高性能計算中的芯片架構(gòu)設(shè)計探索

朝著多芯片集成和新型內(nèi)存處理的演進(jìn)標(biāo)志著一種范式轉(zhuǎn)變，其中靈活性、效率和對各種工作負(fù)載的優(yōu)化變得至關(guān)重要。 亞馬遜、谷歌、Meta、微軟、甲骨文和Akamai等世界領(lǐng)先的超大規(guī)模云數(shù)據(jù)中心公司正在推出專門針對云計算的異構(gòu)多核架構(gòu)，這對整個芯片行業(yè)的高性能CPU開發(fā)都產(chǎn)生了影響。

這些芯片都不太可能進(jìn)行商業(yè)銷售。它們針對特定的數(shù)據(jù)類型和工作負(fù)載進(jìn)行了優(yōu)化，設(shè)計預(yù)算龐大，但可以通過提高性能和降低功耗來節(jié)省成本。行業(yè)的目標(biāo)是在更小的面積上容納更多的計算能力，同時降低冷卻成本，而實(shí)現(xiàn)這一目標(biāo)的最佳途徑就是采用定制化架構(gòu)、緊密集成的微架構(gòu)和精心設(shè)計的數(shù)據(jù)流。

這一趨勢始于近十年前，當(dāng)時 AMD 開始采用異構(gòu)架構(gòu)和加速處理單元，取代了過去的同質(zhì)多核 CPU 模式，但起步較慢。此后，異構(gòu)架構(gòu)開始興起，緊隨為移動消費(fèi)設(shè)備設(shè)計的腳步，這些設(shè)備需要處理非常緊湊的占地面積以及嚴(yán)格的功耗和散熱要求。

Quadric市場營銷副總裁Steve Roddy說：“英特爾等行業(yè)巨頭的單片硅幾乎在每一個產(chǎn)品代碼中都有人工智能NPU。當(dāng)然，人工智能先驅(qū)英偉達(dá)長期以來一直在其大獲成功的數(shù)據(jù)中心產(chǎn)品中混合使用 CPU、著色器（CUDA）內(nèi)核和張量（Tensor）內(nèi)核。未來幾年轉(zhuǎn)向芯片片組將鞏固這一轉(zhuǎn)變，因為系統(tǒng)購買者可以根據(jù)設(shè)計插槽的特定需求選擇計算和互連類型，從而確定芯片片組的組合?！?/p>

這在很大程度上是物理學(xué)和經(jīng)濟(jì)學(xué)造成的。隨著擴(kuò)展優(yōu)勢的縮小，以及先進(jìn)封裝技術(shù)的成熟--它允許在設(shè)計中添加更多的定制功能，而過去這些功能受限于網(wǎng)罩尺寸--每瓦特和每美元性能的競爭已進(jìn)入白熱化階段。

西門子 EDA IC 部門市場總監(jiān) Neil Hand 說：“如今，每個人都在構(gòu)建自己的架構(gòu)，尤其是數(shù)據(jù)中心企業(yè)，而處理器架構(gòu)的很大一部分取決于工作負(fù)載的外觀。與此同時，這些開發(fā)人員也在探索加速的最佳路徑，因為加速的方式有很多種。你可以選擇并行處理的方式，這對某些任務(wù)效果不好，但在其他任務(wù)下很有效。與此同時，應(yīng)用對內(nèi)存帶寬的限制越來越大，因此你會發(fā)現(xiàn)一些高性能計算公司開始把所有精力投入在內(nèi)存控制器上。還有一些公司會說：‘這實(shí)際上是一個分解問題，我們要走加速器路線，擁有獨(dú)立的內(nèi)核。’但我不認(rèn)為存在一刀切的做法。“

