CXL，全称是Compute Express Link，这几年在数据中心和AI圈子里热度一直很高。它本质上是一种高速互联技术，目标很明确：在CPU、GPU、FPGA这类计算设备之间，以及它们与内存之间，搭起一条极速通道，实现更高吞吐量和更低延迟。

这项技术最早由英特尔、AMD等巨头联合推出，并很快得到了谷歌、微软等云厂商的站台支持。

一、CXL介绍

CXL到底要解决什么问题？说白了，就是解决那个长期困扰业界的“内存鸿沟”。想象一下，一台服务器里，CPU有自己的内存池，旁边插着的各种翻跟斗（比如GPU、FPGA）也各自带着不小的显存或板载内存。这些内存资源被物理地分割开来，互不共享。结果就是：这边内存被闲置浪费，那边应用却因内存不够用而性能下降。这种割裂，不仅造成了巨大的资源浪费，还带来了系统设计的复杂性和延迟问题。

CXL诞生的背景，自然离不开PCIe。PCIe是计算机内部最通用的连接标准，设备通过它可以发起DMA（直接内存访问）来读写系统内存，只要告诉它目标物理地址就行。不过，在CXL正式登场之前，业内并不是没有其他尝试。比如IBM牵头搞的OpenCAPI，ARM阵营支持的CCIX，AMD等厂商力推的GenZ，以及Nvidia自家封闭的NVLink等等。这些协议各有千秋，但也带来了新的碎片化问题。

尽管PCIe一直在迭代提速，但它最初的设计架构，在面对处理器和翻跟斗之间那种低延迟、高带宽的紧密协同需求时，开始显得力不从心。于是，CXL应运而生，它目标明确，就是要补上PCIe在这一环的短板。

CXL技术的应用场景非常广泛。在数据中心里，它能把不同的计算和存储资源高效地互联起来，提升系统整体性能和资源利用率；在人工智能领域，它能让GPU、FPGA这些翻跟斗跟CPU更紧密地“并肩作战”，从而加快模型训练和推理的速度；在处理器互联方面，它甚至能把不同厂商的处理器整合到一起，提升系统的灵活性和整体计算能力。

二、CXL技术概览

2.1、什么是CXL技术？

CXL（Compute Express Link）本质上是一种高速串行协议，旨在让计算机系统内部的不同组件之间，实现快速且可靠的数据传输。它于2020年正式推出，由英特尔、戴尔和惠普等公司共同设计。它的核心目标，就是化解高性能计算面临的几大瓶颈：内存容量不足、内存带宽不够用、以及I/O延迟过高。

CXL不仅能实现内存扩展和内存共享，还能与GPU、FPGA这类翻跟斗进行高速通信，提供比传统方式更灵活、更高效的数据交换和处理能力。

除了高速传输，CXL的另一大亮点是支持内存共享和虚拟化。这个特性让不同设备之间的协作变得前所未有的紧密和高效。对于现代数据中心处理海量数据的诉求，以及AI、机器学习、区块链这类新兴应用的苛刻性能要求，CXL无疑提供了底层互联层面的关键支撑。

2.2、CXL技术的三种模式：CXL.io、CXL.cache和CXL.memory

CXL协议实际上包含了三个子协议，它们分工明确，共同构成了整个体系：

• CXL.io： 这种模式主要用于将内存扩展到外部设备。它通过PCIe物理层连接CPU和外部设备，使得CPU能与外部设备共享内存，并直接访问外部设备的I/O资源，从而让数据传输速度更快。
• CXL.cache： 这种模式通过把内存“缓存”到外部设备中来提升性能。具体来说，CPU可以在本地缓存中保留最常用的热数据，而将不常用的冷数据“寄存”在外部设备的内存中。这种方式能显著减少内存访问的延迟，提高系统整体性能。
• CXL.memory： 这种模式最直接，就是把外部设备当作系统的主内存来使用。CPU会把外部设备的内存视为扩展内存空间，从而能存储更多的数据。好处是显而易见的：即使本地内存发生故障，CPU仍能通过外部设备上的内存继续运转，提升了系统的可靠性。

