[可提供了]数据中心CPU战事升温！ArmNeoverse路线图更新，新一代V2平台来了

芯小东西（社会公众号：aichip001）

译者 | ?ZeR0

撰稿 | ?漠影

芯小东西9月16日最新消息，昨天，Arm发布其网络系统晶片控制技术Neoverse系列商品的蓝图预览。

Arm在整座基础建设市场三民加速插值控制技术创新，其蓝图主要包括应用于云、高操控性排序（HPC）和 人工智慧（AI）应用领域的V系列商品；应用于云、5G、网络和边沿应用领域的N系列商品；和应用于5G、网络和基础建设边沿应用领域的E系列商品。

具体内容上看，Arm正式宣布面世打造出数月的Neoverse V2网络平台，SSDemeter；下月其N系列商品商品组合将迎一场预览，现阶段有近20家合作方正如前所述N2网络平台进行结构设计，捷伊N系列商品已经在合作开发中。反之亦然Arm投入使用了E2网络平台，并方案预览E系列商品。

Arm基础建设销售部商品软件系统总裁 Dermot O’Driscoll说，在为云组织工作阻抗提供更多出众操控性、可扩充性和工作效率各方面，Neoverse V2具备领跑竞争优势。

TNUMBERMHz操控性和Renderscript操控性是云制定者的三大关键性分项。Renderscript操控性使其介绍，对 扩充 明确要求最低且操控性需求大的组织工作阻抗若想北迁到Arm。高TNUMBERMHz操控性则使其可以透过大批运转在网络平台上的纵向扩充组织工作阻抗，来同时实现股权投资商业价值的最小化。

特大型网络公司非常重视TCO或TCO开支，更高度关注该些TCO开支所能增添的操控性，这便是他们利润的关键性。而Neoverse V系列商品正擅长此。

Arm此次面世的Neoverse V2网络平台，得益于其与客户在其未来结构设计需求上的紧密合作，Arm收到的V2相关反馈主要包括希望提升云组织工作阻抗的操控性、在平衡功耗和面积的同时，继续推进Renderscript操控性和尽早发货，帮助我们加速开拓市场！Arm已经做到所有这三点。

对于云组织工作阻抗，最基本的需求就是强大的整型操控性，要具备良好的可扩充性，并且对于云运营商而言是要高效的，因为高能效使得云提供更多商可以提供更多更多的核心，并在每个服务器上托管更多客户，从而有助于降低成本。

Neoverse V2将提供更多市场领跑的整型操控性。现阶段用SPEC Integer Rate对预估值进行测量，并且一直利用模型中的各种云基础建设组织工作阻抗对微架构进行调整，Dermot O’Driscoll称，整座系列商品的成果都令他们十分兴奋。

除了整型可扩充操控性之外，现代云应用程序还拥有大型组织工作数据集。如果能在接近CPU的位置保留尽可能多的数据，将是一个巨大的竞争优势。为此Arm在Neoverse V2中增加了2MB的专用L2缓存。这比V1上的L2大1倍，且使用延迟的阻抗不变，能让MySQL和Memcached等云应用获得显著的操控性提升。

同时，对于像HPC之类正加速北迁到云端的组织工作阻抗而言，矢量操控性很重要。Arm在Neoverse V2上已完成从SVE到SVE2的过渡，SVE2可以帮助满足更多非HPC ML类型的组织工作阻抗，同时添加了更多加密指令。Arm还将矢量引擎重构为4通道的128位，并对微架构进行了调整，以提高其有效吞吐量。

在系统层面，能够支持大批DRAM十分重要，这在IO各方面，他们希望能够跨IO总线连接GPU、TPU和如前所述NVMe的SSD，所以总线既要快又要支持高带宽。

透过V2网络平台，合作方已能利用支持Neoverse N2的系统IP底板，主要包括CMN mesh、MMU、GIC和NI非一致性互连。CMN-700 mesh互连支持每块裸片最低512 MB的系统级缓存，而且当前如前所述CMN-700的结构设计中增加了每个核心的系统级缓存，从而提升了云原生组织工作阻抗操控性。

CMN-700支持2.5D结构设计，其网络平台可以随时过渡到3D，能将每个核心的缓存水平推向新高。CMN-700还支持高达每秒4TB的mesh带宽。一个HBM2e内存栈需要达到每秒0.5TB的带宽。

客户还想要特定于Armv9的安全功能和极具竞争力的系统网络平台。对此，Neoverse V2中引入了一些关键性的Armv9安全增强功能，主要目的是防御内存攻击，这也是最常见的攻击类型。

Arm Neoverse新增的商品是如前所述几项关键性原则所打造出，将继续提供更多基础建设市场所需的操控性、工作效率和专用处理能力。

首先是可扩充工作效率。两年前，Arm面世了V、N 和E系列商品核心结构设计原则。自那时起，大批如前所述此类排序基础的软件系统陆续面市。

另一个关键性原则是控制技术领跑地位。Arm已创下了多项行业第一：第一个总内存带宽超过每秒1TBffg’gv’b的CPU；第一个单块裸片上能配置超过100个核心的CPU，核心数达到128个；第一个将DDR5 和PCIe Gen5.0推向市场的CPU；第一个在 SPEC CPU 2017基准测试中打破500整型跑分的CPU……

第三是加速创捷伊步伐。今天，这类CPU大多仍以单块晶片形式交付，但这种情况正在迅速转变。采用Graviton3的云gg服务今年发布GA版本，其中Graviton3使用7个 Chiplet。加速排序将排序Chiplet与加速器Chiplet相结合，如NVIDIA的Grace Hopper超级晶片。正因如此，Arm才会成为UCIe的创始成员。