Roddy指出，這些新型超級芯片內(nèi)的CPU內(nèi)核仍然遵循久經(jīng)考驗的高性能CPU設(shè)計原則：快速、深度流水線，追逐指針的效率極高，但這已不再是設(shè)計團(tuán)隊關(guān)注的唯一焦點(diǎn)。他說：”這些大型CPU現(xiàn)在與其他可編程引擎共享空間 — 如GPU和通用可編程N(yùn)PU，用于加速AI工作負(fù)載。與大眾消費(fèi)設(shè)備中高度專業(yè)化的 SoC 相比，一個顯著的區(qū)別是，AI 工作負(fù)載中的視頻轉(zhuǎn)碼或矩陣加速等任務(wù)避免了硬連邏輯塊（加速器）。為數(shù)據(jù)中心設(shè)計的設(shè)備需要保持可編程性，以應(yīng)對各種工作負(fù)載，而不僅僅是消費(fèi)類設(shè)備中的單一已知功能?！?/p>

然而，所有這些都需要更多的分析，而設(shè)計界正在繼續(xù)推動流程中更多的步驟。Hand說：”無論是通過工具，還是通過仿真或虛擬原型，你都擁有了幫助了解數(shù)據(jù)的工具。此外，該行業(yè)已經(jīng)發(fā)展壯大，其專業(yè)化程度足以證明所花費(fèi)用的合理性。第一部分是為了降低制造新硬件的風(fēng)險，因為你有工具來了解情況，就不必保守行事。現(xiàn)在，市場已經(jīng)開始分化，因此它的重要性值得資金投入。此外，現(xiàn)在也有了實(shí)現(xiàn)這一目標(biāo)的方法。過去，當(dāng)英特爾推出處理器時，要想與英特爾競爭，幾乎是不可能的。現(xiàn)在，通過生態(tài)系統(tǒng)、技術(shù)和其他因素的綜合作用，競爭變得容易多了。對于高性能計算公司來說，最初的低懸果實(shí)是：'我們只需獲得一個良好的平臺，讓我們可以按照自己的方式對其進(jìn)行維度化，然后再放入一些加速器。所以我們開始看到人工智能加速器和視頻加速器，然后一些更深奧的公司開始追求機(jī)器學(xué)習(xí)。這意味著什么？這意味著他們需要非常高的 MAC 性能。他們會將處理器架構(gòu)聚焦于此，并通過這種方式讓自己脫穎而出。"

再加上 RISC-V、可重復(fù)使用的芯片組和硬 IP，架構(gòu)開始變得與幾年前大不相同。Hand說：“如果你看看現(xiàn)在的數(shù)據(jù)中心和數(shù)據(jù)中心中的整個軟件堆棧，在堆棧中添加一些東西并不像以前那樣困難，你不必重建整個數(shù)據(jù)中心。如今變得重要的是進(jìn)行系統(tǒng)級分析的能力，應(yīng)用的系統(tǒng)級協(xié)同設(shè)計已變得非常重要，而且更加容易，這就是一個移動的數(shù)據(jù)中心。”

許多人認(rèn)為，應(yīng)該開發(fā)新的架構(gòu)來克服幾代 CPU 所面臨的內(nèi)存挑戰(zhàn)。Fraunhofer IIS 自適應(yīng)系統(tǒng)工程部高效電子學(xué)部門主管 Andy Heinig 說：“對 AI/ML 的需求將加速開發(fā)新的特定應(yīng)用架構(gòu)的進(jìn)程。傳統(tǒng)的 CPU 如果能提供更好的內(nèi)存接口來解決內(nèi)存問題，就能成為這場革命的一部分。如果 CPU 能夠提供這種新的內(nèi)存架構(gòu)，那么 AI/ML 加速器就能與 CPU 一起成為數(shù)據(jù)中心的最佳解決方案。CPU 負(fù)責(zé)需要靈活性的經(jīng)典任務(wù)，而加速器則為特定任務(wù)提供最佳性能?！?/p>

例如，Arm 直接與多家超大規(guī)模云供應(yīng)商合作開發(fā)基于 Neoverse 的計算解決方案，以實(shí)現(xiàn)高性能、定制靈活性以及強(qiáng)大的軟件和硬件生態(tài)系統(tǒng)。這已經(jīng)產(chǎn)生了公開發(fā)布的芯片，如 AWS 的 Graviton 和 Nitro 處理器、谷歌的 Mt.Evans DPU、微軟 Azure 的 Cobalt 100、英偉達(dá)的 Grace CPU 超級芯片以及阿里巴巴的Yitian 710。