展开说，CXL.io是CXL规范中定义的物理层接口，它相比传统PCIe，能提供更低的延迟、更高的带宽和更好的可扩展性。它通过SerDes技术，在单个物理通道上同时传输多个不同的数据流——包括带宽密集型的数据流、低延迟的命令和控制信息，以及配置寄存器和状态信息。同时，它还支持热插拔和链路训练这些高级特性。

CXL.io的物理层规范对信号的电气特性、时序要求和连接器接口都做了精确定义，以确保高可靠性。信号速率上，它采用4x25Gbps或3x32Gbps，支持单向或双向通信。连接器方面，采用40个针脚的SMT连接器，其中27个针脚用于数据传输，其余的用于电源、地线和时钟信号。

根据应用场景，CXL设备通常被划分为三种类型：

• Type 1： 通过PCIe插槽安装的加速卡或附加卡，主要用于网卡这类高速缓存设备。它们能与现有系统集成，并通过CXL接口与CPU直接通信，获得更快的数据传输速度。
• Type 2： 在Type 1功能基础上，更侧重于高密度计算场景。典型代表就是GPU翻跟斗。这类设备不仅需要高性能计算，往往也带有大量内存，CXL能让CPU和GPU更高效地共享这些资源。
• Type 3： 一种专用的存储设备，直接与主机处理器通信，主要用于内存缓冲器，目标是扩展内存带宽和容量。它通过CXL协议实现低延迟、高吞吐量的数据传输。

三、CXL技术的优势

CXL之所以能迅速获得行业认可，离不开以下几个核心优势：

• 更快的数据传输速度： CXL技术最高可实现高达25GB/s的数据传输速度，比目前主流的PCIe 4.0还要快一大截。这意味着在大规模数据处理场景下，数据能够更快地被计算设备“喂饱”和处理。
• 更低的延迟： 它直接将CPU、GPU、FPGA等计算设备与内存连接，绕开了传统的I/O总线，从而大幅降低了数据传输的时延，计算效率得到显著提升。
• 更高的能效： 通过支持多台计算设备共享内存，有效减少了内存冗余。配合内存虚拟化技术，还能根据应用负载动态分配内存资源，进一步提升系统的能效比。
• 更强的可扩展性： CXL支持内存热扩展，允许在不停机的情况下为系统添加更多内存容量。这让系统在面对未来高负载应用时，有了更灵活、更平滑的升级路径。
• 更广泛的应用场景： 从传统的高性能计算、数据中心，到前沿的人工智能、区块链、物联网领域，CXL都找到了用武之地。

一句话总结：高带宽、低延迟、高灵活性、强可扩展性，并且能够支持不同类型硬件设备协同工作的混合使用场景。

四、CXL技术的应用

4.1、计算机系统中的应用

• 高性能计算： 提供低延迟、高带宽的协议，用于连接CPU、GPU、FPGA等处理器，是高性能集群实现更快数据传输的关键一环。
• 存储加速： 用于连接SSD和NVMe驱动器，提供更快的存储访问速度。与内存控制器集成后，能够为存储加速提供更大的带宽支持。
• 人工智能： 连接专用AI芯片，提供更快的数据传输，从而显著提升AI工作负载的性能和训练效率。
• 网络加速： 连接网络适配器，提供更快的网络传输速度，降低网络应用程序的处理延迟。

4.2、数据中心中的应用

• 高性能计算： 相比传统PCIe，CXL能以更快的速度和更低的延迟支撑高性能计算任务，提高集群的计算效率和吞吐量。
• 存储加速： 将存储翻跟斗直接与主机CPU连接，能实现更快的数据访问和更高的IOPS，是提升存储性能的有效途径。
• AI加速： 将AI翻跟斗与CPU/GPU/FPGA等处理器直接连接，能显著加速模型训练和推理过程。
• 大规模虚拟化： 将多个CPU和内存资源组合成一个大规模虚拟化集群，提高资源利用率和灵活性，同时降低管理的复杂性。

