簡單認(rèn)識高級處理器

除了傳統(tǒng)的處理器 (CPU、MPU/MCU、DSP 和 GPU)，面向當(dāng)代各種應(yīng)用的高級處理器（Advanced Processors）層出不窮，例如加速處理單元 (AcceleratedProcessing Unit, APU) 、采用異構(gòu)系統(tǒng)架構(gòu) ( Heterogeneous System Architecture,HSA) 特征設(shè)計的集成電路、基于人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks,ANN) 深度學(xué)習(xí) (Deep Learning)的高級處理器等。

1. 加速處理單元

AMD 公司于2006 年收購了 ATI 公司，從設(shè)計傳統(tǒng)的串行計算處理器 CPU過渡到并行圖形處理器 GPU；經(jīng)過研發(fā)升級，再將 CPU 和GPU 合為一體成為APU，集成為單個芯片，使得微處理器的性能得到改進(jìn)，處理能力得以提高。APU 為隨后被擴(kuò)展為 HSA 走出了一條新路。AMD 公司的三代 APU 架構(gòu)開發(fā)項(xiàng)目見表 2-15。

2.采用異構(gòu)系統(tǒng)架構(gòu)特征設(shè)計的集成電路

HSA 最早是由 AMD 公司開發(fā)的 APU 概念擴(kuò)展而來的。HSA 定義了一套計算機(jī)硬件規(guī)范，其核心為 CPU 標(biāo)量處理和 GPU (或者 DSP）并行處理的結(jié)合。與此相應(yīng)的有開源軟件的開發(fā)與應(yīng)用，包括系統(tǒng)級 C/C++高級語言、用于異構(gòu)系統(tǒng)的開放計算語言 (Open Computing Language, OpenCL)結(jié)構(gòu)、針對三維圖形（例如 GPU）的開放圖形庫 (Open Graphics Library, OpenGL)、開放多進(jìn)程(Open Multi-Processing, OpenMP)應(yīng)用程序接口、NVIDIA 公司開發(fā)的平行計算與應(yīng)用接口 ( Compute Unified Device Architecture, CUDA) 的模型、支持多種操作系統(tǒng)的Python 等語言。2012年6月由 AMD、ARM、Imagination、聯(lián)發(fā)科(MediaTek)、高通和三星成立了非營利組織 HSA 協(xié)會。HSA 協(xié)會著重于開發(fā)和定義各種處理器（包括 CPU、GPU、DSP）以及存儲器的特點(diǎn)和接口；之后，該協(xié)會又添加了 ASIC 設(shè)計公司成員，從而建立起新型的并行計算異構(gòu)系統(tǒng)架構(gòu)，如圖2-31 所示。HSA 包括軟件和硬件兩大部分。軟件包括 OpenCL、OpenMP、CUDA 模型等。圖2-31中 CPU 和其專用存儲器 DDR，以及 GPU 和其專用存儲器 GDDR， 使用指針 （Pointer）功能傳遞，在HSA 系統(tǒng)中形成了共享的系統(tǒng)虛擬存儲器 (System Virtual Memory, SVM)。

3.基于人工神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)的高級處理量

約翰?麥卡錫（John McCarthy）在1956年最早使用了人工智能 (ArtificialIntelligence， AI)這個詞，他也因此被稱為 “人工智能之父”。AI通過使用機(jī)器學(xué)習(xí) （Machine Learning）而設(shè)計的產(chǎn)品應(yīng)用廣泛，發(fā)展迅速。1986 年 GeffreyHinton 等人發(fā)表了神經(jīng)網(wǎng)絡(luò)中反向傳播算法（Back-Propagation Algorithm）的文章。2006 年Hinton 的這一研究有了新的突破，并提出了深度學(xué)習(xí)(DeepLearning）的概念。近年來，深度神經(jīng)網(wǎng)絡(luò) (Deep Neural Network, DNN)、卷積神經(jīng)網(wǎng)絡(luò) ( Convolutional Neural Network, CNN)、循環(huán)神經(jīng)網(wǎng)絡(luò) (RecurrentNeural Network，RNN，例如時間遞歸神經(jīng)網(wǎng)絡(luò)，即 Long Short - Term Memory,LSTM)等深度學(xué)習(xí)方法大大推動了各種芯片的設(shè)計進(jìn)程。

