Meta同步發表的論文顯示，該方案可使部分AI推理業務所需服務器數量最高減少25%，分布式緩存平均延遲降低29%。
日前，在ISCA 2026國際計算機體系結構大會上，Meta公開了其自研的Vistara定制芯片方案。這是一款專為復用退役服務器DDR4內存而設計的CXL（Compute Express Link）ASIC，通過將舊服務器的DDR4內存條接入新一代DDR5服務器，構建共享內存池，在覆蓋數百萬臺服務器的超大規模基礎設施中實現落地。Meta同步發表的論文顯示，該方案可使部分AI推理業務所需服務器數量最高減少25%，分布式緩存平均延遲降低29%。
服務器3至5年退役，內存卻能用7至10年
Meta在論文中揭示了一個數據中心普遍存在的資源錯配問題：服務器的預期使用壽命通常為3至5年，但服務器級DRAM芯片的物理壽命可達7至10年。這意味著，大量性能依然良好的DDR4內存，會隨著整機退役而被閑置甚至報廢。
更嚴峻的是，在Meta自有基礎設施中，約40%的服務器——規模達數百萬臺——由于內存容量限制，無法繼續承載新的AI工作負載。與此同時，海量DDR4內存處于閑置狀態。在DDR5內存價格飆漲、供應緊張的背景下，這種"舊內存閑著、新內存買不起"的困境，對每年資本支出高達數百億美元的超大規模互聯網公司而言，是巨大的資源浪費。
為什么不用現成的CXL方案？三大痛點
CXL技術問世已有六年，理論上可通過PCIe接口擴展內存容量。但Meta評估后認為，現有商業化CXL方案存在三大硬傷，無法滿足其需求：
一是捆綁銷售。大多數CXL方案將DRAM與控制器捆綁在一起，無法復用現有的DDR4 DIMM內存條。
二是不支持DDR4。現有方案普遍不支持DDR4，而Meta需要復用的正是退役服務器上的大量DDR4資產。
三是功耗高、成本高。商業化方案在功耗和成本方面不具備優勢，不適合超大規模部署。
Vistara ASIC：專為DDR4復用量身定制的"橋梁"
為此，Meta選擇自己設計了一顆專用的CXL內存擴展ASIC——Vistara。
根據論文披露的技術參數，Vistara ASIC的核心架構包括：
接口：通過符合CXL 2.0/1.1標準的PCIe Gen5 x16接口與主機連接；
DDR4支持：集成兩個獨立的72-bit DDR4內存通道，支持最高DDR4-3200速率；
容量：單顆ASIC最高可連接256GB DDR4（采用64GB DIMM），目前生產環境中實際部署為128GB（采用32GB DIMM）；
可靠性：支持RS(36,32)雙符號糾錯和x4 chip-kill內存糾錯；
延遲：ASIC空閑往返延遲約50ns；
控制核心：內置三顆RISC-V處理器，分別負責安全啟動、設備控制和引導初始化；
功耗：單顆ASIC功耗約9W。
Vistara的核心功能可以概括為：充當DDR4與當前基于DDR5的AI服務器之間的"翻譯器"，把舊DDR4內存轉換為新服務器可直接調用的CXL內存資源。
768GB DDR5 + 256GB DDR4 = 1TB內存
Meta將Vistara部署在名為MemServer的硬件平臺中。以生產環境中的一臺典型配置為例：
- 處理器：AMD Turin，158核心/316線程；
- 本地內存：768GB DDR5-6400，共12個通道，峰值帶寬614GB/s，空閑延遲約130ns；
- CXL擴展：通過2顆Vistara ASIC連接256GB DDR4-2400（共8條32GB RDIMM），CXL峰值帶寬約76GB/s，空閑延遲約250ns；
- 總內存容量：1TB；
- CXL部分總功耗：約50W（含2顆ASIC和8條DIMM）。
