我们常说的xPU到底是什么？

近些日子，隔三差五就会有新处理器架构的发布，然后我们常会见到几个缩写字母TPU、IPU、NPU…… 但我们真正能区分它们是什么？真的有那么多独特的处理器架构吗？

2018年，John L. Hennessy和David A. Patterson发表了题为“计算机架构的新黄金时代”的图灵演讲。他们集中讨论的是CPU及其演变方式，但这只是整个方程式的一小部分。Arteris IP的研究员和系统架构师Michael Frank说：“CPU从本质上来讲，这些东西大多数并不是真正意义上的处理器。它们更像是一个GPU，一个用于特殊工作负载的加速器，而且它们内部有相当多的多样性。机器学习（ML）是一类处理器，你可以把它们都称为ML加速器，但它们所加速的处理部分有很大的不同。”

Xilinx的营销总监Manuel Uhm说：“一个处理器的本质可以归结为三点。归根结底，它确实是回到了指令集架构（ISA）。这定义了你要做什么。然后你有I/O和内存，它们支持ISA和它要完成的任务。这将是一个非常有趣的时代，因为我们将看到比过去二、三十年来更多的创新和变化。”

许多新的架构都不是单一的处理器。Cadence的技术和战略营销总监Pierre-Xavier Thomas说：“我们看到的是不同类型的处理器或可编程引擎的组合。它们在同一个SoC或同一个系统中，软件任务被分派到不同的硬件或灵活的可编程引擎。所有的处理器可能共享一个通用的API，但执行领域将是不同的。所以你会看到具有不同特征的不同类型的处理。”

事实是，大部分的命名都只不过是营销手段而已。Imperas的CEO Simon Davidmann说：“最关键的是，人们使用这些名字和首字母缩写有两个不同的目的。一个是用于解释处理器的架构，如SIMD（Single Instruction Multiple Data）。

另一个是定义它所处理的应用段。因此，它既可以定义处理器架构，也可以定义一个品牌名称，如Google的TPU（Tensor Processing Unit）。他们在给自己的异构或同构架构命名，而不是单一的处理器。”

补一下历史课

40年前，事情要简单得多。当时的CPU虽然有许多变种，但基本上都是冯诺伊曼架构、图灵完备的处理器。每种处理器都有不同的指令集，使它们在执行某些任务时更有效率，关于复杂指令集（CISC）与精简指令集（RISC）的相对优势有很多讨论。

RISC-V的出现使人们对ISA产生了极大的关注。Xilinx的Uhm说：“人们想了解ISA，因为正是ISA定义了处理器对一个确定任务的优化程度。他们可以查看ISA，然后开始计算周期。如果一个ISA有一条本地指令，并以1GHz的速度运行，那么我可以将其与另一个处理器ISA进行比较，后者的相同功能可能需要两条指令，但处理器以1.5GHz运行。哪一个能让我走得更远？他们为重要的功能做了计算。”

CPU有很多封装方式，有时将IO或内存放在同一个封装中，称为MCU。

当调制解调器成为时尚时，DSP出现了。它们之所以不同，因为它们使用哈佛架构。这将指令总线与数据总线分开。其中一些还实现了SIMD架构，提高了数据处理效率。

指令和数据的分离是为了提高吞吐率，尽管它限制了一些可以进行的边缘编程，如自写程序。Uhm说：“通常情况下，边界条件不是计算，而是越来越多的I/O或内存。业界从提升计算能力，转而确保有足够的数据来保持计算能力并维持性能。”

当单个处理器不再变得更快，多个处理器被连接在一起，通常共享内存，并保持每个处理器和总的处理器集群保持图灵完备的概念。一个程序的任何部分在哪个核上执行并不重要，其结果是一样的。

下一个重大发展是GPU，它打破了这个模式，因为每个处理元素或管道都有自己的内存，不能在处理器之外寻址。由于内存是有限的，这意味着它不能执行任何任意的处理任务，只能执行那些能适合所提供的内存空间的任务。

Uhm指出：“对于某些类型的功能来说，GPU是非常强大的处理器，但它们有极长的管道。这些管道使GPU单元不断地压缩数据，但在某些时候，如果你必须冲刷管道，那就是一个巨大的打击。系统中存在大量的延迟和非确定性。”

虽然已经定义了许多其他加速器，但GPU以及后来的通用GPU（GPGPU）定义了一种编程范式和软件堆栈，使它们比过去的加速器更容易接近。Imperas的Davidmann说：“多年来，某些工作已经被专门化了。以前有CPU，用于顺序程序。还有GPU，它专注于屏幕上的数据操作，把我们引入了一个高度并行的世界。任务是使用许多小的处理元件来执行的。而现在有了ML任务。”

还有什么其他的构造规则要被打破，可以解释所有的新架构？在过去，处理器阵列通常通过内存连接，或固定的网络拓扑结构，如网状或环状。最近出现的是加入了NoC（Network on Chip），使分布式的异构处理器能够以更灵活的方式进行通信。在未来，它们也可能在不使用内存的情况下实现通信。

Arteris的Frank说：“在这一点上，NoC只携带数据。在未来，NoC可以扩展到其他领域，加速器之间的通信超越了数据。它可以发送命令，可以发送通知，等等。加速器阵列或加速器海洋的通信需求可能与CPU或标准SoC等的通信需求不同。但芯片上的网络并不局限于一个子集。你可以通过支持加速器的特殊通信需求来优化和提高性能。”

