電子發(fā)燒友網(wǎng)報道（文/周凱揚）在大型數(shù)據(jù)中心里，視頻處理或許是當下占比最高的關鍵工作負載，疫情期間，人們在視頻細分的產(chǎn)品上所花時間越來越多。對于云服務廠商來說，視頻市場帶來的紅利仍然在持續(xù)，但對于視頻網(wǎng)站和視頻app等產(chǎn)品來說，他們面臨的服務器成本壓力也在與日俱增。
比如隨著流量激增，Teams、Zoom和騰訊會議等服務都出現(xiàn)了崩潰的事故，有的視頻網(wǎng)站面臨巨額的服務器費用和下跌的營收，也開始采取壓縮畫質等策略。盡管服務器端的摩爾定律依然在延續(xù)，但面對視頻處理的計算需求，已經(jīng)開始有些力不從心了，哪怕在專業(yè)處理圖形的GPU加持下也是如此。如果不采用特定領域的ASIC硬件加速器，成本壓力將會繼續(xù)堆積。

全球最大視頻網(wǎng)站的策略

作為全球最大視頻網(wǎng)站Youtube的所有者，照理說谷歌面臨的壓力是最大的，但Youtube從疫情至今，卻基本維持著穩(wěn)定的狀態(tài)，而且視頻質量也是同行中最高的那一檔。能維持住這樣服務器壓力，靠的并不是傳統(tǒng)的CPU+GPU商用服務器組合，而是谷歌自研的視頻處理芯片VCU。

谷歌預見了真正大規(guī)模視頻處理和其他消費級服務器用例的根本差異，尤其是在數(shù)據(jù)多樣性、質量要求、吞吐量和成本上。所以谷歌打算從計算資源最昂貴的一塊，也就是視頻處理這塊著手，設計自己的VCU處理單元，解決從視頻共享、照片與視頻云存儲、直播到云游戲等一眾業(yè)務上的視頻處理難題。

VCU的設計思路

谷歌的VCU全名為視頻編碼單元，單個芯片集成了10個編碼核心、3個解碼核心。從谷歌VCU芯片的布圖規(guī)劃也可以看出，大部分區(qū)域都分配給了編碼器核心，其次是四通道的LPDDR4內(nèi)存，不僅提供邊帶錯誤糾正，也提供芯片所需的帶寬。

每個VCU服務器系統(tǒng)由10塊板卡組成，每塊板卡上配有2個VCU芯片。谷歌將一切非轉碼的處理工作丟給非VCU服務器，而VCU服務器則盡可能靠近視頻上傳的位置，降低延遲從而降低轉碼所需時間。

但我們要知道一點，視頻處理專用的服務器成本之所以如此之高，并不是只有GPU價格高、性能要求高等原因，還有就是低利用率的問題。并非所有的轉碼工作都能用滿芯片的硬件資源，所以谷歌采用了固件管理的隊列來啟用并發(fā)轉碼。
比如某個操作是“將這一幀的畫面編碼為VP9位流，”那么應用程序負責將指令寫入隊列中，固件則只負責隊列調度和編解碼器核心的激活。如此一來編程只發(fā)生在應用層面，避免了ASIC這類硬件先天缺乏FPGA那樣靈活的可編程性，也符合數(shù)據(jù)中心快節(jié)奏的軟件迭代速度，同時又確保了沒有一個編碼核心能閑下來。

谷歌也給出了VCU與主流方案的差距，比如與純英特爾SkylakeCPU轉碼或4個英偉達T4 GPU轉碼的對比，8個VCU的配置在進行H.264或VP9轉碼時，性價比最高可達前兩種方案的20倍以上。

專用視頻處理硬件的未來

對于流量快速增長，負載持續(xù)增加的大規(guī)模數(shù)據(jù)中心和云服務來說，谷歌這種方案無疑是最省成本的。阿里巴巴、亞馬遜等云服務廠商紛紛開始了自研服務器芯片計劃，這點人盡皆知，但從設計上就可以看出，這些芯片還是面向在通用服務器或AI服務器的，與視頻沾邊的應用也大部分是AI視頻識別類的。

而目前最讓視頻產(chǎn)品頭疼的轉碼這塊，卻少有ASIC產(chǎn)品的出現(xiàn)，不少加速卡做成了PCIe的尺寸規(guī)格，但其實仍是基于CPU，尤其是編解碼性能稍強的英特爾CPU。反倒是Xilinx的AlveoU200/250 FPGA加速卡在性能上更有優(yōu)勢，但考慮到這些加速卡高昂的價格，目前云服務平臺還沒有普及開來，甚至還在用老版的UltraScaleFPGA。

與此同時，AV1這類壓縮率更高編碼的編碼標準提出了更高的硬件要求，谷歌的VCU雖然性價比極高，也沒有支持AV1這一標準，或許我們會在下一代VCU上看到。