包云崗,，中國科學院計算技術研究所研究員,、先進計算機系統(tǒng)研究中心主任,、中國科學院大學特聘教授,、中國開放指令生態(tài)（RISC-V）聯(lián)盟秘書長,，從事計算機體系結構和開源芯片方向前沿研究,，主持研制多款達到國際先進水平的原型系統(tǒng)，相關技術在華為,、阿里等國內(nèi)外企業(yè)應用,。他曾獲「CCF-Intel 青年學者」獎、阿里巴巴最佳合作項目獎,、「CCF-IEEE CS」青年科學家獎等獎項,。

　　2020年底給某大廠做過一個報告，包含兩部分內(nèi)容：一部分是關于計算機體系結構,，尤其是CPU結構的演變,；另一部分關于處理器芯片設計方法。這里把第一部分內(nèi)容貼出來回答一下這個知乎問題,。

　　首先回顧一下計算機體系結構領域三個定律：摩爾定律,、牧本定律、貝爾定律,。摩爾定律就不用多說了,，但想表達一個觀點是摩爾定律未死，只是不斷放緩,。

　　2. 摩爾定律讓芯片上的晶體管數(shù)量不斷增加,，但一個問題是這些晶體管都被充分用起來了嗎？最近MIT團隊在《Science》上發(fā)表了一篇文章《There's plenty of room at the Top: What will drive computer performance after Moore's law?》,，給出他們的答案：顯然沒有,！

　　可以來看一下MIT團隊開展的一個小實驗（見下面PPT）：假設用Python實現(xiàn)一個矩陣乘法的性能是1，那么用C語言重寫后性能可以提高50倍,，如果再充分挖掘體系結構特性（如循環(huán)并行化,、訪存優(yōu)化、SIMD等）,，那么性能甚至可以提高63000倍,。然而，真正能如此深入理解體系結構,、寫出這種極致性能的程序員絕對是鳳毛麟角,。

　　問題是這么大的性能差異到底算好還是壞？從軟件開發(fā)角度來看，這顯然不是好事,。這意味著大多數(shù)程序員無法充分發(fā)揮CPU的性能,，無法充分利用好晶體管。這不能怪程序員,，更主要還是因為CPU微結構太復雜了,，導致軟件難以發(fā)揮出硬件性能。

　　如何解決這個問題,？領域專用架構DSA（Domain-Specific Architecture）就是一個有效的方法,。DSA可以針對特定領域應用程序，定制微結構,，從而實現(xiàn)數(shù)量級提高性能功耗比,。這相當于是把頂尖程序員的知識直接實現(xiàn)到硬件上。

　　3. 第二個定律是牧本定律（也有稱”牧本波動“）,。1987 年,， 原日立公司總工程師牧本次生（Tsugio Makimoto，也有翻譯為牧村次夫,，故稱為”牧村定律“） 提出,，半導體產(chǎn)品發(fā)展歷程總是在”標準化“與”定制化“之間交替擺動，大概每十年波動一次,。牧本定律背后是性能功耗和開發(fā)效率之間的平衡,。

　　對于處理器來說，就是專用結構和通用結構之間的平衡,。最近這一波開始轉向了追求性能功耗,，于是專用結構開始更受關注。

　　4. 第三個定律是貝爾定律,。這是Gordon Bell在1972年提出的一個觀察,，具體內(nèi)容如下面的PPT所述。值得一提的是超級計算機應用最高獎”戈登·貝爾獎“就是以他的名字命名,。

　　5. 貝爾定律指明了未來一個新的發(fā)展趨勢,，也就是AIoT時代的到來。這將會是一個處理器需求再度爆發(fā)的時代,，但同時也會是一個需求碎片化的時代，不同的領域,、不同行業(yè)對芯片需求會有所不同,，比如集成不同的傳感器、不同的加速器等等,。如何應對碎片化需求,？這又將會是一個挑戰(zhàn)。

　　6. 這三個定律都驅動計算機體系結構向一個方向發(fā)展，那就是”DSA“,。如何實現(xiàn)DSA,，這又涉及到兩個方面：

　　為了追求性能功耗，有三條主要的設計原則（見下面PPT）,；

　　為了應對碎片化需求,，則需要發(fā)展出處理器敏捷設計新方法。（這個回答就不介紹敏捷設計方法了）

　　7. 在談一些具體技術之前,，我們可以先總體看一下過去幾十年CPU性能是如何提升的,。下面這頁PPT列出了1995-2015這二十年Intel處理器的架構演進過程——這是一個不斷迭代優(yōu)化的過程，集成了上百個架構優(yōu)化技術,。

