这三大体系均在全力推进：HSA联盟强调生态共建，资源共享，主推OpenCL的异构编程框架。自从2012年成立以来，围绕异构计算发展中最迫切需要解决的编程语言、技术标准、知识产权等问题已经做了大量卓有成效的工作，包括发布了新一代异构计算技术规范、搭建开放的异构计算平台、推出了一系列专用工具和较为完善的面向人工智能的开发环境等等。

而AMD 3A平台、ARM Coretex处理器和Mali图形核心、Imagination PowerVR图形核心、德州仪器OMAP处理器平台等都将成为HSA基金会的基石。

而OpenPower联盟利用Power8等芯片在高性能计算领域的技术优势和IBM产品的应用生态基础，在高性能计算领域占有优势。自2013年IBM在联合Google、NVIDIA、TYAN、Mellanox成立以来，目前已有数百位成员，中国成员除了浪潮、新云东方等硬件供应商外，也有腾讯、阿里、网易这样的互联网巨头。据悉在OpenPower 研发平台上，已有10万+应用，以及10万+经过行业认证的产品，包括软件、服务管理和解决方案。特别是其基于CAPI总线的全新加速器解决方案，使Power服务器完全支持CAPI+FPGA，开启了第二代异构计算。

虽然英特尔在以一已之力对抗，但在英特尔转型制定了“以数据为中心”的发展战略之后，一切创新与变革都以此为轴心。而在AI时代风起云涌之际，“全武行”的英特尔也祭出了“超异构计算”的旗帜，在异构计算技术路径发展方面已然自成一派。

超异构计算的“超”

超异构计算的横空出世，缘于英特尔对数据洪流引发的变革，有了更加“系统”的思考，认为在智能联所带来的数据洪流推动下，为应对未来数据的多样化、数据量的爆发式增长以及处理方式的多样性，单纯发展先进工艺或封装或架构改善已不足以满足未来多元化的计算需求。

以AI为例，产业应用对AI计算需求跃升至“无所不能”，涉及多种计算加速、可扩展性、训练速度快、能效比高、开发难度小、可加快上市等，在这一发展态势下，传统的异构计算将失去“用武之地”。宋继强解释说，一体化的SoC虽然体积小、能效比高，但扩展性差，增加功能则需重新设计，再走一整套流片流程，上市时间较慢;而分体式板卡虽然比较灵活，时间也快，但整体价格偏高，能效比也不高。

正所谓不破不立，超异构计算成为解决“左右为难”的利器。宋继强解读超异构计算的三大要素时认为，一是有多种架构、多功能芯片，无论是CPU/GPU，还是FPGA、ASIC、Modem内存等;二是需要多节点+先进封装技术的整合，不论是10nm的高端芯片还是40nm、65nm的芯片都能通过2.5D或3D封装“成全”;在“硬”功能实现之后，三是统一的异构计算软件，英特尔开发了通用的one API，一套API就可让用户方便地开发并承接超异构集成带来的利好。

超异构计算将以制程与封装、架构、内存、互连、安全、软件为六大支柱，互相关联，紧密耦合。

具体来看，在制程和封装层面，一方面英特尔10纳米工艺仍继续推动着发展，另一方面先进封装2.5D、3D成为推手。两年前英特尔开发的“嵌入式多芯片互连桥接(EMIB)”2.5D封装技术，成为其异构计算策略的一大关键技术。而英特尔不断精进，在去年年底架构日活动上展示了名为“Foveros”的3D封装技术，开辟了新的先河。2.5D和3D封装解决了传统封装面积大、带宽不足等问题，并可让连接的芯片不只是逻辑芯片和内存，还能把逻辑芯片和逻辑芯片相连，同时实现立体堆叠，让体积减少、功耗降低、带宽提升。

而随着海量的数据推动计算架构快速演进并呈指数级扩展，未来十年架构创新将是创新的主要驱动力。英特尔可提供多样化的计算架构包括标量(Scalar)、矢量(Vector)、矩阵(Matrix)和空间(Spatial)，分别应用于CPU、GPU、AI和FPGA。

而英特尔的矩阵战略实现了“端到端”。英特尔有通用CPU集成AI加速，可将深度学习性能提升十倍以上。在专用AI芯片方面，有面向训练的高性能GPU和专门做神经网络加速学习的NNP-L;推理侧也是两路并发，面向边缘端的推理芯片要求功耗更低、性能更强，英特尔有VPU、EYEQ以及嵌入式EYEQ、FPGA等;而数据中心推理的芯片则有GPU、FPGA。如此通过将制程封装和架构设计组合在一起，来有效提升“积木式组合”的稳定度，满足定制化和灵活化的需求。

而在内存、互连、安全、软件层面，英特尔也齐头并进。通过重塑内存层级结构，来破解内存和存储方面的带宽“瓶颈”，提升数据管道的运行速度和系统性能;全面的互连产品包括在祼片间实现互连，从而助力实现大规模的异构计算;在安全至上的数据层面，英特尔着力从端到端全面提升安全性。同时英特尔也深谙“硬件+软件”配合才能给出最好的加速功能，在软件方面创建了统一的OneAPI软件架构，以进一步简化并延伸整个堆栈中的应用开发。