在數(shù)字化高速發(fā)展的當(dāng)下，人工智能、大數(shù)據(jù)處理、物聯(lián)網(wǎng)等前沿技術(shù)日新月異，現(xiàn)代計(jì)算需求面臨著嚴(yán)峻挑戰(zhàn)。海量數(shù)據(jù)的爆發(fā)式增長，讓傳統(tǒng)計(jì)算架構(gòu)在處理大規(guī)模數(shù)據(jù)時(shí)顯得力不從心，效率低下、能耗過高、處理速度瓶頸等問題愈發(fā)突出。以人工智能領(lǐng)域?yàn)槔?a href="http://www.brongaenegriffin.com/v/tag/448/" target="_blank">深度學(xué)習(xí)模型訓(xùn)練需要進(jìn)行海量矩陣運(yùn)算和復(fù)雜的神經(jīng)網(wǎng)絡(luò)計(jì)算，對計(jì)算設(shè)備的計(jì)算能力和并行處理能力要求極高；在大數(shù)據(jù)分析場景中，快速處理TB甚至PB級數(shù)據(jù)，傳統(tǒng)架構(gòu)難以在可接受時(shí)間內(nèi)完成任務(wù)。這些挑戰(zhàn)迫切需要計(jì)算架構(gòu)創(chuàng)新，以突破現(xiàn)有局限，滿足不斷增長的計(jì)算需求。

為應(yīng)對上述難題，向量擴(kuò)展（Vector Extension，RVV）作為RISC-V指令集架構(gòu)的重要拓展被正式引入。RISC-V指令集架構(gòu)以其開源開放特性著稱，賦予了開發(fā)者在設(shè)計(jì)處理器時(shí)極大的靈活性與可擴(kuò)展性，可針對不同應(yīng)用場景進(jìn)行定制化設(shè)計(jì)。RVV向量擴(kuò)展通過引入向量指令，實(shí)現(xiàn)了對多個(gè)數(shù)據(jù)元素的并行處理，為提升計(jì)算性能提供了全新的途徑。相較于傳統(tǒng)的標(biāo)量計(jì)算模式，向量計(jì)算在多媒體數(shù)據(jù)處理、科學(xué)計(jì)算等領(lǐng)域展現(xiàn)出顯著優(yōu)勢，能夠有效減少指令執(zhí)行次數(shù)，進(jìn)而降低計(jì)算延遲，全面提升系統(tǒng)整體性能。RVV的出現(xiàn)，為開發(fā)者提供了一種高效、靈活且具有成本效益的解決方案，有力推動了計(jì)算架構(gòu)的創(chuàng)新發(fā)展，在諸多領(lǐng)域呈現(xiàn)出巨大的應(yīng)用潛力。在RVV發(fā)展浪潮中，賽昉科技昉·天樞-83（Dubhe-83） CPU IP 嶄露頭角。

昉·天樞-83 RISC-V CPU IP

Dubhe-83是一款能效卓越的處理器，具備諸多先進(jìn)特性：

1. 指令集支持

全面兼容RVA23與RVV Crypto指令集，賦予芯片卓越的指令處理能力，從容應(yīng)對復(fù)雜計(jì)算任務(wù)。在加密應(yīng)用場景中，RVV Crypto指令集提供硬件級加密加速，極大提升數(shù)據(jù)加密與解密效率，為數(shù)據(jù)安全提供堅(jiān)實(shí)保障。

2. 前端取指和分支預(yù)測策略

前端取指和分支預(yù)測采用Decouple策略，將取指和分支預(yù)測兩個(gè)關(guān)鍵操作解耦，更高效地處理指令流。同時(shí)，分支預(yù)測采用業(yè)界先進(jìn)的TAGE-Style算法，能更精準(zhǔn)預(yù)測程序分支走向，減少因分支預(yù)測錯(cuò)誤導(dǎo)致的流水線停頓，提升處理器執(zhí)行效率。

3. 流水線設(shè)計(jì)

擁有10-14 Stage的Pipeline，合理的流水線深度設(shè)計(jì)在保障指令處理效率的同時(shí)，兼顧硬件復(fù)雜度與成本。通過多級流水線操作，指令可在不同階段并行處理，加快指令執(zhí)行速度。

4. 解碼和提交機(jī)制

采用3-Way Decode/Rename/Commit機(jī)制，可同時(shí)對三條指令進(jìn)行解碼、重命名和提交操作，進(jìn)一步提升指令處理并行度，提高處理器整體性能。

5. 性能表現(xiàn)