　　這些技術之間還存在很多耦合,，帶來很大的設計復雜度。比如2011年在Sandy Bridge上引入了大頁面技術,，要實現(xiàn)這個功能,，會涉及到超標量、亂序執(zhí)行,、大內(nèi)存,、SSE指令、多核,、硬件虛擬化,、uOP Fusion等等一系列CPU模塊和功能的修改，還涉及操作系統(tǒng),、編譯器,、函數(shù)庫等軟件層次修改，可謂是牽一發(fā)動全身,。（經(jīng)?？吹接腥苏f芯片設計很簡單，也許是因為還沒有接觸過CPU芯片的設計,，不知道CPU設計的復雜度）

　　8. 處理器內(nèi)部有非常復雜的狀態(tài),，其狀態(tài)變化是由程序驅動的。也就是說,，處理器狀態(tài)取決于程序行為（見下面PPT）,，而CPU體系結構層次的優(yōu)化思路就是發(fā)現(xiàn)程序行為中的共性特征并進行加速。

　　如何發(fā)現(xiàn)程序行為中的共性特征,，就是處理器優(yōu)化的關鍵點,，這需要對程序行為、操作系統(tǒng),、編程與編譯,、體系結構等多個層次都有很好的理解,，這也是計算機體系結構博士的基本要求。這也是為什么很多國外的計算機體系結構方向屬于Computer Science系,。

　　題外話：這兩天看到國內(nèi)成立集成電路一級學科,，這是一個好消息。不過要能培育CPU設計人才,，在課程設計上不要忽視了操作系統(tǒng),、編程與編譯這些傳統(tǒng)計算機科學的課程。

　　9. 舉兩個發(fā)現(xiàn)熱點應用和熱點代碼,、并在體系結構層次上優(yōu)化的例子,。一個例子是發(fā)現(xiàn)在不少領域TCP/IP協(xié)議棧五層協(xié)議（L5Ps）存在很多大量共性操作，比如加密解密等,，于是直接在網(wǎng)卡上實現(xiàn)了一個針對L5Ps的加速器,，大幅加速了網(wǎng)絡包處理能力。另一個例子是這次疫情導致云計算數(shù)據(jù)中心大量算力都用來做視頻轉碼,，于是設計了一個硬件加速器專門來加速視頻轉碼,，大幅提升了數(shù)據(jù)中心效率。

　　10. 發(fā)現(xiàn)和識別這種熱點應用和熱點代碼并不容易,，需要由很強大的基礎設施和分析設備,。比如Google在其數(shù)據(jù)中心內(nèi)部有一個GWP工具，能對整個數(shù)據(jù)中心應用在很低的開銷下進行監(jiān)測與統(tǒng)計,，找到算力被那些熱點程序/代碼消耗,，當前的CPU哪些部件是瓶頸。比如GWP顯示在Google數(shù)據(jù)中心內(nèi)部有5%的算力被用來做壓縮,。

　　正是得益于這些基礎工具,，Google很早就發(fā)現(xiàn)AI應用在數(shù)據(jù)中心中應用比例越來越高，于是開始專門設計TPU來加速AI應用,。

　　11. 下面分別從三個方面來介紹體系結構層面的常見優(yōu)化思路：減少數(shù)據(jù)移動,、降低數(shù)據(jù)精度、提高處理并行度,。

　　首先看一下如何減少數(shù)據(jù)移動,。第一個切入點是指令集——指令集是程序語義的一種表達方式。同一個算法可以用不同粒度的指令集來表達,，但執(zhí)行效率會有很大的差別,。一般而言，粒度越大,，表達能力變?nèi)?，但是?zhí)行效率會變高。

　　12. 通用指令集為了能覆蓋盡可能多的應用,，所以往往需要支持上千條指令,，導致流水線前端設計（取指、譯碼,、分支預測等）變得很復雜,，對性能與功耗都會產(chǎn)生負面影響。

