算力芯片如何做算力输出，进而形成ChatGPT等生成式AI背后的算力基座。

我们谈到算力芯片和内存，这一期我们来聊聊算力芯片如何做算力输出，进而形成ChatGPT等生成式AI背后的算力基座。

现在的算力服务器中，里面并不是一颗颗芯片堆叠在一起，而是一张张算力卡并排插在卡槽里。目前大部分算力服务器单台放置8张或者16张算力卡。

算力卡的核心当然还是计算芯片，会搭配大容量高带宽的内存、缓存，以及搭载CPU用于调度，为了帮助数据传输，便会使用高速通道，这便是PCIe（高速串行计算机扩展总线标准）在系统中的作用：提供总线通道。

图：算力卡示意图

PCIe在数据运算中的应用非常广泛，比如CPU控制和调度芯片组进行工作会采用PCIe总线，算力卡和算力卡之间的互联也可能用到Serdes总线，计算好的数据存入到SSD硬盘中也是使用PCIe总线，算力中心里的交换机内部CPU与Switch芯片之间，采用PCIe总线。

图：PCIe总线在AI异构计算系统中的应用

因此，PCIe相当于是一种通用的总线标准，串联起整个AI背后的异构计算系统。通过采用PCIe接口，研发人员完全不必担心计算芯片、加速芯片、内存芯片、存储芯片、网关芯片和交换机等人工智能系统不同组件之间的互联问题。

PCIe从多个方面赋能当前人工智能系统的高速发展，包括以下几个特性：

1. 高效传输

2. 高可扩展性

3. 实时处理能力

4. 持续优化的低功耗性能

由于PCIe连接了系统中核心的芯片，又承担着数据传输的责任，因此其性能可靠性非常重要。在实际测试过程中，首先要测试PCIe接口的上传和下载峰值速度，以及稳定传输的速度，这是保证高效计算的关键。然后是测试PCIe接口的电气特性，包括传输功耗，以及高速逻辑唤醒等低功耗功能的具体表现，如下图：

图：是德科技PCIe测试拓扑图

此外，在PCIe接口稳定性方面，还要测试热插拔特性、隔离度和EMC性能等。当然，目前有一些厂商已经不满足于PCIe的传输速度，于是他们自己研发了一套连接标准。比如，英特尔提供Xe Link用于算力卡的互联，这是一种基于PCle 5.0扩展的新协议；英伟达则是开发了NVLink作为PCle的替代方案，带宽和能效能够达到PCle 5.0的数倍。这些自研方案会带来更高的测试挑战，对于是德科技而言，无论采取的是PCle协议，还是自研的高速互联协议，我们的方案都能够满足相关测试需求，如下图：

图：是德科技PCIe 6.0全链路测试方案