CXL诞生的基础是为了解决CPU内存和附加设备内存的互联，实现资源共享，得到最大的性能提升。随着数据大规模超算、AI、5G、云技术、边缘计算、自动驾驶等蓬勃发展，未来的数据存在指数级的增长且要求实时计算。
从2019年的CXL 1.0，CXL协议目前已经发展了CXL 3.1。服务器目前正面临着内存性能挑战，而CXL部署提供了短期和长期的解决方案。从CXL 1.1开始，AI云服务器可以从内存扩展中受益，CXL 3.0为GPU、DPU、FPGA和ASIC等加速器提供直接访问内存池的权限。云服务提供商和超大规模企业将对由CXL 2.0发起的内存池和可组合服务器表现出浓厚的兴趣。同时，数据库服务器将利用运行更大的内存数据库以加快分析速度的能力。
数据中心工作负载变得越来越复杂，需要越来越多的计算能力和内存来处理不断增长的数据量。内存是一种非常昂贵的资源，2022年占服务器价值的平均比例约为30%，预计到2025年将超过40%。为了解决这些问题，已经提出了新型内存处理器接口，旨在优化资源的使用和加速数据中心工作负载的执行。在这种动态背景下，CXL已经崛起并获得了业界的广泛支持。
扩展阅读：
再回过头看下，为什么说CXL可以解决内存墙的问题？
数据中心在追求更高性能和更低总拥有成本（TCO）的过程中面临三大主要内存挑战。首先，当前服务器内存层次结构存在局限性。直接连接的DRAM与固态硬盘（SSD）存储之间存在三个数量级的延迟差异。当处理器直接连接的内存容量耗尽时，就必须转向SSD，导致处理器处于等待状态。这种等待，即延迟，对计算性能产生重大负面影响。
其次，多核处理器的核心数增长速度远远超过主内存通道的数量。这意味着超过一定数量的处理器核心会因缺乏足够的内存带宽而无法充分发挥效能，从而削弱了额外核心带来的优势，也就是出现了内存墙的问题。
最后，随着加速计算的普及，即加速器配备有自己的直接连接内存，未充分利用或被闲置的内存资源问题日益凸显。
在过去的尝试中，面对内存墙的问题，主要遇到以下四个挑战：
-
有限的内存带宽和容量可扩展性：传统内存系统在增加带宽和容量方面面临局限。随着数据密集型应用需求的增长，对内存资源的消耗急剧上升，但内存技术的发展却难以匹配这种快速增长的需求。这导致在处理大规模数据集时，系统因内存不足或数据交换速率慢而受到限制。
-
与本地内存显著的延迟差距：当引入外部或扩展内存解决方案时，它们通常具有比直接连接在CPU上的本地内存更高的访问延迟。这种延迟差影响了应用程序的响应时间和整体性能，特别是在那些对延迟敏感的应用场景下，如实时交易处理或高性能计算。
-
专有的系统配置和部署：早期尝试通过定制或专有解决方案来克服内存墙，这些方案往往需要特定的硬件和软件配置，导致部署复杂且不灵活。这种专属性意味着升级或维护成本高，且不能轻松地跨不同平台复用。
-
与流行应用软件的复杂集成：为了利用新的内存技术，软件需要进行相应的修改或优化，以便能够有效利用扩展的内存资源。然而，这种集成工作不仅技术上复杂，还可能需要大量的开发资源和时间，特别是当涉及到已经广泛使用的流行应用程序时，它们的代码库庞大且改动影响广泛。
以往尝试突破内存墙的努力受限于技术、成本和兼容性等多方面的难题，这些挑战阻碍了内存系统的高效扩展和应用性能的全面提升。
标签：AI,处理器,内存,突破,服务器,CXL,延迟 From： https://blog.csdn.net/zhuzongpeng/article/details/139425980