Meta自研CXL芯片：可复用“退役”DDR4，AI服务器成本降25%！

近日，Meta公开了一篇技术论文，揭秘了其自研的一颗名为Vistara的CXL ASIC，通过将退役服务器上的DDR4内存重新利用到最新的支持DDR5内存的AI服务器中，不仅延长了内存寿命，还使部分AI推理业务所需服务器数量最高减少25%，这也意味着所需的硬件成本最高可降低25%。

这一方案不仅体现出Meta对于CXL（Compute Express Link）生态的深度布局，也折射出AI时代数据中心基础设施正在从“算力竞争”逐渐走向“系统架构竞争”。

AI服务器升级，DDR4却成了"鸡肋"

近年来，AI服务器快速从DDR4内存平台升级到DDR5内存平台。例如基于英特尔Xeon 6、AMD Turin以及最新AI GPU平台的新一代服务器，都已经全面采用了DDR5内存。而大量上一代服务器仍然配备的DDR4内存。

这里存在一个关键问题：服务器通常5~7年就会退役，但服务器级的DRAM芯片的物理寿命却可达到10~14年。这意味着，大量性能依然良好的DDR4内存，会随着服务器退役而被闲置甚至报废。

Meta在论文中指出，其在全球拥有数百万台服务器，其中约40%的服务器由于内存容量限制，无法继续承载新的AI工作负载；与此同时，又有海量DDR4内存处于闲置状态。

但是如果将旧的DDR4内存直接用于新服务器，会因带宽低、延迟高而拖累性能。特别是在服务器内存芯片紧缺、价格飙涨的背景下，这对于一家每年资本支出高达数百亿美元的互联网公司而言，无疑是巨大的资源浪费。

自研Vistara ASIC，让DDR4重新“上岗”

为了解决这个问题，Meta计划利用CXL技术将退役服务器中的DDR4 DIMM挂载到新服务器作为扩展内存，以实现近乎零成本的容量扩展（通过复用）、性能提升（更大内存）、降低碳足迹（延长硬件寿命），提升运营效率。

但是，Meta并没有采用商业化CXL方案，因为在它看来，现有的商业化CXL方案存在三大问题：

1、捆绑了DRAM与控制器，无法复用现有DDR4 DIMM；

2、不支持DDR4，无法利用退役服务器的大量DDR4资产；

3、功耗高、成本高，不适合超大规模部署。

因此，Meta选择自己设计了一颗专用的CXL内存扩展ASIC——Vistara，专为复用DDR4 DIMM而设计。

根据论文介绍，Vistara的核心作用是：通过符合CXL 2.0/1.1标准的PCIe Gen5 x16接口，把DDR4内存转换为CXL内存资源，供给最新DDR5服务器直接调用。

Vistara ASIC主要特点包括：

兼容CXL 2.0/1.1协议；

支持PCIe Gen5 x16；

集成两个72-bit DDR4内存通道；

支持最高DDR4-3200；

单颗ASIC最高可连接256GB DDR4（采用64GB DIMM）；

支持RS(36,32)，2-symbol correction，x4 chip-kill内存纠错；

延迟约等于50ns；

内置三颗RISC-V处理器负责安全、控制、引导启动；

接口支持CCI、SMBus、PCIe固件更新；

单颗ASIC功耗约9瓦。

Vistara ASIC的核心功能可以概括为：通过PCIe Gen5 x16接口和CXL 2.0协议，将旧的DDR4内存转换为新服务器可直接调用的共享内存池。每颗Vistara芯片支持两个DDR4通道，最高可挂载256GB内存，功耗仅约9W。

简单来说，Vistara实际上充当了DDR4与当前基于DDR5的AI服务器之间的一座“桥梁”，让原本只能用于老服务器的DDR4内存，重新成为AI服务器可访问的共享内存资源。

不只是扩容，更是建立共享内存池

相比传统服务器“每台机器独占内存”的架构，Meta的CXL ASIC方案更进一步构建了基于CXL的共享内存池（Memory Pool）。

论文显示，一台部署两颗Vistara芯片的MemServer平台中，可将768GB DDR5本地内存与256GB DDR4扩展内存通过CXL连接整合，实现总计1TB内存容量，而CXL扩展部分的总功耗仅约50W。