Vistara CXL卡安裝在機箱后部專用插槽，通過大容量風扇定向送風散熱。
軟件自動分層，應用完全無感
硬件只是基礎，Meta還基于Linux內核的TPP（Transparent Page Placement，透明頁放置）和TMO（Transparent Memory Offloading，透明內存卸載）機制，構建了一套自動化的內存分層系統。
系統實時追蹤每個內存頁面的訪問頻率，將"熱頁"（被CPU頻繁訪問）自動保留在本地高速DDR5中，將"冷頁"（很少訪問）靜默遷移到CXL上的DDR4——整個過程對上層應用完全透明，無需修改任何代碼。
論文特別回應了學術界此前的擔憂：TPP機制會帶來較大的CPU開銷。但Meta在百萬級服務器生產環境中的實測顯示，TPP的CPU開銷不到0.5%，遠低于預期。Vistara的尾延遲表現也相當穩定，未出現此前FPGA測試中報告的不穩定現象。
對于延遲敏感型工作負載，Meta還提供了基于cgroup的靈活"退出機制"，允許特定任務禁用CXL內存，確保關鍵業務不受影響。
生產效果：AI推理服務器減少25%，緩存延遲降29%
Vistara是Meta首款軟硬件協同設計的CXL內存擴展平臺，已在超大規模生產環境中部署，覆蓋緩存、數據倉庫、機器學習推理、開發基礎設施等多樣化工作負載。論文披露的具體收益包括：
分離式機器學習推理：在5.1TB生產級推薦模型的推理服務中，服務器需求減少25%，吞吐量提升4%；當模型規模擴展到20TB時，吞吐量提升達4%至12%，服務器需求持續減少20%至25%。
分布式緩存（CacheB）：平均查詢延遲降低29%，2.3%的緩存命中從閃存轉移到了內存，有效延長了SSD壽命。
數據倉庫（Spark）：執行器密度提升33%，OOM（內存溢出）事件減少33%。
開發基礎設施（DevInfra）：每臺物理服務器可運行的開發者虛擬機數量增加33%，整體服務器需求減少15%。
行業從"算力競爭"到"系統架構競爭"
Vistara方案的價值遠不止于節省幾顆內存條的成本，它在更深層次上印證了數據中心基礎設施的兩個關鍵趨勢：
第一，CXL技術的規模化驗證。 CXL標準問世六年，業界一直缺乏大規模生產部署的實證數據。Meta用百萬級服務器的真實場景證明，CXL內存分層在工程上是可行的、可靠的，且收益顯著。學術界關于CXL尾延遲和TPP開銷的擔憂，被生產數據一一反駁。
第二，超大規模云廠商正在成為芯片設計的主角。 Vistara并非通用芯片，而是圍繞Meta特定基礎設施需求——最大化復用DDR4資產——量身定制的產物。這種"工作負載定義芯片"的模式，正在成為微軟、谷歌、亞馬遜等云巨頭的共同選擇。
從更宏觀的視角看，Vistara折射出AI時代數據中心設計理念的根本轉變：資源正從"整機綁定"走向"解耦池化"。CPU、GPU、內存、存儲不再需要同步淘汰、同步升級，而是通過CXL等開放互聯技術，形成可按需調度的獨立資源池。這不僅延長了硬件生命周期，更從根本上提升了基礎設施的投資回報率。
其他廠商也推出低延遲CXL商用方案
除Meta外，韓國初創公司Panmnesia也推出了面向市場的CXL擴展器解決方案。其核心在于一款現成的CXL控制器和交換機，能在不增加延遲的前提下連接大規模內存池。Panmnesia聲稱其fabric可擴展至多達64個節點，遠超早期CXL部署僅能連接少數節點的局限，為大型云服務商提供了更高的DRAM使用靈活性。目前，該公司已提供PCIe 6.4/CXL 3.2融合交換機的預發布硅片，并完成支持CXL 4.0最新功能的PCIe 7.0/CXL 4.0組合IP開發。
您可能感興趣
