公眾號記得加星標??，第一時間看推送不會錯過。

PCIe一直是大多數數據流量從處理器傳輸到其他設備的首選網絡，這也是新型數據中心AI擴展網絡的功能。這些新型網絡的出現似乎表明PCIe已無法勝任這項任務，但事實證明，在AI領域，PCIe非但沒有被邊緣化，反而因對智能體和其他新型AI形式的關注而得到加強，而非削弱。

CXL 與 PCIe 密切相關，位于 PCIe 協議棧的最頂層。由于開發者仍在評估其實用性，CXL 的發展初期較為緩慢，甚至有人質疑它能否真正普及。但隨著交換機進入市場，以及系統開發者逐漸明確 CXL 的應用場景，它開始展現出越來越旺盛的勢頭。

PCIe擁有悠久的歷史

它于 2003 年首次發布，作為一種串行互連方案，徹底取代了舊式的 PCI 并行連接計算機外設的方式。其初始性能為每通道 2.5 Gb/s，最大 x16 配置可提供 4 GB/s 的吞吐量。

該規范已發展到 2025 年發布的 7.0 版本。它每通道的傳輸速率為 128 Gb/s（包括糾錯位），凈吞吐量為 242 GB/s。

Cadence公司設計IP產品營銷副總裁Arif Khan表示：“PCIe速度正在翻倍。我們已經經歷了一個拐點，過去幾年里，增長曲線呈指數級上升。”

PCIe一直是幾乎所有計算機相關設備的首選互連技術。雖然它最初主要面向個人電腦，但最新版本的性能已經遠遠超過個人電腦的需求，因此更多地被瞄準數據中心。

幾年后的2019年，Compute Express Link（簡稱CXL）及其1.0規范問世。它實際上是在PCIe之上增加了一個內存和一致性擴展模塊，第一個版本與PCIe 5.0同步發布。最新版本CXL 4.0于2025年發布，基于PCIe 7.0。

它由三個基本部分組成：

• 一個用于初始化、管理和設備發現等任務的基本非一致性標準（CXL.io）。

• 一種允許連接的 CXL 設備緩存主機內存并保持一致性的方法 (CXL.cache)。

• 一種使用加載/存儲語義訪問附加內存的方法，就像內存是服務器內部的內存一樣（CXL.mem）。

CXL技術的普及速度一直較為緩慢，這讓一些人質疑它能否真正流行起來。此外，人們在學習CXL技術方面可能也存在一些阻力。“人們對CXL的了解還不夠深入，” Synopsys公司PCIe產品營銷高級總監Antonio Costa表示，“隨著我們看到更多應用案例，人們就會明白如何使用它。”

近期的跡象表明，CXL 技術正在復蘇。

人工智能領域的新興力量

與此同時，人工智能的蓬勃發展使得數據中心成為執行訓練和推理工作負載的重要關注點。GPU（圖形處理器）備受矚目，各方都在致力于提升基于GPU的系統的性能，包括其互連性能。

其結果是網絡出現了某種程度的分化，產生了截然不同的擴展方式：

Scale-up：它以某種方式聚合 GPU，使它們看起來像一個具有統一內存空間的單個巨型 GPU，并使用內存語義。

Scale-out：使用 RDMA 語義訪問更多遠程資源。

Scale-across：一種類似于橫向擴展的變體，但它覆蓋的距離更長。

UALink 是一種有助于實現Scale-up的新標準。英偉達的專有 NVLink 提供多種互連方式，包括Scale-up。

Scale-out是指將網絡覆蓋范圍擴展到更遠的地方，而以太網在這方面占據主導地位。但以太網存在一些弱點，尤其會影響尾延遲，因此人們正在對其進行各種改進以提高性能。

這些發展使得人工智能擴展網絡始終備受關注，而PCIe等傳統互連方式則逐漸被邊緣化。過去，擴展規模的概念必然會涉及到PCIe，因為它是本地互連處理器的基本方式。但如今，PCIe的作用正在減弱，至少在某種程度上是如此。那么，未來還剩下什么呢？