在推动各种重要互连控制技术的过程中，Arm及其合作方都参与其中。多年来，Arm一直致力于合作开发和增强AMBA CHI，这是同时实现高速、低延迟的晶片到晶片通信的重要协议。如今，Arm的合作方使用CMN系列商品中的AMBA CHI，Arm正与UCIe社区展开合作。

Arm也是CXL的一员，将其视为桥接晶片到晶片软件系统的关键性互连控制技术，例如将扩充内存、多个GPU或TPU连接到一个排序节点上。

Arm基础建设销售部商品管理高级总监Brian Jeff透露，现阶段这一代Neoverse的系统总线支持的是CXL 2.0，希望在第三代的系统总线中能支持CXL 3.0，届时有望透过Neoverse V2来使用其第三代的总线控制技术。据他观察，现阶段内存扩充用例对CXL 2.0仍有很多需求，并预计在超大规模市场中会有一些结构设计出于这些目的来使用CXL。

据介绍，当Arm的合作方选择可扩充工作效率排序基础，并使用CMN等互连控制技术来增添其专用处理能力时，即可同时实现这一成果。这体现了软件系统的多样性，而且只有在Arm架构上才能同时实现。

Arm Neoverse网络平台的第四条也是最后一条原则是，构建独一无二的合作开发者生态系统。Arm SystemReady旨在打造出一个软件可开机即用的世界，Arm将持续与生态系统和开源社区展进行优化组织工作。

Arm高级总裁兼基础建设销售部总经理Chris Bergey还回顾了今年Arm Neoverse取得的多个有里程碑意义的成就，主要包括：

1、在全球范围内，Arm现已被用于各个主要公有云，主要包括 AWS、微软、谷歌、阿里巴巴、甲骨文等科技巨头。这意味着，世界各地的每一位合作开发者现在都可获取Arm Neoverse。

2、Arm在5G RAN应用领域无处不在。在世界移动通信大会上，戴尔与Marvell正式宣布合作，高通也与乐天、HPE 达成了合作。他们与诺基亚、联想、三星等公司正合力酝酿许多更加激动人心的项目。

3、NVIDIA发布了面向AI及高操控性排序（HPC）的 Grace。

4、逐步迈入更为传统的企业应用领域。VMware运用DPU开展Monterrey项目。RedHat的OpenShift支持Arm架构。SAP HANA正将其云基础建设北迁到AWS Graviton上。6月，HPE面世了ProLiant第11代网络平台，搭载了如前所述Arm Neoverse的Ampere Altra处理器。

我们已经达到了转折点，来全捷伊开端。Arm 架构是全球排序未来的基石！Chris Bergey说。

在中国市场，Arm Neoverse反之亦然势头强劲。除了大企业外，一些初创公司也开始如前所述Arm Neoverse结构设计晶片。Arm基础建设销售部全球总裁邹挺（Frank Zou）在接受采访时谈道，比如遇贤微电子、鸿钧微电子致力于云原生服务器CPU的合作开发，云豹智能主要针对DPU应用领域，他们正在合作开发如前所述Neoverse N2的商品。

Arm的V系列商品核心、AWS Graviton3中的Neoverse V1和NVIDIA Grace中的Neoverse V2将提供更多现阶段市场上最佳的Renderscript操控性。Ampere Altra Max和阿里的倚天710等将继续提供更多最佳的TNUMBERMHz吞吐量。

Dermot O’Driscoll还谈到Arm如何建立软件生态竞争优势。Arm多年来一直在努力同时实现并优化在Arm架构上运转的全栈软件系统，从架构和IP到控制技术库、运转环境和编译器，已投入使用了各种基础建设软件来提取最大操控性。

下一个发展趋势是机器学习（ML）。就像Java 在如今的云组织工作阻抗中占据大比例一样，ML正逐渐成为未来的首选组织工作阻抗。在ML中，Arm可以对BERT同时实现反之亦然的投入使用。其V1核心拥有一组专门用于增强ML应用程序操控性的功能。

Arm Neoverse在架构各方面添加了Bfloat16（BF16）：调整了V1、N2和后续结构设计的微架构，旨在透过BERT提高BF16的执行，为Arm排序库（ACL）增加BF16支持，将ACL集成到oneDNN ML框架中，oneDNN框架与Tensorflow搭配使用以运转BERT。

如前所述V1核心的AWS EC2 C7g上运转BERT，并将其与使用最新Xeon核心的C6i进行对比，在Arm架构上经BF16优化的堆栈操控性比英特尔高出80%。在V1添加的BF16和Int8 MatMul意味着ML模型可以更紧凑地植入内存，只需更少的内存带宽，使Graviton3的ML操控性达到Graviton2的3倍。

当被问及如何看待RISC-V指令集架构的竞争，Dermot O’Driscoll认为，如果RISC-V想要在终端或云应用中更具竞争力，这将需要他们在架构、软件和标准上进行多年的股权投资，并且很可能还需要具备类似于Arm的治理模式。

可以看到，Arm并非为传统市场构建标准商品，而是与云、HPC和无线基础建设各方面的主要市场参与者密切合作，因此能够真正得介绍他们的组织工作阻抗和挑战，针对特定市场需求同时实现定制化。

从手机、电脑、AR/VR头显、物联网设备、汽车到云排序，Arm已随处可见，全球的合作开发者均能获取。如今，Arm不仅支持多云网络平台和企业都想要的阻抗平衡和冗余，还为合作开发者提供更多另一可持续发展的道路。