市场可能会由这些芯片巨头厂商所主导，但并不意味着其他厂商没有机会，一些细分领域的巨头和初创公司也将会是这个市场中另外一股不可忽视的势力。
FPGA与CPLD的区别系统的比较,与大家共享：
尽管FPGA和CPLD都是可编程ASIC器件,有很多共同特点,但由于CPLD和FPGA结构上的差异,具有各自的特点:
①CPLD更适合完成各种算法和组合逻辑,FP GA更适合于完成时序逻辑。换句话说,FPGA更适合于触发器丰富的结构,而CPLD更适合于触发器有限而乘积项丰富的结构。
②CPLD的连续式布线结构决定了它的时序延迟是均匀的和可预测的,而FPGA的分段式布线结构决定了其延迟的不可预测性。
③在编程上FPGA比CPLD具有更大的灵活性。CPLD通过修改具有固定内连电路的逻辑功能来编程,FPGA主要通过改变内部连线的布线来编程FP GA可在逻辑门下编程,而CPLD是在逻辑块下编程。
④FPGA的集成度比CPLD高,具有更复杂的布线结构和逻辑实现。
⑤CPLD比FPGA使用起来更方便。CPLD的编程采用E2PROM或FASTFLASH技术,无需外部存储器芯片,使用简单。而FPGA的编程信息需存放在外部存储器上,使用方法复杂。
⑥CPLD的速度比FPGA快,并且具有较大的时间可预测性。这是由于FPGA是门级编程,并且CLB之间采用分布式互联,而CPLD是逻辑块级编程,并且其逻辑块之间的互联是集总式的。
⑦在编程方式上,CPLD主要是基于E2PROM或FLASH存储器编程,编程次数可达1万次,优点是系统断电时编程信息也不丢失。CPLD又可分为在编程器上编程和在系统编程两类。FPGA大部分是基于SRAM编程,编程信息在系统断电时丢失,每次上电时,需从器件外部将编程数据重新写入SRAM中。其优点是可以编程任意次,可在工作中快速编程,从而实现板级和系统级的动态配置。
⑧CPLD保密性好,FPGA保密性差。
⑨一般情况下,CPLD的功耗要比FPGA大,且集成度越高越明显。
随著复杂可编程逻辑器件(CPLD)密度的提高,数字器件设计人员在进行大型设计时,既灵活又容易,而且产品可以很快进入市场。许多设计人员已经感受到CPLD容易使用、时序可预测和速度高等优点,然而,在过去由于受到CPLD密度的限制,他们只好转向FPGA和ASIC。现在,设计人员可以体会到密度高达数十万门的CPLD所带来的好处。
CPLD结构在一个逻辑路径上采用1至16个乘积项,因而大型复杂设计的运行速度可以预测。因此,原有设计的运行可以预测,也很可靠,而且修改设计也很容易。CPLD在本质上很灵活、时序简单、路由性能极好,用户可以改变他们的设计同时保持引脚输出不变。与FPGA相比,CPLD的I/O更多,尺寸更小。
如今,通信系统使用很多标准,必须根据客户的需要配置设备以支持不同的标准。CPLD可让设备做出相应的调整以支持多种协议,并随著标准和协议的演变而改变功能。这为系统设计人员带来很大的方便,因为在标准尚未完全成熟之前他们就可以著手进行硬件设计,然后再修改代码以满足最终标准的要求。CPLD的速度和延迟特性比纯软件方案更好,它的NRE费用低於ASIC,更灵活,产品也可以更快入市。CPLD可编程方案的优点如下：
●逻辑和存储器资源丰富(Cypress Delta39K200的RAM超过480 Kb)
●带冗余路由资源的灵活时序模型
●改变引脚输出很灵活
●可以装在系统上后重新编程
●I/O数目多
●具有可保证性能的集成存储器控制逻辑
●提供单片CPLD和可编程PHY方案
由于有这些优点,设计建模成本低,可在设计过程的任一阶段添加设计或改变引脚输出,可以很快上市
CPLD的结构
CPLD是属於粗粒结构的可编程逻辑器件。它具有丰富的逻辑资源(即逻辑门与寄存器的比例高)和高度灵活的路由资源。CPLD的路由是连接在一起的,而FPGA的路由是分割开的。FPGA可能更灵活,但包括很多跳线,因此速度较CPLD慢。
CPLD以群阵列（array of clusters）的形式排列,由水平和垂直路由通道连接起来。这些路由通道把信号送到器件的引脚上或者传进来,并且把CPLD内部的逻辑群连接起来。
CPLD之所以称作粗粒,是因为,与路由数量相比,逻辑群要大得到。CPLD的逻辑群比FPGA的基本单元大得多,因此FPGA是细粒的。
