谈及“异构”计算，我们接触更多的是 " 通用计算“ ，及以传统CPU 架构为主的计算架构。随着业务和市场的需求，通用计算到了瓶颈阶段，传统CPU架构升级更新带来的性能提升已经无法满足业务对算力增长的需求，而异构计算是科技进入智能时代和全真互联网时代的算力基础。
那什么是异构计算呢？
异构计算（Heterogeneous Computing）是用不同制程架构、不同指令集、不同功能的硬件组合起来解决问题的计算架构。异构计算是性能、成本和功耗均衡的技术，同时也是让最适合的专用硬件去做最适合的事，如密集计算或外设管理等，从而达到性能和成本的最优化。
异构计算具体解决了什么问题呢？
异构计算主要解决的问题就是：加速
为了方便阐述与理解，我们已GPU 异构计算优势为例。GPU 最初设计用于在电脑游戏中渲染图像（显卡）。随着时间的推移，GPU 以其高密度计算单元优势，在并行计算任务为主的人工智能和图形图像处理（渲染）等专用场景上表现出极高的计算性能。GPU 具有比传统 CPU 并行计算更高的效率和更低的延迟。
从CPU 与GPU 的对比特点看；
- CPU：低计算密度、强逻辑控制、为串行计算而优化
- GPU：高计算密度、高内存吞吐、擅长并行计算
因为具有这样的计算特点，CPU的数量叠加提升已近无法满足先行的计算需求，而GPU方案 可以更高效的提升整体的计算加速问题
异构计算的市场趋势与业务场景？
2023年ChatGPT 又将人工智能推向风口，在其推动影响下以GPU服务器为主的异构计算增长迅速，市场规模巨大。
从行业来看，互联网为主要采购行业，占据60%以上的市场份额，是拉动市场增长的主要行业；政府的采购量也有所上升，超过了10%的市场份额；
从产品来看，4卡及以上 GPU 服务器占据了8成以上的市场份额，其中4卡、8卡、16卡均占有20%以上的市场份额；
从市场趋势来看，AI 服务器和边缘计算服务器等面向特定工作负载的细分服务器市场迎来爆发，各大厂商加速布局该领域并推出新产品，2023年这些细分市场仍将是市场的热点。
是市场业务场景上，主要如下三个方向；
- 在深度学习训练/推理，科学计算等场景，都需要强大的浮点运算能力的支持，通用CPU擅长处理逻辑复杂的事务性任务，对这些场景变得不可胜任。GPU依托并行计算架构，具备非常强的浮点运算能力，数据吞吐量大，在这些高性能计算场景变得不可替代。
- 在视频转码场景，GPU 一般都集成了专用的视频编解码硬件单元，相比 CPU 提供了更快的视频处理速度和密度，是目前网络视频流高并发与低延时的选择。
- 在图形图像处理领域，作为 GPU 的传统用途，随着渲染，云游戏，协同设计等场景上云，GPU 加速器的需求也非常迫切。
如果我们聚焦到典型的应用场景，如下场景供参考
- 人工智能：内容审核、智能换脸、虚拟主播、推荐系统、内容审核、图像识别、人脸识别、语音识别
- 实时渲染：云游戏、云手机、云电脑、动画制作、叠加水印、视频截图、智能封面、智能编辑等
- 科学计算：计算流体动力学、地震分析、分子建模、基因组学等高性能计算相关场景
异构计算在行业应用的线索关键词？