在性能方面，Vistara的CXL内存峰值带宽约48GB/s，空闲延迟约250ns，虽然远低于本地DDR5（614GB/s，130ns），但论文指出，在实际生产环境中，CXL带宽利用率通常低于10%——因为软件栈只将“冷数据”放在CXL内存上，绝大多数热点访问仍然命中本地DRAM，因此带宽和延迟差距对实际性能影响微乎其微。

Meta指出，这种架构最大的优势在于：不同AI任务可以按需动态共享内存，而不是提前为每台服务器预留大量冗余容量。对于大语言模型推理而言，许多请求并不会长期占满全部内存，动态共享可以显著提升整体利用率。

透明分层，应用无感

自研的Vistara芯片只是硬件基础，Meta还基于Linux内核的TPP（透明页面放置） 和 TMO（透明内存卸载） 机制，构建了一套自动化的内存分层系统。

系统可以实时追踪每个内存页面的访问频率，热页（Hot Page，被CPU频繁访问的内存页面）自动保留在本地DDR5，冷页（Cold Page，被CPU很少或极少访问的内存页面）则静默迁移到CXL上的DDR4——整个过程对上层应用完全透明，无需修改任何代码。

论文特别强调，此前学术界担忧TPP机制会带来较大的CPU开销，但Meta在生产环境中的实测显示，TPP的CPU开销不到0.5%，远低于预期。Vistara的尾延迟表现也相当稳定，并未出现此前FPGA测试中报告的不稳定现象。

对于延迟敏感型工作负载，Meta还提供了基于cgroup的灵活“退出机制”，允许特定任务禁用CXL内存，确保关键业务不受影响。

AI推理服务器最高可减少25%

论文显示，Vistara是Meta首款软硬件协同设计的CXL内存扩展平台，已在百万级服务器规模的生产环境中部署，覆盖缓存、数据仓库、ML推理、开发基础设施等多样化工作负载，并带来了颇为亮眼的提升：

1. 缓存服务

CacheA服务的缓存容量从680GB扩至890GB，可持续QPS提升33%，缓存对象的保留时间从1分钟延长至5-10分钟。CacheB服务的平均查询延迟降低了29%，2.3%的缓存命中从闪存转移到了内存，有效延长了SSD寿命。

2. 数据仓库（Spark等）

Spark执行器密度提升33%，OOM（内存溢出）事件减少33%。Cosco分布式Shuffle服务的计算容量降低30%，MIPS反而提升11%。

3. 开发基础设施（DevInfra）

每台物理服务器可运行的开发者虚拟机数量增加33%，整体服务器需求减少15%，同等开发效率下显著降低了硬件采购成本。

4. ML参数服务器

在5.1TB生产级推荐模型的推理服务中，服务器需求减少25%，吞吐量提升4%。当模型规模扩展到20TB时，吞吐量提升达4-12%，服务器需求持续减少20-25%。

数据中心竞争进入“系统架构时代”

Vistara方案的核心价值，并不仅仅是省了几颗内存条的钱。它在更深层次上印证了两个趋势：

第一，CXL技术的规模化验证。 CXL标准问世已有六年，业界一直缺乏大规模生产部署的实证数据。Meta用百万级服务器的真实场景证明，CXL内存分层在工程上是可行的、可靠的，且收益显著。学术界关于CXL尾延迟和TPP开销的担忧，被生产数据一一反驳。

第二，超大规模云厂商正在成为芯片设计的主角。 Vistara并非一颗通用芯片，而是围绕Meta特定基础设施需求——最大化复用DDR4资产，来量身定制的产物。这种“工作负载定义芯片”的模式，正在成为微软、谷歌、亚马逊等云巨头的共同选择。

从更宏观的视角看，Vistara折射出AI时代数据中心设计理念的根本转变：资源正在从“整机绑定”走向“解耦池化”。 CPU、GPU、内存、存储不再需要同步淘汰、同步升级，而是通过CXL等开放互联技术，形成可按需调度的独立资源池。这不仅延长了硬件生命周期，更从根本上提升了基础设施的投资回报率。

未来的数据中心竞争，已不仅仅是算力峰值性能的比拼，更是系统架构、互联技术与资源管理能力的综合较量。Meta的Vistara，为这场竞赛写下了一个务实而有力的注脚。

编辑：芯智讯-浪客剑