CPLD的功能块
CPLD最基本的单元是宏单元。一个宏单元包含一个寄存器(使用多达16个乘积项作为其输入)及其它有用特性。
因为每个宏单元用了16个乘积项,因此设计人员可部署大量的组合逻辑而不用增加额外的路径。这就是为何CPLD被认为是“逻辑丰富”型的。
宏单元以逻辑模块的形式排列(LB),每个逻辑模块由16个宏单元组成。宏单元执行一个AND操作,然后一个OR操作以实现组合逻辑。
每个逻辑群有8个逻辑模块,所有逻辑群都连接到同一个可编程互联矩阵。
每个群还包含两个单端口逻辑群存储器模块和一个多端口通道存储器模块。前者每模块有8,192b存储器,后者包含4,096b专用通信存储器且可配置为单端口、多端口或带专用控制逻辑的FIFO。
CPLD有什麽好处？
I/O数量多
CPLD的好处之一是在给定的器件密度上可提供更多的I/O数,有时甚至高达70%。
时序模型简单
CPLD优于其它可编程结构之处在于它具有简单且可预测的时序模型。这种简单的时序模型主要应归功于CPLD的粗粒度特性。
CPLD可在给定的时间内提供较宽的相等状态,而与路由无关。这一能力是设计成功的关键,不但可加速初始设计工作,而且可加快设计调试过程。
粗粒CPLD结构的优点
CPLD是粗粒结构,这意味著进出器件的路径经过较少的开关,相应地延迟也小。因此,与等效的FPGA相比,CPLD可工作在更高的频率,具有更好的性能。
CPLD的另一个好处是其软件编译快,因为其易于路由的结构使得布放设计任务更加容易执行。
细粒FPGA结构的优点
FPGA是细粒结构,这意味著每个单元间存在细粒延迟。如果将少量的逻辑紧密排列在一起,FPGA的速度相当快。然而,随著设计密度的增加,信号不得不通过许多开关,路由延迟也快速增加,从而削弱了整体性能。CPLD的粗粒结构却能很好地适应这一设计布局的改变。
灵活的输出引脚
CPLD的粗粒结构和时序特性可预测,因此设计人员在设计流程的后期仍可以改变输出引脚,而时序仍保持不变。
为什么CPLD和FPGA需要不同的逻辑设计技巧？
FPGA是细粒器件,其基本单元和路由结构都比CPLD的小。FPGA是“寄存器丰富”型的(即其寄存器与逻辑门的比例高),而CPLD正好相反,它是“逻辑丰富”型的。
很多设计人员偏爱CPLD是因为它简单易用和高速的优点。CPLD更适合逻辑密集型应用,如状态机和地址解码器逻辑等。而FPGA则更适用于CPU和DSP等寄存器密集型设计。
新的CPLD封装
CPLD有多种密度和封装类型,包括单芯片自引导方案。自引导方案在单个封装内集成了FLASH存储器和CPLD,无须外部引导单元,从而可降低设计复杂性并节省板空间。在给定的封装尺寸内,有更高的器件密度共享引脚输出。这就为设计人员提供了“放大”设计的便利,而无须更改板上的引脚输出。
CPLD的功耗
与同样密度的FPGA相比,CPLD的待机功耗更低。
CPLD FPGA （待机电流（在Vcc 为1.8V时））
50K 300μA 200mA
100K 600μA 200mA
200K 1.25mA 300mA
CPLD特别适合那些要求低功耗和低温度的电池供电应用,像手持设备。
许多设计人员都熟悉传统的PLD,并喜欢这种结构所固有的灵活性和易用性。CPLD为ASIC和FPGA设计人员提供了一种很好的替代方案,可让他们以更简单、方便易用的结构实现其设计。CPLD现已达到数十万门的密度,并可提供当今通信设计所需的高性能。大于50万门的设计仍需ASIC和FPGA,但对于小型设计,CPLD不失为一个高性价比的替代方案。
FPGA采用了逻辑单元阵列LCA（Logic Cell Array）这样一个新概念,内部包括可配置逻辑模块CLB（Configurable Logic Block）、输出输入模块IOB（Input Output Block）和内部连线（Interconnect）三个部分。FPGA的基本特点主要有：
1）采用FPGA设计ASIC电路,用户不需要投片生产,就能得到合用的芯片。 ——2）FPGA可做其它全定制或半定制ASIC电路的中试样片。
3）FPGA内部有丰富的触发器和I／O
欢迎分享，转载请注明来源：夏雨云
微信扫一扫
支付宝扫一扫
评论列表（0条）