近内存计算，能否解决AI内存瓶颈？

把数据处理放在离内存更近的位置并不是新想法，但韩国初创企业Xcena认为，借助CXL（Compute Express Link）协议，他们找到了更优的实现方案。MX1是一款CXL Type 3设备，最多可搭载2TB DDR5、由SSD支撑的InfiniteMemory容量，以及超过1000个定制RISC-V内核。首席产品官Harry Kim表示，在部分数据分析负载下，Xcena的MX1吞吐量最高可达通过CXL传输数据的主机CPU的4.7倍，能效提升至18.7倍。

在接受访时，Kim称内存瓶颈不能只靠增加内存容量解决，必须更高效利用现有内存资源。“如果我们能减少数据搬运，将会带来很大帮助。”

Kim介绍，MX1非常适合内存密集型AI和数据库负载，这类场景里只有一部分存储数据最终需要由CPU或GPU处理。他表示，向量检索、KV缓存、数据库过滤这类应用中，在内存附近完成计算，可以降低延迟、减少功耗、缓解带宽瓶颈。“以数据库场景举例，我们可以提前过滤掉CPU不需要读取的老旧数据，减少数据搬运。”

对于AI场景，这意味着只提取KV缓存里需要的那部分数据片段。Kim称，要整合DDR5、SSD与RISC-V内核，需要攻克大量软件与内存管理难题，Xcena希望MX1能方便客户开发使用。“我们希望内存模型尽可能贴近客户在CPU侧的使用习惯。”

他提到最大技术难点之一，是搭建一套统一虚拟内存系统，维护主机内存、设备内存与SSD存储之间的地址映射关系。

Xcena对MX1的核心定位首先是高性能内存扩展器。Kim说，它和其他CXL内存扩展产品的差异在于，集成了全功能内存控制器，同时具备专用近内存计算能力。其他带计算能力的CXL设备采用通用处理器，而MX1面向并行数据处理，充分利用内部全部带宽。

该设备的计算能力基于众核RISC-V架构。Kim表示，选择RISC-V是看中其成熟的生态。公司修改了基于LLVM的编译器，支持自定义指令，还提供类似CUDA的软件开发套件，开发者可以使用C、C++ 或Rust语言进行开发。

管理数千个处理器内核难度很高，Xcena借鉴分布式数据库系统开发了一套开发框架，简化编程与任务调度。

Xcena已经向内存厂商、CPU厂商以及超大规模云厂商送出MX1原型样片；公司计划2026年底实现量产，目标在2027年产生首批客户收入。

Kim表示，该方案能否落地，关键取决于行业更大范围普及基于PCIe 6.0的CXL 3。CXL的普及速度确实低于预期，但他认为问题不在技术本身，包括英伟达在内，所有CPU、GPU厂商都已经在芯片内集成CXL。

Kim认为CXL本身已经成熟，但其价值仍待验证。想要大规模落地，还需要完善更广泛的生态。“我们需要证明，搭载CXL 3的AI基础设施，能让所有参与方获益。”

Objective Analysis首席分析师Jim Handy在接受采访时评价，Xcena的MX1架构组合很有意思，思路和计算存储相近。“这是一款很有看点的产品。”

Xcena的MX1原型计划2026年底量产，预计2027年获得首批客户收入。

一份名为《CXL Market Now Taking Shape》的Objective Analysis报告指出，CXL正在超算云厂商群体中逐步落地，这项技术有望迎来高速增长。

Handy称，当前CXL最有吸引力的能力是内存扩展；用DDR4这类旧内存复用，而不是按现价采购DDR5，已经成为一种常见落地场景。他举例，Meta在数百万台服务器中复用退役服务器拆下的DDR4内存，而不是直接报废。CXL的内存池化能力虽然理念很好，但还没有大规模落地。“负责研发内存池化技术的团队压力不小。这项技术可以提升现有内存芯片的利用率。如果内存价格高昂，企业肯定不希望内存资源闲置。”