异构计算（Heterogeneous Computing）是一种计算模型，它利用不同种类的处理单元或计算设备来执行任务。这些处理单元可以包括中央处理单元（CPU）、图形处理单元（GPU）、加速器、数字信号处理器（DSP）等。相比于传统的同构计算，即使用相同类型的处理单元，异构计算的优势在于可以更有效地处理不同类型的工作负载。
近期，与非网与全球半导体IP供应商Imagination展开了一场对话，以其最新发布的E系列GPU IP为切入点，探讨了端侧模型演进对芯片架构提出的硬性要求，并为未来边缘系统的设计提供了差异化的配置思路。
GPU仍是核心，但仅依靠GPU已不足以支撑未来规模的AI系统。DPU、IPU、CXL与Ultra Ethernet正共同构建新一代异构加速体系。
OpenCL 3.1 将重要的、经过验证的功能引入核心规范，最显著的是强制 SPIR-V 摄取，这极大地扩展了开发人员在每个符合规范的实现中可以依赖的功能……
Khronos® 的 OpenVX™ 工作组发布了两个专门针对现代异构系统上计算机视觉和人工智能应用开发而开发的扩展，旨在解决长期以来制约开发者构建此类应用的瓶颈。
异构计算是指在同一计算系统中，使用多种不同类型的计算单元（硬件组件）协同工作，以提高计算效率和性能的技术。
本文将从系统趋势、基础架构演进以及人工智能应用三个维度，对2025年及未来高性能计算集群的发展方向进行系统分析。
《异构算力协同白皮书》由全球计算联盟GCC智能计算产业发展委员会异构算力协同工作组牵头，中国电信作为组长单位、中国信通院、智源研究院作为副组长单位，联合产业链上下游8家伙伴共同编制完成。
CPU，这颗无形的“心脏”，默默地驱动着每一台智能设备的脉动。它不仅是数据的处理中心，更是智慧与效率的源泉。
AI算力是为人工智能模型训练和推理提供计算支撑的核心能力。它超越了传统的计算能力，呈现出独特而关键的特性……
业界越来越多地谈论RISC-V架构带来的好处，但它真的是一个正确的起点吗？