中科物栖张磊：万物互联时代芯片+OS范式的机遇挑战｜量子位·视点( 五 )

同时还要解决一个问题就是通用。芯片不能搞得太专用，如果涉及一些特别专用的芯片，它的量或者它的使用场景就会非常低，所以这个我们在做面向这些大量的智能终端设备的时候，芯片要解决的核心问题就是我们怎么用芯片设计或者体系结构的技术，能够让芯片同时提供通用性，同时又能够达到很好的性能和效率，提高性价比和性效比。所以在这里面我们做了很多的研究性的和探索性的工作。

文章图片
这里我简单的给大家介绍一下，因为这里面设计的东西就相对比较技术和学术了，所以我就简单的过一过。以前我们设计PC和PC时代的CPU的时候，电脑上面用的芯片和手机上用的芯片，采用的方法我们叫提取共性，就是你给我一堆这些机器上要跑什么要应用，我给你抽象出来一些芯片上能够承载的这样一些模型。比如说我们叫ILP指令级并行，就是说我可以把这些workload给它拆成很多可以并行执行的指令，比如说叫局部性，可能它存储上访问过一块数据以后，过一段时间可能很快又会再访问它，有这种局部性的话，那么我在体系结构上可能会对应一些比如说像流水线支持指令级并行， cache这样的结构支持访存局部性，所以基本上是按照这样一个逻辑来做的，所以诞生了我们很多体系结构的一些技术，比如流水线超标了， cache分支预测等等都是类似的做法。

文章图片
但这个做法也会带来一些问题：我们的结构越来越臃肿。因为你的通用处理就像一把瑞士军刀，你每加一个feature就好像在这个刀上加了一个东西，可能是加了一个拧螺丝的部件，加了一个夹东西的部件等等，东西塞的越来越多，里面上的东西就会越来越多，所以导致我们现在的处理器变得非常的复杂，带来的问题就是它的功耗就会特别高。
所以我们现在按照这种设计方法， CPU的效率或者说性能的升级和发展就遇到了很大的瓶颈。
针对于这个问题，那么这个技术界就进行了演进，我又不要提供这么大的一个通用的这样一个瑞士军刀，太复杂，不实用，因为我每次可能就是用一个特定的工具。所以就有两种演进路径：一种就是我们会做多核技术，我不提供一个那么大的工具箱，我就把它做得非常小，但是我提供多个这样的小工具箱，所以这就是所谓的用一个大象还是用一堆蚂蚁来解决芯片的可扩展性的问题。但是到了后来大概是在15年前后，多核和重核的可扩展性也出现了一些问题，因为它虽然多了，但是上面的通讯结构、就是上面的片上的互联，它的可扩展性也遇到了很大的麻烦。
所以另外一条路线我们叫定制化，定制化路线就开始大行其道，所以大家现在听到非常多热的这个词，比如DPU、GPU等等，其实都算是这种定制化的，它相当于是针对某一个特定的领域去定专用的体系结构、专用的芯片，它可以保证在某一些特定的应用场景下面具有非常高的，比通用处理器高10倍甚至100倍的效能。

文章图片
我们做法其实就是把两者做结合，就是我们自己把它叫做以加速器为中心的这样一个体系结构，或者叫manyaccelerator ，就是很多加速器。大概意思就是说以前你不是CPU ，是一个瑞士军刀，太大太复杂，特别不便携，现在我把这些东西全部拆起来拆下来，拆成一个的小的工具箱，每个工具箱可能针对一个特定的任务去做一些这种加速的这样一个任务。