關鍵在于你連接的是什么

如果你試圖追蹤所有與人工智能相關的發展，你可能會得出GPU才是最重要的結論，這會導致你誤以為Scale-up網絡正在占據主導地位。但事實并非如此。

GPU承擔了人工智能的大部分繁重數學運算。Scale-up網絡專門用于互連GPU，無需CPU作為中間環節。這與其他通常需要經過CPU的互連方式截然不同。

Khan說：“你的CPU與加速卡通信時，使用的是哪種芯片協議？在很多情況下，加速卡都安裝在PCIe插槽中。”

這就是 PCIe 的作用所在。CPU 何時與 GPU 通信？這不會通過 UALink 之類的協議，而是通過 PCIe，以及 CPU 所涉及的所有其他通信。

這直接影響到Scale-out，Scale-out正是利用了以太網的各種變體。“PCIe 特別適合實現Scale-out架構，” Rambus硅 IP 產品營銷高級總監 Lou Ternullo 指出。

PCIe 將 CPU 連接到網絡接口卡 (NIC)，因此，盡管Scale-out的討論通常會忽略這一點，但 PCIe 實際上也參與其中。“智能網卡擁有大量的輸入和輸出帶寬，因此，PCIe 的高速特性仍然被廣泛應用，”Khan 指出。

其他人也同意這種觀點。“Scale-out實際上拓寬了 PCIe 的市場，因為你用到了網卡，而網卡依賴于 PCIe，”Cadence 高速 SerDes 產品營銷總監 Hui Wu 表示。

自從Scale-out被納入考量以來，情況一直如此，但最新的人工智能發展正在改變這一格局。雖然傳統的人工智能工作負載幾乎完全依賴于GPU，CPU的作用僅限于調用和支持GPU，但智能體人工智能正在改變這一現狀。

智能體人工智能需要CPU

來執行任務，這些任務如今可以幫助人類做出更好的決策或提高工作效率。但智能體主要在CPU上執行，并將各種推理工作負載卸載到GPU。它必須做出決策，而決策通常涉及分支操作，這種操作并不適合GPU。這意味著啟動一個智能體會引發一個過程，在這個過程中，工作負載會在CPU和GPU之間來回切換，直到任務完成。

Synopsys公司的科斯塔表示：“人工智能加速器可以計算下一步操作，但最終執行操作的是CPU。人工智能的智能程度越高，執行這些操作所需的CPU就越多，因此需要擴展計算能力。”

隨著智能體人工智能的興起，對CPU的需求不斷增長，而這些CPU需要互連。“過去GPU與CPU的比例是8:1，”Efinix公司負責市場營銷的企業副總裁鮑勃·比奇勒（Bob Beachler）表示，“而現在，智能體人工智能的比例是1:1——一個CPU配一個GPU。”

對于此類連接而言，PCIe 是自然之選。這意味著 PCIe 在人工智能領域的作用也將日益凸顯。

PCIe 確實具備scale-up的能力

UALink 的引入表明，需要某種技術來彌補 PCIe 能力上的不足。在某些情況下，的確如此。但并非所有系統都需要極致的吞吐量，而 PCIe 也能夠勝任scale-up的任務。

“如今，幾乎所有終端都支持 PCIe 互連，以便與 CPU 連接，”Ternullo 解釋道。“撇開 NVLink 不談，幾乎 100% 的加速器都使用 PCIe 作為其主要互連方式。這種普及性是 PCIe 仍然是擴展場景（例如通過 PCIe 交換機連接多個加速器（GPU））最便捷選擇的關鍵原因。雖然像 UALink 這樣的新興網絡可能提供比 PCIe 更高的吞吐量，但 PCIe 架構及其生態系統的易用性和廣泛應用使其成為 GPU/ASIC 加速器擴展應用的理想選擇。我認為，PCIe 規范發展如此迅速，如今又推出了 PCIe 8.0.5，其主要原因就是為了進一步推動 PCIe 的擴展應用。”

UALink 在scale-up架構中肯定會占有一席之地，并且會在最適合它的場景下得到應用，但 PCIe 與所有終端的兼容性使其更容易在大多數環境中部署。同樣重要的是要記住，性能最佳的解決方案并不總是會成為標準。成本和可及性是這些決策中的重要因素，通常比純粹的技術性能更為重要。

