“数据的作用正在从简单的事件记录、录音或测量，进化成多样的沟通形式，为生产力和自动化效率的提升奠定了基础。” 

以数据为中心的世界

如今大部分数据都呈指数增长，每两年倍增一次，在接下来10年里将达到数百泽字节。这种海量数据推动了数量、速度、多样性和价值的发展，同时需要更长的周期进行前景分析、获取更多价值和信息，从而做出更合理的经营决策。  

数据的作用正在从简单地事件记录、录音或测量，进化成多样的沟通形式，为生产力和自动化的效率提升奠定了基础，而最终，数据传递的价值将成为一种货币形式，推动以数据为中心的世界的发展。

同时，不断增加的丰富数据来源也带动了数据本身的增长。数据已不仅仅来自于应用程序，其他来源例如移动设备、生产设备、机械传感器、视频监控系统、物联网（IOT）和工业物联网（IIOT）设备、医疗监控和可穿戴设备等都可以产生数据。这些数据通过“核心”的大型数据中心，“终端”的网络远程和移动设备都可以进行创建。

随着模式的转变，大数据和快速数据环境正在快速发展。大数据代表着海量数据的集合，需要通过计算和运算法则、解密趋势、模式以及看似分散的数据集之间关系来进行分析。此分析提供了宝贵的见解并建立新的关联，以推动实现更精确的预测和决策。过去，这些数据操作是基于对过去的信息的处理。而如今的应用程序则需要在事件发生的当下对其数据进行同步响应。

快速数据则会利用大数据中产生的算法，对撷取的数据进行处理和转换，进而提供实时决策和结果。基于大数据对“已发生”到“即将发生”（预测分析）的事件提供的见解，快速数据可以提供实时操作。这些需要实时对应的环境数据可以来自大量的“智能”机器、环境监测、安全检测系统以及需要实时行事的证券交易系统等。

大数据和快速数据形成了一个良性的循环，大数据应用提供了越来越多的算法来支持快速数据环境，而这一现象反过来又将更多的数据资源输入到快速数据应用中。快速数据应用中生成的数据越多，就越有助于扩大大数据环境的规模，如此循环往复。

“随着大数据体量增大，快速数据速度上升，通用计算“一刀切”的方式已不能承载数据中心日益多样化的应用程序所需的工作负载量。”

应用和工作负载量的多样性

随着大数据和快速数据的增加，它们打破了传统的基础架构及系统架构的界限。过去曾服务于该行业的“通用”技术和架构正接近其可扩展性、性能及效率的极限。通用架构支持的工作负载量通常具有统一的资源处理比例，例如操作系统处理、专用卸载处理、内存、存储以及互连。随着大数据体量增大，快速数据速度上升，通用计算“一刀切”的方式已不能承载数据中心日益多样化的应用程序所需的工作负载量。

如今以数据为中心的架构需要的是具备对混合资源更多的控制能力。随着大数据和快速数据对工作负载量的扩展，以数据为中心的计算架构需要具备能够独立扩大资源的能力。未来的架构需要提升通用计算架构的资源比率，同时要求整合经过数据优化的操作系统、专业化处理方式、内存、存储和互连来实现为某一需求专用的特制解决方案。而分析、机器学习、人工智能和智能化系统等生成海量数据和计算工作负载的操作，也要求有符合各自需求的专用特制数据环境才能得以支撑。

除了对资源的独立扩展之外，终端以数据为中心的环境也为我们带来更多的挑战。终端的远程与移动条件同样需要对耗电量、环境强度、外形尺寸和重量进行优化。通用计算架构通常在成本、尺寸和功耗方面都有很大的开销，因为通用计算架构将通过整合通用逻辑来连接这些在专门的环境中不需要的外围设备、通信和输入/输出（I/O）设备。

以数据为中心的环境

随着大数据和快速数据在工作负载量的扩展，以数据为中心的计算架构需要具备能够独立扩大资源的能力。其中一个例子是大数据环境分析，其需要大量的存储，但不需要实时处理，所以只需进行适当的处理和互连。另一个例子是机器学习环境，其需要进行大量的存储及特殊处理(通过图形处理器、专用集成电路和现场可编程门阵列)来加速学习。还有一个例子是实时视频事件检测的快速数据应用，其将视频中的面部识别与面部特征库进行比较，进而触发安全警报，该识别需要一个由专业处理器和存储器组成的大资源库。 

“由于大数据和快速数据应用带来了更多的工作负载量，因此，在现有通用架构达到极限时，需要有一个专门的架构取而代之”

为推动并实现独立扩大，需要以下内容：

• 一个开放式架构，以避免对特定供应商或技术的依赖。因为开放式架构促进了广泛的技术开发和使用，允许市场适用原则，而非营造专利壁垒。

• 模块化技术和密集的远程或终端移动环境的集成，可以优化空间、重量、成本和功耗，因为只有具备必要功能和逻辑的构建组件才是其真正需要的。这种方法消除了通用组件中可能存在效率低的问题，如CPU，它整合了多余的功能、成本、尺寸和功耗。

