ACXL¶

ACXL — это архитектура гетерогенных вычислений и открытый стандарт для объединения центральных процессоров (CPU), графических процессоров (GPU), ускорителей искусственного интеллекта (AI-ускорителей) и других специализированных чипов в единую когерентную систему с общей памятью и низкой задержкой доступа. Разрабатывается консорциумом компаний, включая AMD, Intel, Arm, Qualcomm, Samsung и других, как альтернатива проприетарным решениям (таким как NVIDIA NVLink) и эволюция стандарта CXL (Compute Express Link). Основная цель ACXL — обеспечить унифицированную программную модель для работы с разнородными вычислительными ресурсами, позволяя приложениям эффективно использовать все доступные процессоры и ускорители без необходимости ручного управления памятью и синхронизацией данных.

¶История

¶Предпосылки создания

До появления ACXL гетерогенные вычисления сталкивались с рядом проблем. Разные типы процессоров (CPU, GPU, FPGA, ASIC) имели собственную память и шины, что требовало от разработчиков ручного копирования данных между ними. Это приводило к значительным задержкам и усложняло программирование. Стандарт CXL (Compute Express Link), представленный в 2019 году, решил часть проблем, обеспечив когерентность памяти между CPU и ускорителями, но был ориентирован в первую очередь на связку CPU-GPU и не полностью охватывал сценарии с множеством разнородных устройств.

¶Разработка и анонс

ACXL (Advanced Compute Express Link) был анонсирован в 2023 году как расширение спецификации CXL 3.0. Разработка велась в рамках консорциума CXL Consortium, в который входят более 30 компаний. Ключевые нововведения включали поддержку когерентности для нескольких типов ускорителей одновременно, более гибкую топологию соединений (включая кольцевые и mesh-сети) и улучшенную поддержку виртуализации. Первые прототипы на базе ACXL были продемонстрированы в 2024 году на выставке Supercomputing 2024.

¶Текущий статус

По состоянию на 2025 год ACXL находится на стадии финализации спецификации 1.0. Ожидается, что серийные продукты, поддерживающие ACXL, появятся на рынке в 2026–2027 годах. Ключевыми драйверами внедрения являются дата-центры (облачные вычисления, HPC), системы искусственного интеллекта и автомобильные вычислительные платформы.

¶Архитектура и принципы работы

¶Когерентность памяти

Основой ACXL является когерентная память — механизм, при котором все устройства в системе видят одно и то же состояние памяти. В отличие от традиционных подходов (где данные копируются между буферами), ACXL использует протоколы когерентности (например, MESI или MOESI) для синхронизации кэшей. Это позволяет процессору и ускорителю обращаться к одним и тем же данным без задержек на копирование.

¶Топология соединений

ACXL поддерживает гибкие топологии:

• Точка-точка (Point-to-Point) — прямое соединение двух устройств.
• Коммутируемая сеть (Switched) — через коммутатор, объединяющий до 64 устройств.
• Кольцевая (Ring) — для систем с высокой отказоустойчивостью.
• Mesh-сеть — для крупных кластеров (сотни устройств).

¶Протоколы передачи данных

ACXL использует физический уровень на основе PCIe 6.0 (64 GT/s) и выше, но с собственным протоколом когерентности. Пропускная способность на одну линию достигает 128 ГБ/с (в режиме x16). Поддерживаются:

• Когерентные транзакции (чтение, запись, атомарные операции).
• Некошерентные транзакции (для DMA-передач).
• Виртуальные каналы (приоритетные потоки для трафика реального времени).

¶Виртуализация

ACXL включает поддержку виртуализации на уровне аппаратуры. Каждое устройство может быть разделено на несколько виртуальных функций (VF), каждая из которых имеет собственную область памяти и когерентность. Это позволяет запускать несколько операционных систем или контейнеров на одном физическом устройстве.