邊緣計算也存在其他協議

目前關于擴展性的討論大多集中在數據中心，數據中心也因此獲得了過多的關注。但人工智能也在邊緣計算領域蓬勃發展，而邊緣計算可能涉及其他協議，尤其是在涉及傳感器的情況下。

攝像頭就是一個很好的例子，而MIPI協議的核心在于將攝像頭數據傳遞給任何需要它的人。“MIPI通常部署在網絡邊緣——攝像頭、顯示器、傳感器、移動存儲設備，”Silvaco旗下公司Mixel的市場營銷總監Justin Endo表示， “它專為低功耗、低延遲和精簡協議棧的流式傳輸而設計。”

這并非 PCIe 通常承擔的任務。“PCIe 和 CXL 負責通用計算和存儲芯片之間的繁重數據傳輸。PCIe 和 MIPI 在某些方面有所重疊，例如移動存儲領域中 UFS over M-PHY 與 NVMe over PCIe 的對比，但它們位于同一協議棧的不同層級，而不是爭奪同一個插槽，”Endo 解釋道。

通常情況下，這些邊緣數據最終都會傳輸到數據中心，但發送原始數據需要占用過多帶寬。他舉例說：“以 MIPI CSI 2 為例，它通過 MIPI PHY 將來自圖像傳感器的攝像頭數據傳輸到手機、汽車、無人機和工業視覺系統等邊緣 SoC 中。對于大多數推理部署而言，無法將原始圖像批量傳輸到數據中心，因為數據量、功耗和延遲成本都非常高昂。CSI-2 將數據饋送到本地圖像處理管道，使得時間關鍵型工作可以直接在傳感器端完成，例如 ISP、感知、傳感器融合或設備端推理。向上游（通過 PCIe）傳輸的通常是經過處理的結果，例如特征、嵌入和元數據，而不是原始像素。CSI 在 PCIe 接收到數據之前就對其進行了處理。這使得 PCIe 及其周邊架構（例如 CXL、UALink 和 Ultra Ethernet）能夠專注于它們擅長的領域——訓練、內存池化以及機架級加速器之間的通信。”

雖然人工智能需要最高的帶寬，但許多其他應用程序使用舊版本的 PCIe 也能正常工作，因此舊版 PCIe 仍然有很多使用壽命。

Khan表示：“對于很多固態硬盤和其他消費電子產品來說，客戶對PCIe 2.0和3.0的數據傳輸速率感到滿意，而且這種情況在未來很長一段時間內都會持續下去。”

其他系統可能需要更高的速度，但不一定需要最高速度。“目前市場上還沒有 PCIe 6.0 CPU 系統，”Khan 補充道。“領先的 OEM 廠商尚未將這些產品投入生產。他們仍在進行內部測試或客戶測試。但即使是 PCIe 5.0，在規范最終確定后，AMD 和 Intel 的系統也花了很長時間才進入市場。”

固態硬盤正在向速度更快的 PCIe 版本遷移，盡管并非總是最快的。“PCIe 6.0 固態硬盤現在相當普遍，我們有客戶正在設計這類產品，”Khan 說。“我們也有客戶開始設計 PCIe 7.0 產品，因為他們希望達到系統性能的峰值。”

CXL 正在復蘇

由于 PCIe 依然強勁，它作為 CXL 底層 PHY 的地位依然穩固。然而，規范的更新時機可能阻礙了 CXL 的普及。“CXL 的發展受限于它依賴于 PCI 5.0 PHY，而這些系統上市時間漫長，”Khan 指出。“與此同時，CXL 規范也經歷了巨大的變革。那么，采用者該怎么辦呢？CXL 3.0 系統剛剛完成設計并準備上市，規范就升級到了 4.0。”