Arm基礎(chǔ)架構(gòu)業(yè)務(wù)線產(chǎn)品管理高級總監(jiān)Brian Jeff說：“我們從這些和其他設(shè)計合作伙伴身上學(xué)到了很多東西。我們塑造高性能 CPU 和平臺開發(fā)的主要方式之一是通過對基礎(chǔ)設(shè)施工作負(fù)載的深入了解，實(shí)現(xiàn)特定的架構(gòu)和微架構(gòu)增強(qiáng)，尤其是對 CPU 管線前端和 CMN 網(wǎng)狀結(jié)構(gòu)的增強(qiáng)。”

但捕捉到這種工作負(fù)載并為其開發(fā)芯片架構(gòu)并不總是這么簡單。對于AI訓(xùn)練和推理來說尤其如此，因為算法的改變可能會導(dǎo)致工作負(fù)載發(fā)生變化。

Synopsys接口IP首席產(chǎn)品經(jīng)理Priyank Shukla表示：“目前正在訓(xùn)練不同的模型，例如Meta公司公開的Llama模型和Chat GPT模型。所有這些模型都有一個模式和一定數(shù)量的參數(shù)。以 GPT-3 為例，它有 1,750 億個參數(shù)，每個參數(shù)的寬度為 2 字節(jié)，即 16 位。你需要在 2 個字節(jié)中存儲這么多信息--1750 億個參數(shù)，相當(dāng)于 3500 億字節(jié)的內(nèi)存。該內(nèi)存需要存儲在所有共享該模型的加速器中，而該模型需要放置在加速器的結(jié)構(gòu)中，參數(shù)需要放置在與該加速器相關(guān)的內(nèi)存中。因此，你需要一個能接收更大模型并對其進(jìn)行處理的結(jié)構(gòu)。你可以以不同的方式實(shí)現(xiàn)該模型，即實(shí)現(xiàn)該算法的方式。有些工作可以串行方式進(jìn)行，有些工作可以并行方式進(jìn)行。以串行方式進(jìn)行的工作需要與高速緩存保持一致，并將延遲降到最低。這種以串行方式進(jìn)行的工作將在一個機(jī)架內(nèi)進(jìn)行分工，以便將延遲降到最低。以并行方式進(jìn)行的工作將通過擴(kuò)展網(wǎng)絡(luò)在不同機(jī)架之間進(jìn)行分配。我們看到系統(tǒng)人員正在創(chuàng)建這一模型和算法，并在定制硬件中加以實(shí)現(xiàn)。

?圖1：針對機(jī)器學(xué)習(xí)優(yōu)化的服務(wù)器機(jī)架。來源：Synopsys

組裝各種處理元件并非易事。Synopsys公司ASIP工具產(chǎn)品經(jīng)理Patrick Verbist說："它們是異構(gòu)多核架構(gòu)，通常是通用CPU和GPU的混合，具體取決于公司的類型，因為它們偏好其中一種。然后是具有固定功能的RTL加速器，它們與這些異構(gòu)多核架構(gòu)混合在一起。這些加速器運(yùn)行的應(yīng)用負(fù)載類型一般包括數(shù)據(jù)操作、矩陣乘法引擎、激活函數(shù)、參數(shù)壓縮/解壓縮、圖形權(quán)重等。但所有這些應(yīng)用都有一個共同點(diǎn)，那就是需要進(jìn)行大量運(yùn)算。通常，這些計算是在標(biāo)準(zhǔn)或自定義數(shù)據(jù)類型上完成的。許多處理架構(gòu)都支持Int 16，但如果只需要處理16位數(shù)據(jù)，則沒有必要在32位數(shù)據(jù)路徑中浪費(fèi)16位。對此必須進(jìn)行定制。因此，加速器不僅需要支持浮點(diǎn) 32 數(shù)據(jù)類型，還需要支持 int 8 和/或 int 16、半精度浮點(diǎn)、自定義 int 或自定義浮點(diǎn)類型的數(shù)據(jù)類型，而功能單元、運(yùn)算器通常是矢量加法器、矢量乘法器、加法器樹和激活函數(shù)的組合。這些激活函數(shù)通常是指數(shù)或雙曲函數(shù)、平方根、大除法等超越函數(shù)，但都是矢量化的，而且具有單周期吞吐量要求，因為每個周期都要對這些東西進(jìn)行新的運(yùn)算。對于這類加速器，在異構(gòu)性方面，我們看到許多客戶在異構(gòu)空間中使用 ASIP（特定應(yīng)用指令處理器）。ASIP 允許定制運(yùn)算器，因此數(shù)據(jù)路徑和指令集只能以比常規(guī) DSP 更有效的方式執(zhí)行有限的一組操作?！?/p>

