物聯網被炒得沸沸揚揚，而物聯網帶來的數據爆增也不容忽視，伴隨著數據的成千上萬倍地增長，我們會發現數據中心的服務器承載的壓力越來越大，用戶對CPU的處理能力要求要來越高，服務器加速刻不容緩。

　　一般要確保數據有冗余的話，每一個大數據架構需要做3個備份，這樣所帶來的問題是用戶需要準備3倍的存儲空間，當沒辦法做在線備份的時候怎么辦？有人說可以通過邏輯把硬盤所需要的使用率從3倍降到1.4倍，但是這樣CPU的使用率會超過99%，因為CPU要處理邏輯運算。由此可見，這就沒有冗余的CPU處理能力去做大數據分析了，我們怎么解決？這就是我們要鼓勵第二代分布式計算的原因，我們能通過FPGA加速器進行加速，這樣CPU主要是負責通用計算負載，FPGA技術負責大量的重復運算負載，從而把控制分開。

　　CPU與FPGA怎樣跨界融合？它們在服務器加速過程中各自起到什么角色？怎樣做到未來服務器的“少，快，好，省”？帶著這些問題與非網記者參加了

　　當半導體技術發展遭遇瓶頸，服務器如何加速？

　　從計算機系統的發展可以看出，最初的計算機都是單任務計算，隨著數據的增加逐步演進到多任務計算，因此系統中有多個CPU POWER，由于多個CPU POWER可以同時訪問內存中的數據，所以首要解決的就是數據一致性問題，當一個POWER對一個數據進行操作了之后，另外一個POWER需要拿到正確的數據。在系統里面一般用硬件來保證數據的一致性，這樣保證另外一個線程在讀取數據的時候能拿到正確的數據，因此當計算機系統從一個單CPU系統進化到多CPU系統的時候，它的性能功耗比下降了很多，怎樣提高CPU的性能并降低功耗成為很多用戶的困惑。

　　IBM全球杰出工程師Bruce Wile解釋，“隨著互聯網數據的增長，對于我們的系統來說，我們需要更強的硬件計算能力來處理更多的數據。一個解決的方案就是我們在一個CPU核上面開辟更多個硬件的線程，用這些線程來提高它的處理能力，來增加它對I/O過來的數據進行更好的處理，同時我們引入了GPU和FPGA，使用這些硬件來幫助我們的系統處理數據，但是傳統上GPU和FPGA都是以I/O設備的形式掛載在這個系統上面，我們為了使用這些IO設備，需要工程師具有更多的技能，比如：編程人員需要學習硬件知識，我們需要懂內核的人為這些I/O設備進行驅動開發，同時由于它們是I/O設備，這些IO設備沒有和CPU共享內存，所以需要內核代碼幫助他們做數據傳輸。擺在我們面前的另外一個難題就是，半導體技術已經到了一個技術拐點，它的性價比不再持續增長，我們不能依賴于半導體技術的增長使我們的系統更快更強，我們需要從硬件還有它上面的固件、操作系統、設備應用等各個角度綜合考慮，來尋求一個更好的解決方案。”