在识别出以数据为中心的环境及其需要后，下一步要做的是展示RISC-V的开放式架构如何成为构建以数据为中心的计算环境的基础。

为何选择RISC-V？

指令集架构（ISA）是由计算机或计算系统的机器语言和I/O模型组成的机器指令。它从字面上定义了程序员在编程时需要了解的所有东西。

RISC-V是一个开放、免费的ISA，其通过开放标准的协作开启了处理器创新的新时代。RISC-V在结构上对免费、可扩展的软件和硬件自由度提供了新标准，为未来50年的计算设计和创新开创了一条道路。

与大多数ISA相反，RISC-V可免费使用于任何目的，其允许任何人设计、制造、销售RISC-V芯片和软件。只要获得伯克利软件发行（BSD）许可证，即可免费进行RISC-V以及所有CPU设计更改。但是，使用专有源代码和专利时，商业芯片供应商会收取许可费。

基于其开放的模块化方法，RISC-V非常适合作为以数据为中心的计算架构的基础。作为操作系统处理器，RISC-V可通过支持资源的独立扩展来启动专用架构。其模块化设计方法可为边缘和移动系统提供更高效的处理器。随着大数据和快速数据应用程序带来的工作负载量骤增，当今的通用架构已经到达了极限，急需有一个专用的架构取而代之。

RISC-V推动以数据为中心的计算架构新时代的关键优势包括：

1. 独立资源扩展

2. 开放性的资源

3. 模块化的芯片设计

对RISC-V的承诺

无论是大数据或快速数据环境，无论是在核心还是在终端，西部数据始终坚持推动数据繁荣，缔造辉煌成就。我们希望依托于RISC-V具开放性和可拓展性的体系架构，可以加快实现大数据及快速数据中无论是在核心还是终端以数据为中心的应用程序部署。

随着西部数据公司从一个数据存储公司向一个数据技术公司的转型，开放计算架构的拓展正在这个转型过程中进行着。我们推进计算能力，使其更加接近数据。在今天的第七届RISC-V研讨会上，公司宣布将通过RISC-V基金会引领以数据为中心的计算环境的发展。

将计算与数据结合

当涉及到数据的获取、保存、访问和转化时，RISC-V独立的资源扩展能力可应用在多个层面——可覆盖整个数据中心，也可直达系统、平台或设备级别。创建专用环境的能力在宏观层面、微观层面和任何中间层面都是有效的。
用指定的方式处理、记录、存储和互联资源包围数据，这一目标可以通过多种方式实现。

对于大数据环境而言，RISC-V的开放性让其独立扩大资源的能力得以发展，进而让数据的处理量增加。由于数据仓的增长已经超过了拍字节的扩展水平，这种将计算代入数据，而非将数据代入计算的理念创造了更多的智能基础架构，并缓解了互联带宽成本增长的需求。在基础架构的宏观层面上取得的成就可能在于将数据分析或机器学习资源嵌入大规模数据存储系统，比如西部数据公司的ActiveScale™多拍字节对象存储（OBS）系统。

整合微观层面，RISC-V可将应用程序和专门的数据处理添加到存储设备中，比如机械式硬盘（HDD）、固态硬盘（SSD）以及整合设备的更大存储平台。这种处理可以用来对存储设备和平台的功能进行控制，并提供板载数据处理和转换功能。

第三个应用的机会是在终端支持以数据为中心的计算架构。由于移动和终端的快速数据应用带动了数据实时转换的需要，RISC-V可以启用更有效的解决方案。RISC-V的开放性和模块化可以将资源、CPU和紧密整合的组件，调整成节省空间且高效节能的大小。

“西部数据公司致力于完成 RISC-V基金会及其生态系统的使命，我们期待双方携手，推动数据繁荣，缔造辉煌成就”

与任何开源项目一样，RISC-V 需要一个完整的生态系统来推动其繁荣发展。这个生态系统包括开放资源的提供者、测试和验证团队、应用程序开发工具、芯片制造厂、系统架构师、方案开发人员、整合人员以及用户。 

为了判断创建生态系统所需的投资，团队要确保RISC-V项目将最终成为未来市场中一个具有技术和商业价值的重要资源。为了推动RISC-V的发展与成功，西部数据公司将以每年超过10亿个处理器内核产品组合的形式提供既得利益。西部数据公司致力于推进RISC-V 技术在关键任务应用中的使用，从而使其得以部署在旗下产品中。同时，西部数据公司正积极与RISC-V生态系统合作伙伴规划合作与投资。

展望未来

为了实现数据的可能性，我们需要对数据进行获取、保存、访问和转化，进而将其潜力充分发挥。在核心和终端的大数据和快速数据环境已经超过了通用计算机架构的承载能力，未来应用程序中大量以数据为中心的环境需要专门构建的环境，以开放的方式支持数据转换资源的独立扩展。

西部数据公司致力于完成 RISC-V基金会及其生态系统的使命，我们期待双方携手，推动数据繁荣，缔造辉煌成就。随着数据繁荣发展，人类、社会以及世界都得以在数据的力量、潜力和可能性推动下繁荣发展。