DSP 通常不夠靈活，因為它太通用了。另一方面，固定函數(shù) RTL 可能不夠靈活，這就為“是的，我們需要比固定函數(shù) RTL 更靈活、比通用 DSP 更不靈活的東西”的需求創(chuàng)造了空間。如果你看一下 GPU，在某種程度上，GPU 也是通用的。它必須支持各種工作負(fù)載，但不是所有的工作負(fù)載。這就是 ASIP 的作用所在，它支持靈活性和可編程性。你需要這種靈活性來支持一系列計算算法，以適應(yīng)不斷變化的軟件或人工智能圖的要求，以及人工智能算法本身不斷變化的要求。"

西門子的 Hand 認(rèn)為，考慮工作負(fù)載是一項艱巨的挑戰(zhàn)。

“為了解決這個問題，垂直整合的公司正在以這種方式投資于高性能計算，因為高性能計算并不比AI有什么不同，你只能根據(jù)你所看到的數(shù)據(jù)模式來工作，”Hand說道?！叭绻闶莵嗰R遜或微軟這樣的公司，那么你擁有大量的追蹤數(shù)據(jù)，而且不需要侵入任何數(shù)據(jù)，你知道你的機(jī)器存在哪些瓶頸。你可以利用這些信息，說‘我們發(fā)現(xiàn)我們得到了內(nèi)存帶寬，我們必須對此做些什么，或者這是一個網(wǎng)絡(luò)帶寬問題，或者這是一個AI吞吐量問題，我們在這些領(lǐng)域遇到了問題?！@與邊緣上發(fā)生的挑戰(zhàn)沒有什么不同。邊緣的目標(biāo)是不同的，我們經(jīng)常在思考‘我可以擺脫什么？我不需要什么？’或者‘我可以在哪里縮小功率范圍？’而在數(shù)據(jù)中心，你會問，‘我如何能夠通過更多的數(shù)據(jù)，并且以一種不會燒毀設(shè)備的方式來做？隨著設(shè)備越來越大，我如何以可擴(kuò)展的方式做到這一點(diǎn)？’”

Hand 認(rèn)為，轉(zhuǎn)向多芯片封裝將推動許多有趣的發(fā)展，AMD 和英偉達(dá)等公司已經(jīng)在使用這種技術(shù)?！艾F(xiàn)在，你可以開始為這些高性能計算應(yīng)用提供一些有趣的即插即用組件，在很大程度上，你可以開始說，'這個應(yīng)用需要什么互連芯片？這個應(yīng)用的處理芯片是什么？'它提供了一個介于構(gòu)建標(biāo)準(zhǔn)計算機(jī)與不做太大改動之間的中間地帶。我能做什么？我可以安裝不同的進(jìn)程、不同的網(wǎng)卡、不同的 DIMM。作為云計算服務(wù)提供商，我所能做的有限。在另一端，微軟和 Azure 等大型云提供商會說，’我可以構(gòu)建自己的完整 SOC，做我想做的任何事情?！悻F(xiàn)在可以在中間地帶，比方說，你認(rèn)為生物計算數(shù)據(jù)中心有市場，有足夠多的人進(jìn)入這個領(lǐng)域，你可以賺到一些錢。你能組裝一個3D IC并使其在該環(huán)境中正常工作嗎？看到會有什么樣的東西出現(xiàn)會很有趣，因為這將降低進(jìn)入門檻。我們已經(jīng)看到像蘋果、英特爾、AMD和Nvidia等公司正在使用它作為一種加快產(chǎn)品開發(fā)速度、提供更多樣化而不必測試龐大芯片的方式。當(dāng)你開始將它們與諸如環(huán)境的全數(shù)字孿生之類的東西結(jié)合起來時，你就可以開始理解環(huán)境中的工作負(fù)載，理解瓶頸，然后嘗試不同的分區(qū)，然后推進(jìn)?！?/p>