¶Классификация

¶По типу поддерживаемых устройств

• CPU-ACXL — процессоры с интегрированным контроллером ACXL (например, AMD EPYC «Turin» и Intel Xeon «Granite Rapids»).
• GPU-ACXL — графические ускорители с поддержкой ACXL (AMD Instinct MI400, Intel Ponte Vecchio).
• AI-ускорители — специализированные чипы для нейросетей (Google TPU, Groq, Cerebras).
• FPGA — программируемые логические матрицы (Xilinx Alveo).
• SmartNIC — сетевые адаптеры с функцией ускорения (NVIDIA BlueField, Intel IPU).

¶По масштабу системы

• Односокетные — одно устройство ACXL (например, в ноутбуке).
• Многосокетные — несколько процессоров и ускорителей в одном сервере.
• Кластерные — объединение нескольких серверов через ACXL-коммутаторы.

¶Применение

¶Высокопроизводительные вычисления (HPC)

ACXL позволяет создавать кластеры, где все узлы (CPU, GPU, ускорители) работают с общей памятью. Это упрощает программирование сложных научных задач (моделирование климата, квантовая химия, аэродинамика) и снижает накладные расходы на синхронизацию.

¶Искусственный интеллект

В задачах машинного обучения ACXL обеспечивает:

• Обучение больших моделей (LLM) на тысячах GPU без ручного управления памятью.
• Инференс в реальном времени с минимальной задержкой.
• Гибридные вычисления (CPU для предобработки, GPU для нейросетей, FPGA для инференса).

¶Облачные вычисления

Провайдеры облачных услуг (AWS, Google Cloud, Azure) могут использовать ACXL для:

• Динамического выделения ресурсов (виртуальные машины с произвольным сочетанием CPU/GPU).
• Ускорения баз данных (in-memory processing).
• Обработки потокового видео (транскодирование, анализ).

¶Автомобильные системы

В автономных автомобилях ACXL объединяет:

• CPU для управления (навигация, планирование).
• GPU для обработки изображений.
• AI-ускорители для распознавания объектов.
• FPGA для сенсорной обработки (LiDAR, радар).

¶Преимущества и недостатки

¶Преимущества

• Упрощение программирования — единая модель памяти (Unified Memory) без ручного копирования.
• Низкая задержка — когерентность на уровне кэша (единицы наносекунд).
• Масштабируемость — поддержка сотен устройств.
• Энергоэффективность — меньше копирований данных → меньше энергопотребления.

¶Недостатки

• Сложность реализации — требуется поддержка со стороны производителей чипов и ОС.
• Стоимость — коммутаторы и контроллеры ACXL дороже традиционных PCIe.
• Совместимость — не все устройства поддерживают ACXL (требуется обновление аппаратуры).
• Безопасность — когерентная память создаёт риски атак по сторонним каналам (side-channel attacks).

¶Сравнение с альтернативами

¶Перспективы развития

¶ACXL 2.0

Ожидается, что следующая версия стандарта (2027–2028) будет включать:

• Поддержку оптического соединения (оптоволокно) для увеличения расстояния между устройствами.
• Квантово-устойчивую криптографию для защиты когерентной памяти.
• Интеграцию с CXL 4.0 (скорость 128 GT/s).

¶Влияние на рынок

ACXL может стать основой для гетерогенных вычислительных платформ нового поколения, где один сервер будет содержать CPU, GPU, AI-ускорители, FPGA и SmartNIC, работающие как единое целое. Это может привести к снижению доли проприетарных решений (NVLink) и ускорению развития открытых стандартов.

¶Критика

Некоторые эксперты отмечают, что ACXL усложняет аппаратную реализацию и увеличивает стоимость чипов. Кроме того, когерентность памяти для всех устройств может создавать узкие места в системах с большим количеством ускорителей. Критики также указывают на отсутствие поддержки ACXL в операционных системах (Linux, Windows) на момент 2025 года — драйверы и патчи ядра находятся в стадии разработки.

¶Источники

• CXL Consortium. «Compute Express Link Specification 3.0». 2022.
• AMD. «ACXL: Advanced Compute Express Link Whitepaper». 2024.
• Intel. «Heterogeneous Computing with ACXL». 2023.
• IEEE Spectrum. «ACXL: The Next Step in Chip Interconnects». 2024.
• AnandTech. «ACXL vs. NVLink: A Comparison». 2025.