此外，CXL的不同應用場景并未獲得同等認可。目前已正式確定了三種官方應用場景，實現這些場景的CXL設備分別被歸類為Type 1、Type 2和Type 3：

• Type 1支持使用相干存儲器連接加速器。

• Type 2可以訪問主機內存。如果它們自身帶有外接內存，主機就可以訪問這些內存。

• Type 3允許主機以一致的方式訪問和管理遠程內存。根據其構建方式，它可以被視為內存擴展或內存池。

由于延遲問題，使用 CXL 進行緩存遇到了一些阻力。“我們看到 CXL 的優勢在于能夠擴展緩存和主內存。在緩存方面，CXL 的表現略顯不足，因為緩存必須具備極低的延遲，而我們并沒有看到客戶利用這一優勢來擴展緩存，”Costa 表示。“但對于內存擴展而言，CXL 非常受歡迎，因為系統中的 HBM 或 DDR 內存容量有限。如果您需要進一步擴展，CXL 是一項非常好的技術，因為它延遲低，并且仍然可以將數據返回到緩存中。”

內存池化之爭

與此同時，關于內存池化有效性的爭論也愈演愈烈。由于業界仍在探索CXL的哪些部分最適合自身需求，這些因素減緩了CXL的整體普及速度。

盡管如此，CXL 生態系統正在不斷擴展，這讓開發者對 CXL 的發展前景更有信心。“更廣泛的 PCIe 和 CXL 互連生態系統持續成熟，進一步提升了內存擴展的價值，”Ternullo 表示。“CXL 交換機在市場上越來越常見，PCIe 連接范圍的擴展也進一步支持了可擴展內存池架構。”

智能體人工智能也可能促進CXL的發展。“我相信下一代CXL會更加重要，因為我們看到所有這些智能體人工智能都需要越來越多的計算能力，而我們相信CXL將在其中發揮作用，”Costa說道。

PCIe 和 CXL 技術持續發展

未來基于現有技術的升級版本也將進一步推動市場需求。預計 PCIe 8.0 將于 2029 年發布，其帶寬將是 PCIe 7.0 的兩倍。

科斯塔表示：“每條通道的傳輸速度將達到256 Gb/s，最多可支持16條通道。它將保持相同的信令，并在控制器端使用相同的數據片結構，因此不會有根本性的變化。”

CXL 正在開發 5.0 版本，但 CXL 聯盟拒絕預測目標發布日期。

此外，目前正在努力通過新的線纜標準來延長 PCIe 連接線的長度。其中最引人注目的是兩年前發布的 CopprLink，它支持在 PCIe 5.0 和 6.0 速度下連接長達兩米的線纜。雖然 PCIe SIG 拒絕透露預計發布日期，但目前正在努力將 CopprLink 集成到 PCIe 7.0 中。

除了銅纜之外，人們仍在探索定義一種用于傳輸 PCIe 流量的光纖格式。同樣，目前還沒有預計的發布日期。

Ternullo 表示：“PCIe 重定時器和交換機的日益普及，以及 CopprLink 和 PCIe over optical 等新興 PCIe 布線技術的出現，將擴展 PCIe 架構的覆蓋范圍，進一步實現橫向擴展和縱向擴展部署。”

看不到盡頭

這些跡象進一步表明，人工智能非但不會威脅到 PCIe，反而可能增強其競爭力。許多設備仍會繼續使用舊版本，因為新版本的速度主要惠及數據中心。但對更高帶寬的需求依然強勁。

雖然CXL活動進展緩慢，但正在加速。現在宣布徹底勝利還為時過早，但種種跡象表明形勢正在好轉。

所有這些都進一步印證了這樣一個事實：新標準只是在現有基礎上進行補充，而非取代。雖然選項眾多，網絡復雜性有所增加，但應用需求卻很明確。例如，哪些類型的系統需要 UALink 之類的標準，這一點毋庸置疑。但無論數據中心是否需要擴展以支持人工智能，您很可能都會使用 PCIe。

（來源：編譯自semiengineering ）

*免責聲明：本文由作者原創。文章內容系作者個人觀點，半導體行業觀察轉載僅為了傳達一種不同的觀點，不代表半導體行業觀察對該觀點贊同或支持，如果有任何異議，歡迎聯系半導體行業觀察。

今天是《半導體行業觀察》為您分享的第4434內容，歡迎關注。

加星標??第一時間看推送

求推薦