Arm 的 Jeff 還認(rèn)為，數(shù)據(jù)中心芯片架構(gòu)也在發(fā)生變化，以適應(yīng) AI/ML 功能?！癈PU上的推理非常重要，我們看到合作伙伴正在利用我們的SVE管道和矩陣數(shù)學(xué)增強(qiáng)功能以及數(shù)據(jù)類型來運(yùn)行推理。我們還看到，通過高速相干接口緊密耦合的人工智能加速器正在發(fā)揮作用，DPUs 正在擴(kuò)展其帶寬和智能，以便將節(jié)點(diǎn)連接在一起。"

多芯片集成是不可避免的

芯片行業(yè)非常清楚，對于許多計算密集型應(yīng)用而言，單芯片解決方案已變得不現(xiàn)實(shí)。過去十年的最大問題是，向多芯片解決方案的轉(zhuǎn)變何時才能成為主流。Synopsys 研發(fā)總監(jiān) Sutirtha Kabir 說：”整個行業(yè)正處于一個拐點(diǎn)，你不能再回避這個問題了。我們談?wù)撝柖珊?SysMoore'，但設(shè)計人員必須在 CPU 和 GPU 中增加更多功能，而由于版圖尺寸限制、產(chǎn)量限制等原因，他們根本無法做到這一點(diǎn)。多芯片在這里是不可避免的，這帶來了一些有趣的考慮。首先，拿一張紙對折。這基本上就是多芯片的一個例子。你拿一塊芯片，把它折疊起來，如果你能巧妙地進(jìn)行設(shè)計，你就能想到可以大大縮短時序。如果你要從頂部芯片到底部芯片，你可能只經(jīng)過一小部分芯片的布線，但它們大多是芯片之間的球形焊點(diǎn)或焊絲焊點(diǎn)?！?/p>

多芯片設(shè)計所面臨的挑戰(zhàn)包括：確定有多少條路徑需要同步、時序應(yīng)放在兩個芯片之間還是單獨(dú)關(guān)閉、L1 應(yīng)放在頂部芯片還是底部芯片上，以及是否可以增加 L4。

Kabir解釋說："從三維角度來看布局設(shè)計變得非常有趣。你可以把一棟單層房屋改建成三層或四層，但隨之而來的還有其他設(shè)計挑戰(zhàn)。你不能再忽視散熱問題了。散熱曾經(jīng)是PCB的事，而現(xiàn)在系統(tǒng)設(shè)計師們認(rèn)為這些芯片非常熱。黃仁勛（Jensen Huang）最近在 SNUG 上說，你在一端送入室溫水，另一端就會出來溫泉溫度。他是在開玩笑，但事實(shí)是，從溫度的角度來看，這些芯片確實(shí)非常熱，如果你在布局設(shè)計時不考慮到這一點(diǎn)，你的處理器就會被燒毀。這意味著你必須更早地開始這樣做這些工作。在三維布局設(shè)計方面，當(dāng)涉及到工作負(fù)載時，你如何確保已經(jīng)分析了多芯片的不同工作負(fù)載，并確保即使在沒有電路原理圖的情況下也能考慮到紅外、熱和時序等關(guān)鍵影響？我們稱之為零電路圖原理階段。這些考慮因素都變得非常有趣，因為你再也無法避免做多芯片，所以從晶圓廠的角度、從 EDA 的角度，這些都是生態(tài)系統(tǒng)的前沿和中心，而設(shè)計人員則處于中間位置。

與數(shù)據(jù)中心芯片的散熱問題相關(guān)的是低功耗設(shè)計問題。

Ansys 產(chǎn)品營銷總監(jiān) Marc Swinnen 說：“這些數(shù)據(jù)中心耗電量巨大。我參加了舊金山 ISSCC，我們的展臺就在英偉達(dá)旁邊，英偉達(dá)正在展示其人工智能訓(xùn)練箱--一個裝有八個芯片、大量風(fēng)扇和散熱片的大箱子。我們問它的耗電量有多大，他們說：'哦，最高時有 1 萬瓦，但平均也有 6000 瓦。'功率真是越來越瘋狂了?！?/p>