4.3、人工智能领域中的应用

• 提高数据传输效率： 对于深度学习这类任务，大量数据需要在计算单元之间传输。传统PCIe互连的传输速度慢、往返延迟高，很容易成为瓶颈。CXL凭借低延迟、高速传输，能有效缓解这一问题，提升计算效率。
• 加速模型训练： 深度学习模型越来越庞大，需要更多计算资源。CXL能让CPU、GPU和其他翻跟斗之间实现更紧密的协作，从而大幅提高模型训练的速度和效率。
• 实现AI与物联网的集成： CXL技术可以让AI应用程序直接连接到物联网设备，实现更快速的数据处理和响应，这对需要实时决策的应用场景至关重要。
• 降低能源消耗： CXL能够减少传输数据所需的功耗，并优化系统中的数据缓存策略，从而实现更高效的能源管理。

五、CXL技术与其他技术的对比

与PCIe、NVMe的比较：

• 带宽： CXL的带宽远高于PCIe。例如，CXL 2.0标准最高可达32 GT/s，而PCIe 5.0的带宽仅为16 GT/s。NVMe是一种协议，其带宽取决于底层使用的互连技术。
• 延迟： CXL和PCIe都具有低延迟特性，但CXL在延迟方面略胜一筹。NVMe协议在延迟方面表现也很出色。
• 功能： CXL支持内存扩展、缓存一致性和设备直接内存访问等功能，这些是PCIe或NVMe不直接具备的。
• 应用场景： PCIe主要用于连接GPU、网卡和存储设备等外设。NVMe专注于固态硬盘。CXL的适用范围更广，可用于连接处理器、存储设备、网络适配器等各种外围设备。
• 兼容性： CXL相对较新，旧设备可能不支持。PCIe早已成为通用标准，兼容性最好。
• 成本： 目前，CXL硬件和设备的成本相对较高，而PCIe则更加普及和经济实惠。

与CCIX的比较：

• 性能： CXL提供更高的带宽和更低的延迟，在高性能计算、AI等场景更具优势。CCIX则更专注于低功耗和高可靠性，适用于物联网、移动设备等场景。
• 兼容性： CXL基于PCIe协议，与现有PCIe接口兼容。而CCIX需要使用新的物理层和控制层，兼容性受限。
• 应用场景： CXL适合需要高性能和强大内存扩展的场合，如大型服务器集群和超级计算机。CCIX则更适用于数据中心、物联网、移动设备等场景。
• 支持的架构： CXL支持x86、Power和ARM等多种处理器架构。CCIX则主要专注于ARM和Power架构，对x86架构的支持有限。

六、实现CXL技术的挑战及解决方案

当然，一项新技术从实验室走向大规模部署，总会碰上几道槛。CXL目前面临的主要挑战包括：

• 复杂性： 实现CXL需要高度复杂的系统设计和集成，这意味着要适配不同的硬件、软件和工具链。
• 安全性： 由于CXL涉及到底层硬件操作和多个设备之间的数据共享，安全风险不容忽视，必须采取有效措施确保数据安全和隐私。
• 性能： 要真正发挥CXL的高速传输和低延迟优势，需要高效的协议和深度优化的硬件与软件设计。
• 兼容性： CXL需要与现有的接口和协议兼容，以支持旧设备和系统的平滑升级，这离不开合适的转换器和中间件。

针对这些挑战，行业正在从以下方向寻求突破：

• 标准化： 制定统一的标准和规范，确保不同厂商的设备与系统之间能够高效互操作。
• 优化设计： 通过优化硬件和软件设计来提升性能和安全性，比如增加硬件加速、内存缓存和错误纠正功能。
• 管理数据共享： 采取访问控制、认证和加密等措施来管理设备间的数据共享。
• 提供中间件： 开发转换器和中间件，帮助现有系统平滑过渡到CXL架构。

七、结论

回顾CXL技术的全貌，可以明确的一点是：它正在深刻改变&现代计算系统的互联格局。它带来了更广泛的应用场景——从超级计算机、AI翻跟斗到NVMe SSD，几乎覆盖了高性能计算的每一个角落。它提供了更高的带宽和更低的延迟，在处理大规模数据时展现出压倒性优势。它通过允许设备共享内存，极大地提升了内存的扩展性和灵活性，这在大型计算集群和超级计算机中前景广阔。同时，它基于PCIe协议，保证了良好的兼容性和可扩展性。最后，它支持x86、ARM、Power等多种处理器架构，为不同生态的系统提供了更灵活、更开放的选择。