Intel 公司 2017 年推出了 Nervana 平臺，利用其 APU 產(chǎn)品 LakeCrest， 采用CPU 與FPGA 重組架構(gòu)設(shè)計，用在深度學(xué)習(xí)的分析算法領(lǐng)域中。另外，Intel于2016-2017 年發(fā)布的高級CPU 都可以用在深度學(xué)習(xí)的相關(guān)領(lǐng)域。例如，2016年第一季度發(fā)布了 14nm 工藝制造的 Atom x5-Z8330 處理器，含有4 核4線程，L2緩存（Cache）為 2MB， 最高工作頻率為 1.92GHz。 Intel 于 2016 年第四季度發(fā)布了至強(qiáng)（Xeon Phi）系列處理器 7290，含72核，采用14nm 工藝，集成16GB 緩存，工作頻率為 1.5GHz。Intel 于 2017 年發(fā)布了第七代4核處理器 IntelCore-i7 系列，工作頻率為 3.5~4.5GHz。

IBM 公司承擔(dān)美國 DARPA 的 SyNAPSE 項(xiàng)目，基于 CNN 設(shè)計了認(rèn)知計算機(jī)(Cognitive Computer)，從而于 2014 年設(shè)計出備受關(guān)注的具有 4096 個 CPU 眾核的真北（TrueNorth) 神經(jīng)網(wǎng)絡(luò)芯片，它有54 億個晶體管，功耗只有70mW。它模擬2.68 億個神經(jīng)軸突（Synapse），每個 CPU 核可以模仿 256 個可編程的神經(jīng)元 (Neuron），總共等效于 100 萬個神經(jīng)元。??

中國科學(xué)院計算所2016年報道了結(jié)合 GPU 和 CPU 的深度學(xué)習(xí)專用處理器寒武紀(jì)（Cambrian）芯片，計算速度大為提高，為其虛擬現(xiàn)實(shí)研究建立了基礎(chǔ)。寒武紀(jì)1號（DianNao）芯片采用 65nm 工藝．芯片面積為 3.02mm2，主頻為0.98GHz，功耗為 0.485W，峰值性能達(dá)每秘 4520 億次神經(jīng)網(wǎng)絡(luò)基本運(yùn)算。寒武紀(jì)2 號（DaDianNao）芯片包含 16個處理器核，采用28nm 工藝，面積為67.7mm2，主頻為 606MHz，功耗約為 16W。據(jù)稱與主流 GPU 相比，寒武紀(jì)2號單芯片性能超過若干倍，能耗極低，高效能計算系統(tǒng)性能提升數(shù)百倍。寒武紀(jì)3號（PuDianNao）芯片采用 65nm 工藝，面積為 3.51mm2，主頻為 1GHz，功耗為0.596W，峰值性能達(dá)每秒10 560 億次基本操作。PuDianNao 運(yùn)行機(jī)器學(xué)習(xí)算法時的平均性能與主流 GPGPU （通用GPU）相當(dāng)，但面積和功耗僅為主流GPGPU 百分之一量級。???

谷歌公司于2013 年9月從惠普實(shí)驗(yàn)室聘請了計算機(jī)體系結(jié)構(gòu)領(lǐng)域?qū)＜?NormJouppi，參與開發(fā)被稱作張量處理器 （Tensor Processing Unit， TPU)的集成電路設(shè)計，使用時通過 PCle插口去優(yōu)化 CPU 和 GPU 芯片組的運(yùn)行。該TPU 專為深度學(xué)習(xí)平臺TensorFlow 打造，運(yùn)用高層次機(jī)器深度學(xué)習(xí)與計算，可以將復(fù)雜的數(shù)據(jù)結(jié)構(gòu)傳輸至人工智能神經(jīng)網(wǎng)絡(luò)中進(jìn)行分析和處理，可以用于語音識別或圖像識別等多項(xiàng)機(jī)器深度學(xué)習(xí)。谷歌于 2014 年合并了英國 DeepMind 公司，其具有神經(jīng)智能學(xué)習(xí)功能的阿爾法圍棋（AlphaGo）于2016 年5月打敗了世界頂級圍棋棋手李世石。AlphaGo 2.0于2017 年6月打敗個人圍棋大賽四冠王柯潔。阿爾法圍棋是在 TPU 之上運(yùn)行的，在人機(jī)比賽時最多使用了 1920 個 CPU 和 280個GPU。谷歌公司于2017 年4月5 日公開發(fā)表官方博客，介紹TPU 的架構(gòu)，其處理 AI 事務(wù)速度比其他 GPU 與 CPU 結(jié)合模式快 15~30倍，計算能效高 50~80倍。這些進(jìn)展為未來各種新型的高級處理器產(chǎn)品設(shè)計帶來新的激勵。