Arm公司的Jeff也認(rèn)為，應(yīng)對數(shù)據(jù)中心芯片新挑戰(zhàn)的最佳方法是采用全系統(tǒng)方法，包括指令集架構(gòu)、軟件生態(tài)系統(tǒng)和特定優(yōu)化、CPU微架構(gòu)、互聯(lián)結(jié)構(gòu)、系統(tǒng)內(nèi)存管理和中斷控制，以及封裝內(nèi)和芯片外I/O。”完整的系統(tǒng)方法使我們能夠與合作伙伴合作，根據(jù)現(xiàn)代工作負(fù)載和工藝節(jié)點(diǎn)定制 SoC 設(shè)計，同時利用基于芯片組的設(shè)計方法?！?/p>

這種定制芯片設(shè)計方法使數(shù)據(jù)中心運(yùn)營商能夠優(yōu)化其功耗成本和計算效率。Jeff 說：”我們 Neoverse N 系列的高效率使每個插槽的內(nèi)核數(shù)達(dá)到 128c 到 192c 甚至更高。這些相同的 N 系列產(chǎn)品可以在更小的空間內(nèi)擴(kuò)展到 DPU 和 6g L2 設(shè)計以及邊緣服務(wù)器。我們的 V 系列產(chǎn)品面向云計算，具有更高的單線程性能和更高的矢量性能（用于人工智能推理和視頻轉(zhuǎn)碼等工作負(fù)載），同時仍然提供高效率。加速器附件的廣泛選擇使我們的合作伙伴能夠?qū)⒍ㄖ铺幚砗驮圃嬎愕恼_組合集成到根據(jù)其工作負(fù)載定制的SoC中?！?/p>

結(jié)論

由于高性能計算的演進(jìn)性質(zhì)，以及數(shù)據(jù)中心優(yōu)化的不同方面，最終結(jié)果幾乎無法預(yù)測。西門子的Hand說：”在網(wǎng)絡(luò)技術(shù)爆炸式發(fā)展的初期，人們開始在數(shù)據(jù)中心內(nèi)部建立南北和東西的路由，這改變了所有的網(wǎng)絡(luò)交換架構(gòu)，因為這是一大瓶頸。這導(dǎo)致了對數(shù)據(jù)中心的整體重新思考。類似的事情也發(fā)生在內(nèi)存方面，當(dāng)你開始集成光學(xué)技術(shù)和一些更智能的內(nèi)存時，你會發(fā)現(xiàn)這將會是非常有趣的事情?！?/p>

Hand 提到了幾年前的一次英特爾開發(fā)者大會，當(dāng)時該公司解釋了如何利用硅光子學(xué)中的表面發(fā)射光學(xué)技術(shù)將內(nèi)存與數(shù)據(jù)中心機(jī)架中的存儲分離開來。他說：“他們有一個統(tǒng)一的內(nèi)存結(jié)構(gòu)，可以在服務(wù)器之間共享，也可以從不同的服務(wù)器分配內(nèi)存。因此，數(shù)據(jù)中心的拓?fù)浣Y(jié)構(gòu)開始變得非常有趣。即使在機(jī)架中，你也可以看到像NVIDIA這樣的公司擁有的AI系統(tǒng)結(jié)構(gòu)。最大的變化是，人們可以看看它，如果有市場需求，你就可以構(gòu)建它。我們一直認(rèn)為，架構(gòu)的關(guān)鍵在于核心是否快速。我們從’內(nèi)核快不快?’過渡到’我有足夠的內(nèi)核嗎?’但問題遠(yuǎn)不止于此。一旦開始打破馮-諾依曼架構(gòu)，開始使用不同的內(nèi)存流，開始關(guān)注內(nèi)存內(nèi)計算，它就會變得非?？?。然后你會思考，‘高性能計算到底意味著什么？”

審核編輯：黃飛