云计算时代，硬件为什么仍然非常重要？

加利福尼亚大学圣迭戈分校采用了“云优先”的战略，他们淘汰了三台大型机、将尽可能多的计算工作负载转移到云端、尽可能放弃内部部署软件，转而使用软件即服务。

加利福尼亚大学圣迭戈分校的首席信息官Vince Kellen说：“我很久以前就意识到，CIO们更多地应该是供应链领导者，而不是整天关注硬件规格。对于我们大多数的业务问题来说，硬件并不重要。”

越来越多的IT经理也有同感。60多年来，处理器、内存、存储、以及其他由金属和硅制成的组件决定了计算机的潜力和局限性。IT部门的核心作用一直是保护和优化这些宝贵的资产，系统管理员和维护人员保持数据中心的运转。

大约20年前，虚拟化技术实现了硬件细节的抽象，让基础设施成为由软件管理的单一实体。过去10年，云计算进一步推动了这一进程，使硬件成为一种抽象资源，而且对于客户来说，这个资源越来越多地由别人来管理。

但令人惊讶的是，云实际上正在释放大量新的硬件创新，从作为所有计算机和云构建基础的芯片开始。

“这个时代实际上是半导体的黄金时代，”可编程逻辑电路和软件公司Xilinx总裁兼首席执行官Victor Peng在最近由硅谷思想领袖论坛Churchill Club举办的 “The Renaissance of Silicon”活动上这样表示。芯片制造商Micron总裁兼首席执行官Sanjay Mehrotra补充说：“在过去的40年里，从未有过现在这么更让人激动的时刻。”

但远不止是芯片。人们普遍认为，云基础设施提供商把硬件视为一种商品，通过无限可扩展的构建块以低成本、菊花链的方式连接在一起，并由复杂的软件进行管理。“对IT经理来说，基础设施就像是宠物。而对云厂商来说，云就是一种家畜，”Wikibon高级分析师Stu Miniman这么说。

但云也带来了一些单靠软件无法解决的棘手问题，这促使云提供商投资数十亿美元在基于硬件的解决方案上，来应对远程基础设施的局限性。

云本身存在延迟方面的缺点，以及从云存储中传输大量数据所涉及的延迟，这是推动基于硅芯片的网络加速投资的因素之一。云计算推动物联网的兴起，引发了网络边缘新型低功耗设备的发展。

最重要的是，基于云的人工智能技术（如机器学习和深度学习）的普及，正在推动着对硬件架构的投资，以满足这些应用对处理能力和内存的需求。

Pund-IT首席分析师Charles King认为：“如果没有硬件方面的进步，那些我们认为理所当然的事情，例如即时启动的电脑、智能手机、令人惊叹的游戏视频、超快速的内存数据库、大容量存储系统等等，都会面临各种局限性，或者成本极高。”

“自从我开始工作以来，人们就说，硬件已死，”Wikibon首席分析师David Vellante说。 “直到现在这个预测也没有变成现实。”

从本质上讲，硬件重不重要不是关键，关键的是硬件用在哪。

硬件的大规模迁移

结果就是，硬件考量因素正在逐渐从用户转移到后端基础设施——也就是现在的云。这对很多IT经理来说还好。

Advanced Disposal Services是一家废弃物处理、回收和再循环公司，该公司CIO DougSaunders表示：“我们的五年计划是将几乎一切都放在云端，我不想操心硬件方面的问题。”

这位拥有20年IT经验的资深人士表示，安装、调整和保护服务器不仅占满了他全部的工作时间，而且这个过程从初始订单开始可能需要三个月的时间。“你总会听到说IT速度太慢，其中一个原因就是硬件。”

软件定义管理的吸引力很大，甚至内部硬件制造商也不再强调时钟速度、CPU核心数和存储容量等规格了，而是突出便捷性和易于管理等特性。

HPE软件定义和云计算营销总监Lauren Whitehouse表示，大多数客户对于汽车中的汽缸数量或者发动机缸体尺寸并不关心，他们希望计算机也是如此。“他们也许不想管理计算机，但他们关心结果。”她指出，HPE的超融合和可组合式产品增长很快，这些产品避免了硬件管理中的很多细节工作。

戴尔最近推出的云平台“通过独特的方法，帮助客户满足混合云的需求......跨内部、边缘和公有云提供一种更简单、具有一致性的操作和软件基础设施，” Dell EMC服务器和基础设施系统产品管理高级副总裁Ravi Pendekanti这样说道。

对于IT部门而言，这是一个意外的收获，以前IT部门会聘用大量技术人员来负责安装和配置硬件，聘用管理员来调节性能并优化利用率。而今天，这些工作岗位正在被以服务水平管理、合同和云调度等方面的职位所取代。根据Statista的数据显示，全球企业IT运营人员支出预计将从2015年的3150亿美元降至2026年的1420亿美元。

Hyperion Research研究和技术副总裁Bob Sorensen表示，即使在实验室和学术机构等高性能计算设备的用户群中，“也有越来越多的工程师是与硬件无关的，他们更喜欢在虚拟环境或者容器中启动和运行”。

最重要的是，“IT经理不用再把时间花在机架堆叠和调节各种按钮的工作上，而是通过软件管理一切，” Wikibon的Miniman这样说。

摩尔定律的终结

但是，让硬件对于用户是透明的这一诉求正在推动着芯片背后的大量工作，其中一个原因是过去那些推动计算机和服务器性能的核心技术不再保持快速发展。几年前，磁盘驱动器达到了理论性能峰值，闪存存储器的速度提升也已经达到了收益递减的程度。

更根本的问题是，微处理器正面临发展壁垒。40多年来，基于X86架构的芯片每18到24个月的性能大约会翻一倍，这就是所谓的摩尔定律。然而，芯片的小型化遭遇了物理上的限制，使得发展速度放缓且成本越来越高。

简而言之，正如谷歌云计算机器学习基础设施产品管理高级主管Damion Heredia设施苏所说，“摩尔定律已死”。

通用微处理器“是为了运行很多不同类型的工作负载而生的”，但随着通用微处理器的增长逐渐转向专用计算工作负载如机器学习，导致“CPU无法提供解决这些问题的能力”。

这意味着计算机行业必须寻找其他方面的创新才能推动数十年来的增长势头。King表示：“硬件仍然很重要，只是硬件不同罢了。”

因此，图形处理器市场开始飞速发展，这种芯片广受机器学习软件应用的欢迎。根据Global Market Insights的预测，到2024年全球GPU出货量的年增长率将超过30％，收入达到800亿美元。

作为这个市场的领导者，Nvidia在去年10月受加密货币市场崩盘拖累之前的股价在两年里翻了两番。尽管如此，长期前景仍然强劲。

Nvidia企业和边缘计算解决方案高级总监Justin Boitano表示：“我们对外传递的一个重要信息就是，摩尔定律很大程度上已经结束，CPU级的计算性能达到了一个维持稳定的水平。”

不再强调微处理器

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!