谷歌宣布，所有芯片设计都已经上云

很多人都知道谷歌是因为它的搜索工具、谷歌地图和安卓等软件服务，但你知道谷歌还开发了自己的专用硬件吗？Google 在内部设计芯片，用于机器学习超级计算机、Pixel 手机、网络基础设施，甚至是 YouTube 的视频加速器。

按照谷歌所说，公司芯片开发基础设施团队诞生于一个数据中心，在一个计算机机架上，但随着工作负载变得越来越复杂，它迅速成长为数十个机架和数百台服务器。随着项目开始增多，实施挑战也随之增加，硬件成本每年翻一番，而且每个新计划都需要新的工程师和基础设施。当团队优先考虑招聘工程师来管理和优化遗留机器时，他们知道他们正在忽视他们的核心重点：增长和创新。 

在完全迁移到谷歌云之前，该团队探索了一种使用谷歌内部软件设计环境的混合解决方案，并将一些电子设计自动化 (EDA) 工作负载发送到谷歌云中。虽然该方法在短期内是可靠的，但延迟传输工作负载以进行分析会使工程师等待结果。同时运行两个桌面（一个用于其设计环境，一个用于其在 Google Cloud 中的结果）的额外负担引发了重新思考。 

相信有更好的解决方案可以最大限度地减少这种混合方法的挑战，芯片开发基础架构团队联系了 Alphabet Cloud 团队。Alphabet Cloud 团队隶属于 Google Cloud，负责帮助 Alphabet 的团队加速采用 Google Cloud 的独特产品，以推动更快的开发和扩展，就像客户的平台团队所做的那样。

芯片开发基础架构团队与 Alphabet Cloud 合作，全面迁移到 Google Cloud。在对当前基础设施进行全面评估后，他们的分析发现以下 Google Cloud 工具最有益：用于容器和数据的Google Kubernetes Engine (GKE) 、 Cloud Storage、Filestore、Cloud Spanner、Big Query和Pub /子。

迁移到 Google Cloud 带来的商业利益是巨大的。第一个好处是云的弹性，特别是按需增长和快速高效地请求资源的能力。提供新的专用计算基础设施的准备时间从六个月缩短到几天。该团队获得的另一个好处是降低了运营成本，这意味着他们现在可以管理更大的足迹。借助 Google Cloud，可以在数小时内识别并解决基础架构错误。该团队还可以更快地创新，因为它在数据中心维护上花费的时间更少。 

除了资源管理优势之外，该团队还能够利用 Google Cloud 的 AI 和 ML 功能来设计更高效的芯片。他们利用 Google Cloud 中现成的各种 ML 算法来高效地导航大型搜索空间，并在芯片设计的各个阶段应用独特的优化。这缩短了芯片设计流程，缩短了上市时间，扩大了 ML 加速器的产品领域，并提高了效率。

芯片设计团队已经推出了使用谷歌云构建的完整设计，包括最近两代 TPU 和 YouTube 的视频加速器程序Argos VCU。没有物理数据中心的大小限制，芯片设计人员能够运行更多的工作来消除错误。自从迁移到 Google Cloud 后，该团队在过去一年中将每日作业提交量增加了 170%，同时保持了平稳的调度延迟。跨多个 Google Cloud 区域的 250 多个 GKE 集群支持工作负载。该平台还调解了对在谷歌云上运行作业所需的 EDA 工具许可证的访问。

借助 Google Cloud 的 AI 和数据功能，芯片开发基础架构团队可以预测资源使用情况并因此使用更少的计算资源。通过谷歌云中可用的海量存储支持访问所有元数据，芯片设计团队可以优化数据存储类型，为工作提供最快的介质。芯片设计和开发现在只会继续提高效率。未来，芯片开发基础架构团队计划开源部分流程，特别是 Bazel 构建规则和回归系统，以便其他芯片制造商可以从他们与 Google Cloud 一起使用的方法中受益。

推荐阅读