在人工智能算力需求井喷的当下，围绕算力效率提升的产业链条正经历着前所未有的变革。尤其是内存和存储的瓶颈，一度成为制约AI模型训练和推理速度的关键因素。Amidst this backdrop，一种名为Compute Express Link (CXL) 的新技术，正以一种振奋人心的方式，悄然重塑着整个计算架构的未来。
QUANTUM INSIGHT：CXL技术，AI计算的“催化剂”与“加速器”，正驱动存储池化与高速互连，为行业开辟全新增长空间。
广发证券近期发布的一份深度研究报告，将目光聚焦于CXL技术，并对其赋能AI计算的潜力进行了详尽剖析。报告指出，CXL不仅仅是一项简单的接口升级，它更是计算架构向更灵活、更高效方向演进的关键一步。
打破“内存墙”，释放算力潜能
长期以来，CPU、GPU等计算单元与DRAM之间的内存带宽和容量限制，一直是AI算力提升的“木桶效应”短板。不同的计算任务，对内存的需求千差万别，但受限于物理架构，我们无法灵活地按需分配。CXL技术的出现，在很大程度上解决了这一痛点。
1. 存储池化（Memory Pooling）：
CXL允许将DRAM池化，变成一个可供多个计算单元共享的资源池。这意味着，AI模型训练时，可以根据实际需求动态地从这个池子中调取所需内存，而无需将所有内存都固定在某个计算卡上。这种“按需分配”的模式，显著提升了内存资源的利用率，减少了不必要的闲置，尤其在处理海量数据集和超大规模模型时，其优势更为凸显。
- 优势分析： 传统架构下，一个高性能计算卡可能配备了高昂的HBM内存，但并非所有工作负载都能充分利用。CXL的池化方案，可以将这些昂贵的内存资产更广泛地服务于多个计算节点，不仅降低了总体拥有成本，也实现了资源的“弹性伸缩”。
- 场景前瞻： 想象一下，一个大型AI训练集群，可以不再是每个GPU都配备固定的内存，而是共享一个巨大的内存池。当一个模型需要爆炸式内存增长时，我们可以快速地为它分配，而当另一个模型任务完成后，内存又可以被其他节点重新利用。这种“弹性”是过去难以想象的。
2. 高速互连（High-Speed Interconnect）：
CXL协议基于PCIe标准，但提供了远超PCIe的低延迟、高带宽的连接特性。它不仅支持内存读写（CXL.io），还支持内存访问（CXL.cache）和内存设备（CXL.mem）等，实现了计算单元与内存之间更紧密的协同。
- 优势分析： CXL 3.0 标准更是将CXL扩展到支持设备到设备（D2D）的直连，允许CPU、GPU、FPGA以及其他加速器之间进行更直接、更高效的通信，进一步减少了数据搬移的开销和延迟。这对于复杂的AI推理管道，能够显著提升端到端的响应速度。
- 场景前瞻： 在分布式AI训练场景下，不同节点间的数据交换将更加流畅。GPU之间的算力协同，或者GPU与CPU之间的数据预处理任务，都可以通过CXL实现更低延迟的交互，这无疑会加速整个训练过程。
CXL：不止于AI，更指向未来计算
CXL技术的重要性，并不仅仅局限于AI计算的范畴。它为整个服务器和数据中心的架构演进提供了新的可能性。
- 异构计算的加速器： CXL为CPU、GPU、AI加速器、FPGA等不同类型的计算单元提供了一个统一的高速接口，使得它们能够更紧密地协同工作，充分发挥各自的优势。
- 分层存储的实现： CXL可以支持连接更低成本、更高容量的存储介质（如NVMe SSDs），并将其以内存的形式暴露给CPU，这有助于实现更经济高效的分层存储架构，为海量数据存储提供了解决方案。
- 数据中心架构的革新： 长期来看，CXL有望推动数据中心从传统的“CPU+内存+存储”的固定模式，向更灵活、模块化的“计算池+内存池+存储池”的弹性架构转变。
行业展望：
广发证券认为，随着CXL标准的不断成熟和生态系统的逐步完善，其在AI计算领域的应用将迎来爆发式增长。从CPU厂商、GPU厂商到内存和存储设备厂商，都在积极布局CXL相关产品。预计未来几年，CXL将成为推动新一代服务器和数据中心发展的核心技术之一。
“CXL所带来的存储池化和高速互连能力，不仅仅是技术上的飞跃，更是对现有计算范式的重塑，” 报告强调，“它将为AI模型的训练和推理带来前所未有的效率提升，从而加速各行各业的智能化进程。对于投资者而言，CXL无疑是值得密切关注的底层技术驱动力。”
可以预见，CXL技术将成为未来计算架构的关键组成部分，解锁更强大的算力，为人工智能的无限可能注入新的活力。
