阿里|只有阿里腾讯才懂的芯片秘密( 三 )

最好的下游技术与产品给你“导航”和试错，才能跟竞争对手打出一个漂亮的时间差。

那么云计算与半导体的关系同样如此。

譬如谷歌推出TPU时被普遍叫好，并使得GPU厂商产生警惕。很大原因便是，作为成千上万块芯片并行运算的使用者，云厂商太清楚芯片的问题到底出在哪儿了，毕竟样本实在是丰富。

早在几年前，多伦多大学曾做过一个关于“Dram致命缺陷”的重要课题。

他们经过多方周旋，终于从阿贡等大型国家实验室、谷歌和Facebook的大型数据中心取得了大量宝贵样本。让他们感到震惊的是，关于Dram的错误很常见，而一些数据中心的重大宕机事故更是源自Dram失常。

以谷歌为例，他们发现12% 到45% 的谷歌机器每年至少会遇到一次 DRAM 错误，有0.2%到4% 的机器由于 DRAM 错误无法纠正而意外关闭。

而在以往，无论是大型数据中心还是个人电脑中，产业内都会把Dram错误更多归咎于“软性问题”——根据IEEE杂志的解释，当物理设备在完全正常工作下，会受到某种短暂干扰（如宇宙射线产生的粒子）因而破坏了存储数据。

但这个想法此前几乎没有充分的实验支撑，某种程度上就是缺乏样本。没错，企业数据中心不愿透露，而实验室的样本量又少。实际上，经过他们的调查，结果令人震惊，其实大多数错误来自“硬性错误”。

没错，就是Dram芯片本身存在的问题。

调查者获得了谷歌某些数据中心的权限，在调查后发现，是一小部分机器造成了大部分错误。也就是说，错误倾向于一次又一次地出现在相同的内存模块上。

那么我们试想一下，如果是软性错误，譬如某个射线粒子导致Dram失常，那么应该被击中的几率是相同的。这就意味着，以前的论断都是错误的。

IEEE最后给出的解决方法偏向于云计算厂商，譬如，利用计算机操作系统来删除和预测内存错误地址或内存页。

但从硬件角度来思考，云厂商恰恰能发现那些实验室和消费端产品测试不出的硬件错误，极有利于半导体厂商改进和升级下一代硬件。

这可能也是云厂商一个个被戏称为“已变成CPU或存储器公司”的最大原因之一。

但无论如何，从设计、制造、量产等综合难度上，硬件需求量庞大的云厂商依然需要强依赖于半导体厂商。而云厂商的自我底层革新，以及与半导体巨头的紧密合作，或许在3~5年里，会对我们国内尚未壮大起来的存储等其他方面的自研能力，有一些实质性的帮助。

我是虎嗅科技组主笔傅博，关注半导体与自动驾驶。（微信：fudabo001，加微信请务必备注身份）

正在改变与想要改变世界的人，都在虎嗅APP