“到2019年10月，经过三年多的转型，英特尔‘以数据为中心’的业务营收在上个季度（2019年Q3）已经与PC业务持平，这是非常大的变化。”在12月19日举办的英特尔技术创新媒体沟通会上，英特尔中国研究院院长宋继强晒出了数据中心业务的成绩单。

　　几天前，英特尔刚刚宣布以20亿美元收购AI芯片制造商Habana Labs，以增强数据中心AI产品的能力。从2017年确立“以数据为中心”的转型目标至今，英特尔致力于构建未来十年甚至二十年IT产业发展的基础和驱动未来的计算方式。“我们为现在的计算需求打下基础，也要为未来更大量、更多样化的数据处理打下基础。所以是既考虑现在，也考虑未来。”宋继强说。

　　与通用计算相对，异构计算面向专业化、客制化的计算需求，在计算任务中应用CPU、GPU、ASIC、FPGA等多种计算架构，被视为更适合后摩尔时代的计算方式。

　　产业界不断加码异构计算，是因为从20世纪90年代至今，数据的量和质都发生了巨大的变化。2000年之前的web1.0，计算设备以PC为主，数据类型以结构化数据和图形数据为主。多媒体中心（Studio）生成数据后，通过下行带宽分发到用户终端。到了web2.0时代，用户从被动获取数据走向主动产生数据，服务器和PC同等重要，催生了云生态。同时，消费级终端开始支持视觉数据、声音数据等多媒体数据的处理，对计算提出了新的要求。

　　到web3.0，IoT让更多设备入网，产生的数据被AI深度挖掘，转化为业务价值。AI在训练、推理过程中产生大量元数据。随着IoT传感器越来越多，还会产生大量自然描述的数据，如深度数据、三维点云及工业传感级数据等。“数据的变化表现在两个方面，一是量快速增长，来自边缘、终端的数据越来越多。二是本质和格式发生了重大变化。”宋继强说。

　　来自端、边、云，对延时、成本、算法有着不同需求的数据，正在驱动计算架构的演进和扩展，异构计算渐成趋势。CPU适合标量运算，GPU可用于矩阵运算或者加速器，ASIC等定制的可编程硬件可作为AI专用的加速器。空间运算，即在矩阵中用最少的路径计算，可以用FPGA实现流程定制，这些架构构成了异构计算的常用组件。宋继强表示，在CPU和嵌入式GPU的基础上，通过对FPGA厂商Altera、ASIC厂商Nervana、结构化ASIC厂商eASIC等厂商的收购，英特尔已经掌握了CPU、GPU、ASIC、FPGA四种不同架构。

　　在异构计算的基础上，英特尔提出了“超异构计算”，即采用多功能、多架构的芯片处理和加速不同的运算负载，采用封装集成技术将计算单元封装在一个SoC，并具备统一异构计算软件的计算架构。在异构计算的基础上，避开异构计算的短板，实现计算最优化，是超异构计算的意义所在。

　　除具备多种计算架构，超计算架构还需要封装和统一的计算软件。为此，英特尔推出了封装级别的异构整合方案和跨计算架构的软件平台。

　　英特尔的异构整合方案主要有2.5D封装EMIB和3D封装Foveros。EMIB实现芯片的横向连通，支持CPU、图形卡、IO及多芯片间的通信。Foveros将不同制程、不同性价比、不同稳定性的芯片，根据功耗等要求放在不同层级，在三维空间提高晶体管密度和多功能集成。总的来说，EMIB泛用性更好，性价比较高，而Foveros相对昂贵，多用在小尺寸、低功耗、高性能的异构芯片中。

　　统一的异构计算软件平台，是为了提升编程效率，解决不同架构有着不同的汇编语言和调优方式的问题。英特尔的one API平台隐藏了硬件复杂性，根据系统和硬件自动适配功耗最低、性能最佳的加速方式，简化并优化编程过程。“one API已经有一套基于开放规范的行业计划，不仅英特尔将产品加入其中，第三方做的硬件，只要提供了相应产品的描述，也可以加进来，加入one API的优化篮子。”宋继强说。

　　在此基础上，英特尔推出了Aurora超级计算机架构。Aurora包含one API，采用Foveros 3D封装，配置了2个英特尔至强可扩展处理器、6个基于CXL标准的GPU，采用7nm制程。宋继强表示，Aurora是“一个典型的超异构计算”，面向百亿亿次级的计算需求。