执行架构区分处理器的一种方式是为特定的操作环境进行优化。例如，软件可能在云端运行，但你也可能在一个微小的物联网设备上执行相同的软件。执行架构会非常不同，在性能、功耗、成本或在极端条件下的运行能力方面实现不同的操作点。

Cadence的Thomas说：“有些应用是针对云的，而现在我们把它们带到了边缘。这可能是因为延迟的要求，或者是能量或功耗的要求，这就需要一个不同的架构。你可能希望有完全相同的软件堆栈，能够在两个地方运行。云端需要提供灵活性，因为它将接收不同类型的应用，并且必须能够聚集大量用户。这就要求服务器上的硬件具有特定的应用能力，但一刀切的做法并不适合所有应用。”

ML增加了它自己的要求。Thomas补充说：“当用神经网络和ML构建智能系统时，你需要对新的网络进行编程，并将其映射到硬件上，使用软件框架和通用软件堆栈。然后你可以从PPA的角度将软件应用调整到合适的硬件。这推动了对不同类型的处理和处理器的需求，以便能够在硬件层解决这些需求。”

这些需求是由应用定义的。Frank说：“一家公司创造了一个用于图形操作的处理器。他们优化并加速了如何跟踪图形，并进行图形的重新排序等操作。还有一些公司主要加速ML的蛮力部分，也就是矩阵乘法。内存访问对每个架构来说都是一个特殊的问题，因为当你构建一个加速器时，最重要的目标是让它保持忙碌。你必须让ALU获得尽可能多的数据。”

这些应用有许多共同点。Davidmann说：“它们都有一些本地内存，它们在芯片上有一个网络来进行通信，每个处理器执行一个软件算法，都在对一小块数据进行处理。这些工作由一个在更传统的CPU上运行的操作系统来安排。”

对硬件设计者来说，棘手的地方在于预测它将执行哪些任务。Thomas说：“虽然在一些层中会有类似的操作类型，但人们正在关注各层中的差异化。为了能够处理神经网络需要几种类型的处理能力，这意味着你需要能够以某种方式处理神经网络的一个部分，然后可能需要另一种类型的操作来处理另一层。数据移动和数据量也在一层一层地变化。”

这种差异化可以超出数据移动的范围。Frank说：“对于基因组测序，你需要做特定的处理。但你不能用单一类型的加速器来加速一切。你必须为管道建立一套完整的不同的加速器。CPU成为监护执行流程的守护者。它设置事情，做DMA，提供中间的决策过程。理解和分析算法并定义如何优化它们的处理是一项完整的架构任务。”

这个过程的一部分需要进行分区。Uhm说：“没有一种处理器类型是为每一个处理器任务而优化的，FPGA、CPU、GPU、DSP都不行。我们创造了一系列包含所有这些的设备，但客户方面的困难是，他们必须提供智能，以确定这整个系统的哪些部分要针对处理器，或针对可编程逻辑，或针对AI引擎。每个人都希望有一个自动魔法工具，一个可以立即决定把这个放在CPU上，把那个放在FPGA上，把那个放在GPU上的工具。这种工具目前并不存在。”

尽管如此，CPU始终会有一个角色。Frank说：”CPU需要执行程序的不规则部分。CPU的一般可编程性有其优势。只是如果你有专门的数据结构或数学运算，它就不能很好地工作。CPU是一个通用处理器，它没有为任何东西进行优化。它什么都不擅长。”

改变抽象性

在过去，硬件/软件的边界是由ISA定义的，而且内存是可连续寻址的。当存在多个处理器时，它们通常是内存一致的。

Frank说：“一致性是一种契约。它是代理之间的契约，‘我向你保证，我将永远向你提供最新的数据’。平等同行之间的一致性是非常重要的，不会消失。但你可以想象，在一个数据流引擎中，一致性就不那么重要了，因为你传输的是在边缘移动的数据，直接从一个加速器到另一个。如果你对数据集进行分割，一致性就会受到影响，因为它会花费你额外的周期。你必须要查找东西。你必须提供更新的信息。”

这就需要不同的内存架构。Uhm说：“你必须考虑内存结构，因为你只有这么多紧密耦合的内存。你可以访问相邻的内存，但你很快就会耗尽相邻的内存。设计中必须理解这一点。随着工具的成熟，更多东西将开始由工具来理解。今天，它是由人类的智慧完成的，通过理解架构并应用它。”

还需要更高层次的抽象。Thomas说：“有一些框架可以将已知的网络映射或编译到目标硬件上。你有一套低级内核，或API，将在软件堆栈中使用，然后最终由神经网络的映射器使用。在这之下，你可能有不同类型的硬件，这取决于你想实现的目标，取决于你的产品细节。它实现了相同的功能，但不是用相同的硬件，也不是基于相同的PPA权衡。”

这给那些编译器带来了很大的压力。Frank问道：“主要的问题是你在未来如何对加速器进行编程？你会实现像第一代GPU那样将硬连线引擎串在一起？或者你建立了有自己的指令集的小型可编程引擎？而现在你必须对这些东西进行单独编程，并将这些引擎中的每一个，执行任务的引擎用数据流连接起来。一个处理器有总指令集的一些子集，另一个有不同的子集，它们都将共享控制流的一些重叠部分。你可能有一些有稍微不同的加速能力。编译器，或了解它的库，会相应地进行映射。”