PCIe (componente periférico Interconnect Express)Se llamó originalmente HSI (para interconexión de alta velocidad) y cambió su nombre a 3GIO (E/S de tercera generación) antes de finalizar su nombre PCI-SIG PCI Express. Un grupo de trabajo técnico llamado Arapaho Working Group (AWG) desarrolló el estándar. Para el primer borrador, el grupo de trabajo AD HOC solo incluía ingenieros de Intel; Luego, el grupo de trabajo ad hoc se expandió para incluir socios de la industria. PCI Express es una tecnología que constantemente evoluciona y mejora.
Definición y estructura básica
PCIe logra la comunicación dúplex a través de líneas de señal diferenciales. Cada canal contiene un par de líneas de transmisión y recepción, admitiendo múltiples dispositivos para conectarse en paralelo. Las configuraciones comunes incluyen x1, x4, x8, x16, etc. (el número representa el número de canales de datos transmitidos simultáneamente).
Evolución
PCI Express es una tecnología que constantemente evoluciona y mejora. Después de que se apruebe la versión 7.0, su velocidad será tan alta como 512 GB/s; Esto es menos de dos años después del lanzamiento de PCIe 4.0 con una velocidad de 16 GT/s. La principal fuerza impulsora detrás del plan de desarrollo PCIe acelerado es la demanda de la computación en la nube; En el pasado, PCIe duplicó la tasa de transferencia de datos cada 3 a 4 años, o incluso 7 años. Las redes de centros de datos necesitan velocidades más rápidas para pasar a 800 Gbit Ethernet, y cada vez más aceleradores de aprendizaje profundo también sienten la necesidad de velocidades más altas.
Ventajas del núcleo
Alciormente ancho de banda: ancho de banda total=ancho de banda de un solo canal × número de canales (por ejemplo, la configuración X16 puede alcanzar 512 GB/s);
Baja latencia: admite la transmisión de datos en tiempo real y evite los cuellos de botella del dispositivo;
Compatibilidad: ampliamente utilizado en dispositivos como GPU, SSD, tarjetas de red inalámbricas y admite un enchufe caliente.
Aplicaciones
AI/ML: acelerar la capacitación e inferencia del modelo, mejorar la eficiencia del procesamiento de datos;
Entrenamiento multi-GPU: lograr el paralelismo de datos y el paralelismo del modelo, y mejorar el poder informático;
Almacenamiento de alta velocidad: admite dispositivos de gran capacidad, como 800 g de Ethernet y unidades de estado sólido de alta velocidad.
