国金计算机科技星环科技GPUNative数据库平台与

核心观点与关键数据

大模型推理推动计算架构转向GPU核心

1. 传统计算架构以CPU为核心：设计用于运行逻辑复杂的程序，如操作系统和Web服务器。
2. GPU强项在于并行处理：AI推理的矩阵运算天然适合GPU的SIMT单指令多线程架构。
3. 内存墙瓶颈：CPU使用DDR内存带宽50-200GB/s，GPU使用HBM带宽达2-5TB/s，数据供不应求是主要瓶颈。

GPU直连技术探索与目标

1. 打破PCIe瓶颈：
   • NVLink/NVSwitch实现GPU间直连，无需CPU中转。
   • CXL允许GPU直接访问系统内存或共享地址空间。
   • 封装化方案（如NV的Grace-Hopper或苹果M芯片）将CPU与GPU集成。
2. 存储直连技术：
   • NVMe SSD直接将数据传输至GPU显存，CPU仅负责指令。
   • 现有路径：硬盘数据→系统内存→CPU处理→GPU显存，存储直连可省略中间环节。

数据库向GPU-Native变革路径

1. 算子重构：
   • 传统DB算子需用CUDA或OpenCL重写，以适配GPU并行架构。
   • 执行计划直接调用GPU内核函数，在显存中完成数据过滤、聚合和连接。
2. 显存管理：
   • 数据库需直接管理GPU显存，通过智能算法决定热数据驻留策略。
   • GDS（GPU Direct Storage）实现显存与存储的高速交互。
3. 数据布局优化：
   • 从CPU友好的行式存储转向GPU友好的列式存储。
   • 对齐磁盘、内存和GPU传输的数据格式。
4. 全面向量化：
   • 查询引擎需一次处理向量块，适配AI推理中的RAG（Retrieval-Augmented Generation）。
   • 内置GPU加速的向量索引，提升向量检索效率。

技术前瞻性与市场空间

• 公司官网已发布GPU-native数据库，性能较CPU模式提升显著。
• ArgoDB作为分布式闪存数据库，具备技术前瞻性和广阔市场空间。
• 未来或与NVIDIA合作探索GPU直连方案，进一步优化数据库性能。