　　13. 針對某一個領域設計專用指令集,，則可以大大減少指令數(shù)量,，并且可以增大操作粒度、融合訪存優(yōu)化,，實現(xiàn)數(shù)量級提高性能功耗比,。下面PPT的這組數(shù)據(jù)是斯坦福大學團隊曾經(jīng)做過的一項研究，從這個圖可以看出,，使用了”Magic Instruction“后,，性能功耗比大幅提升幾十倍。而這種Magic Instruction其實就是一個非常具體的表達式以及對應的電路實現(xiàn)（見PPT右下角）,。

　　14. 第二個減少數(shù)據(jù)移動的常用方法就是充分發(fā)揮緩存的作用,。訪存部件其實是處理器最重要的部分了，涉及許多技術點（如下面PPT）,。很多人都關注處理器的流水線多寬多深,，但其實大多數(shù)時候，訪存才是對處理器性能影響最大的,。

　　關于訪存優(yōu)化,，也有一系列技術，包括替換,、預取等等,。這些技術到今天也依然是體系結構研究的重點，這里就不展開細講了,。

　　15. 不再展開介紹訪存優(yōu)化技術,，就選最近比較熱的內(nèi)存壓縮方向介紹一下。

　　IBM在最新的Z15處理器中增加了一個內(nèi)存壓縮加速模塊,，比軟件壓縮效率提高388倍,，效果非常突出。

　　16. 英偉達也在研究如何在GPU中通過內(nèi)存壓縮技術來提升片上存儲的有效容量,，從而提高應用性能,。

　　17. Intel在訪存優(yōu)化上很下功夫，可以通過對比兩款Intel CPU來一窺究竟,。Core 2 Due T9600和Pentium G850兩塊CPU,，工藝差一代，但頻率相近,，分別是2.8GHz和2.9GHz,，但性能差了77%——SPEC CPU分值G850是31.7分,，而T9600只有17.9分。

　　頻率相當,，為何性能會差這么多,？事實上，G850的Cache容量比T9600還要小——6MB L2 vs. 256KB L2 + 3MB L3,。

　　如果再仔細對比下去,，就會發(fā)現(xiàn)這兩款處理器最大的區(qū)別在于G850適配的內(nèi)存控制器中引入FMA（Fast Memory Access）優(yōu)化技術，大幅提高了訪存性能,。

　　18. 第二類體系結構優(yōu)化技術是降低數(shù)據(jù)精度,。這方面是這幾年研究的熱點，特別是在深度學習領域,，很多研究發(fā)現(xiàn)不需要64位浮點,，只需要16位甚至8位定點來運算，精度也沒有什么損失,，但性能卻得到數(shù)倍提升,。

　　很多AI處理器都在利用這個思路進行優(yōu)化，包括前段時間日本研制的世界最快的超級計算機”富岳“中的CPU中就采用了不同的運算精度,。因此其基于低精度的AI運算能力可以達到1.4EOPS,，比64位浮點運算性能（416PFLOPS）要高3.4倍。

　　19. IEEE 754浮點格式的一個弊端是不容易進行不同精度之間的轉換,。近年來學術界提出一種新的浮點格式——POSIT,，更容易實現(xiàn)不同的精度，甚至有一些學者呼吁用POSIT替代IEEE 754（Posit: A Potential Replacement for IEEE 754）,。

　　RISC-V社區(qū)一直在關注POSIT,，也有團隊實現(xiàn)了基于POSIT的浮點運算部件FPU，但是也還存在一些爭論（David Patterson和POSIT發(fā)明人John L. Gustafson之間還有一場精彩的辯論,，另外找機會再介紹）,。

　　20. 體系結構層次的第三個優(yōu)化思路就是并行。這個題目中提到的”多核“,，就是這個思路中一個具體的技術,。除了多核，還有其他不同層次的并行度,，比如指令集并行,、線程級并行、請求級別并行,；除了指令級并行ILP,，還有訪存級并行MLP?？傊?，提高處理并行度是一種很有效的優(yōu)化手段,。

　　以上是關于計算機體系結構尤其是CPU結構優(yōu)化思路的一個大致梳理，供大家參考,?？偨Y來說就是兩點結論：

　　領域專用體系結構DSA是未來一段時間體系結構發(fā)展趨勢；

　　體系結構層面3條優(yōu)化路線——減少數(shù)據(jù)移動,、降低數(shù)據(jù)精度、提高處理并行度,。

文章來自知乎,，作者包云崗