在Benchmark SPECint2006測試中，Dubhe-83分?jǐn)?shù)達(dá)9.4/GHz，充分展現(xiàn)其在整數(shù)計(jì)算性能方面的出色表現(xiàn)，能滿足多種對整數(shù)運(yùn)算要求較高的應(yīng)用場景。

Dubhe-83在RVV上具有顯著的技術(shù)亮點(diǎn)和優(yōu)勢：

1. 向量計(jì)算單元設(shè)計(jì)

Dubhe-83的Vector的VLEN=DLEN=256，配備2條128-bit的計(jì)算單元。此設(shè)計(jì)大幅提升向量計(jì)算能力，可同時(shí)處理2x128-bit的數(shù)據(jù)元素，在向量運(yùn)算中充分發(fā)揮并行計(jì)算優(yōu)勢，加速數(shù)據(jù)處理。

2. 存儲加載單元（LSU）設(shè)計(jì)

LSU采用2條Pipeline實(shí)現(xiàn)方式，Vector Load/Store和 Scalar Load/Store深度融合。Vector Load/Store帶寬為2x128-bit，這種融合設(shè)計(jì)在滿足高帶寬需求的同時(shí)盡可能節(jié)省資源（面積）的開銷，在數(shù)據(jù)加載和存儲過程中，無論是向量數(shù)據(jù)還是標(biāo)量數(shù)據(jù)，均可高效傳輸和處理，減少數(shù)據(jù)訪問延遲，提高數(shù)據(jù)處理效率。

3. 向量工作方式與指令實(shí)現(xiàn)

Vector支持LMUL工作方式，每條Vector宏指令采用拆分uop實(shí)現(xiàn)方式。只要uop的所有Element在連續(xù)兩個(gè)Cache Line范圍內(nèi)，則該 uop可一次性完成讀/寫操作。該設(shè)計(jì)優(yōu)化了向量指令執(zhí)行過程，減少指令執(zhí)行周期，提升向量帶寬。

4. 向量Load/Store uop實(shí)現(xiàn)優(yōu)勢

Vector Load/Store采用拆分uop實(shí)現(xiàn)方式，相較于一些廠商拆分Element的實(shí)現(xiàn)方式，在絕大多數(shù)應(yīng)用場景中具有絕對性能優(yōu)勢。這種實(shí)現(xiàn)方式能更高效利用存儲帶寬，減少數(shù)據(jù)傳輸次數(shù)，提高數(shù)據(jù)加載和存儲效率，進(jìn)而提升整個(gè)系統(tǒng)性能。

5. 亂序執(zhí)行機(jī)制

不僅Scalar采用深度亂序?qū)崿F(xiàn)方式，Vector也采用深度亂序?qū)崿F(xiàn)機(jī)制。與Vector按序?qū)崿F(xiàn)方式相比，亂序方式能天然解決許多數(shù)據(jù)依賴場景。在實(shí)際應(yīng)用中，數(shù)據(jù)間存在復(fù)雜依賴關(guān)系，按序執(zhí)行可能因數(shù)據(jù)未準(zhǔn)備好導(dǎo)致流水線停頓，而亂序執(zhí)行可靈活調(diào)整指令執(zhí)行順序，優(yōu)先執(zhí)行不依賴未就緒數(shù)據(jù)的uop，顯著提升性能。

6. RVV性能表現(xiàn)

與市場上一些通過In-Order實(shí)現(xiàn)的RVV產(chǎn)品相比，Dubhe-83在RiVEC基準(zhǔn)測試套件（RiVEC Benchmark Suite，是一個(gè)由來自不同領(lǐng)域的數(shù)據(jù)并行應(yīng)用程序組成的集合，該套件專注于對向量微架構(gòu)進(jìn)行基準(zhǔn)測試，各個(gè)case的描述詳見下表格）上有著顯著的性能提升，提升從最少22%（Pathfinder）到最高817%（Matmul），其中，應(yīng)用于高性能計(jì)算領(lǐng)域的幾個(gè)BLAS算子模型的平均性能提升為357.55%，應(yīng)用于金融分析/物理仿真/數(shù)據(jù)挖掘等領(lǐng)域的幾個(gè)Dense Linear Algebra算子模型的平均性能提升為315.70%。這些實(shí)際應(yīng)用場景中的性能優(yōu)勢，充分證明 Dubhe-83在RVV架構(gòu)和微架構(gòu)上的先進(jìn)性和卓越性能表現(xiàn)，能更好滿足用戶對高性能計(jì)算的需求。

RiVEC Benchmark Suite