关于阿里云异构计算解决方案 我们问了这8个问题

在科技浪潮的推动下，FPGA成为了近年来的热点话题。围绕这个关键词，2015年和2016年的十二月都见证了其发展的小高潮。

在寒冷的冬日里，科技的暖阳照耀着大地。英特尔于2015年十二月完成了一场历史性的并购，以高达167亿美元的价格成功收购了专注于FPGA的Altera。接着，在一年后的同一月份，亚马逊AWS引领了一场技术革命，他们推出了FPGA实例F1，将Xilinx的FPGA技术融入云服务中，极大地降低了使用门槛，并为开发者带来了全新的体验。

对于深度学习的技术实现来说，FPGA的发展潜力不容小觑。在过去，由于FPGA硬件成本高昂以及对复杂算法实现的限制，只有资金雄厚的大公司才能涉足其中。但FPGA相对于GPU具有功耗低、实时性强的独特优势，使其在业界备受瞩目。

在国内市场，云计算巨头腾讯云和阿里云也紧跟步伐。特别是在2017年一月，这两家公司在云计算领域迈出了重要的一步，相继推出了FPGA云服务器产品。阿里云更是发布了针对深度学习技术的异构计算解决方案。这无疑将助推国内人工智能技术的发展。

对于深度学习的硬件选择，英伟达首席科学家William J. Dally指出，数据中心的训练和推理是两个关键领域。而阿里云的新解决方案正是针对这两种任务需求而设计的。其弹性GPU实例和FPGA解决方案在行业内引起了广泛关注。这套解决方案由阿里云的虚拟化平台团队研发，为应对人工智能和深度学习的计算需求提供了强大的支持。

那么，为什么阿里云此时推出异构计算解决方案呢？一方面，阿里巴巴内部的很多业务已经成功应用了异构计算；另一方面，随着人工智能和深度学习的兴起，对计算能力的要求越来越高。阿里云的异构计算解决方案包括GPU和FPGA，拥有强大的计算能力和能效，能够满足各种业务需求。这套解决方案还能降低使用成本，提高业务性能。目前GPU和FPGA云服务器的申请链接已经挂在官网上。

这套异构计算解决方案具体能解决哪些问题？在AI领域的应用场景有哪些？简单来说，它能解决机器学习、深度学习等领域的问题，包括图像识别、语音识别、视频识别等应用场景。GPU更擅长AI领域的模型训练，而FPGA则更适合在线的预测和分类。两者结合能够大大提高AI应用的性能和效率。弹性GPU实例则是根据业务量弹性伸缩的云服务，能应对突发的业务增长需求，同时实现客户成本的最大节约化。这套解决方案的出现无疑将为人工智能和深度学习的生态发展注入新的活力。关于阿里云异构计算解决方案的解读

参考阿里云支撑的天猫业务弹性范围，我们有能力覆盖广大用户的需求。针对用户提出的关于FPGA方案成本的问题，我们深知普通FPGA开发者的痛点：高昂的采购成本和开发工具门槛。阿里云的FPGA方案致力于解决这一问题。

我们直接从芯片原厂和OEM采购，省去了中间环节，降低了采购成本。在云上提供的按需使用FPGA服务，对于普通开发者来说，极大地减轻了经济负担。我们的定价策略也极为亲民，初期目的并非追求利润，而是繁荣FPGA生态环境，推动整个行业的发展。当前，FPGA生态尚不理想，面临开发人员数量不足、质量参差不齐的问题。现有的开发工具不够友好，开发语言门槛高，使得开发者面临不小的挑战。

我们坚信FPGA在未来将推动中国人工智能产业的发展。阿里云有义务承担繁荣FPGA生态环境的责任。我们正与各界合作，包括吸引FPGA芯片厂商、板卡厂商、IP开发商、工具开发商到我们的云平台，共同建立一个健康的、可持续发展的生态。

针对异构计算解决方案如何满足不同领域开发者需求的问题，我们计划推出FPGA IP市场。第三方商业应用可以在此销售IP给最终用户。这些IP都是根据阿里云的标准定制，可以在FPGA云计算实例上轻松部署和运行。在开发过程中，我们遇到了许多难题，如公共环境下的用户隔离、数据安全、远程调试等。通过与合作伙伴的深入合作和联合开发，我们最终解决了这些问题，并形成了阿里云独有的架构和设计。

目前，阿里已经开发了基于FPGA的深度学习算法实现，经过对逻辑资源、时序、内存带宽的深入优化，能在相同器件上实现更高的吞吐量和更低的延迟。

尽管我们已经取得了一定的成果，但这套方案仍有优化和提高的空间。我们计划通过和行业特定合作，深度定制满足各种应用场景的异构计算解决方案。我们的目标是让计算服务成为像水电煤一样随时可用、随处可用、人人可用的社会公共资源。在这个过程中，我们会不断探索和创新，以满足用户不断变化的需求。