? ? ? NVIDIA Grace Hopper Superchip 架構(gòu)是第一個(gè)真正的異構(gòu)加速平臺，適用于高性能計(jì)算(HPC) 和AI工作負(fù)載。它利用 GPU 和 CPU 的優(yōu)勢加速應(yīng)用程序，同時(shí)提供迄今為止最簡單、最高效的分布式異構(gòu)編程模型?？茖W(xué)家和工程師可以專注于解決世界上最重要的問題。 ? ? ? ?

圖 1. Grace Hopper 與 x86+Hopper 的最終用戶應(yīng)用程序性能模擬（來源：NVIDIA Grace Hopper 架構(gòu)白皮書） ? 在本文中，您將全面了解 Grace Hopper 超級芯片，并重點(diǎn)介紹 NVIDIA Grace Hopper 帶來的性能突破。 ?

強(qiáng)大的可擴(kuò)展 HPC 和大型 AI 工作負(fù)載的性能和生產(chǎn)力

NVIDIA Grace Hopper Superchip 架構(gòu)將NVIDIA Hopper GPU的突破性性能與NVIDIA Grace CPU的多功能性結(jié)合在一起，在單個(gè)超級芯片中與高帶寬和內(nèi)存一致的 NVIDIA NVLink Chip-2-Chip (C2C)互連相連，并且支持新的NVIDIA NVLink 切換系統(tǒng)。 ?

圖 2. NVIDIA Grace Hopper Superchip邏輯概述 ?

NVIDIA NVLink-C2C 是一種 NVIDIA 內(nèi)存一致性、高帶寬和低延遲的超級芯片互連。它是 Grace Hopper Superchip 的核心，提供高達(dá) 900 GB/s 的總帶寬。這比加速系統(tǒng)中常用的 x16 PCIe Gen5 通道高 7 倍。 ? NVLink-C2C 內(nèi)存一致性提高了開發(fā)人員的生產(chǎn)力和性能，并使 GPU 能夠訪問大量內(nèi)存。CPU 和 GPU 線程現(xiàn)在可以同時(shí)透明地訪問 CPU 和 GPU 駐留內(nèi)存，使您能夠?qū)Ｗ⒂?a href="http://www.brongaenegriffin.com/v/tag/2562/" target="_blank">算法而不是顯式內(nèi)存管理. ? 內(nèi)存一致性使您能夠僅傳輸所需的數(shù)據(jù)，而不是將整個(gè)頁面遷移到 GPU 或從 GPU 遷移出來。它還通過啟用來自 CPU 和 GPU 的本機(jī)原子操作（native atomic operations）來啟用跨 GPU 和 CPU 線程的輕量級同步原語（lightweight synchronization primitives）。具有地址轉(zhuǎn)換服務(wù) (ATS：Address Translation Services ) 的 NVLink-C2C 利用 NVIDIA Hopper 直接內(nèi)存訪問 (DMA) 復(fù)制引擎來加速跨主機(jī)和設(shè)備的可分頁內(nèi)存的批量傳輸。 ? NVLink-C2C 使應(yīng)用程序能夠超額訂閱（ oversubscribe） GPU 的內(nèi)存，并在高帶寬下直接使用 NVIDIA Grace CPU 的內(nèi)存。每個(gè) Grace Hopper Superchip 具有高達(dá) 512 GB 的 LPDDR5X CPU 內(nèi)存，GPU 可以直接高帶寬訪問比 HBM 可用內(nèi)存多 4 倍的內(nèi)存。結(jié)合 NVIDIA NVLink 開關(guān)系統(tǒng)，在多達(dá) 256 個(gè)連接 NVLink 的 GPU 上運(yùn)行的所有 GPU 線程現(xiàn)在可以在高帶寬下訪問高達(dá) 150 TB 的內(nèi)存。第四代 NVLink 支持使用直接加載、存儲和原子操作訪問對等內(nèi)存，使加速應(yīng)用程序能夠比以往更輕松地解決更大的問題。 ? 與 NVIDIA 網(wǎng)絡(luò)技術(shù)一起，Grace Hopper 超級芯片為下一代 HPC 超級計(jì)算機(jī)和人工智能工廠提供了配方?？蛻艨梢猿袚?dān)更大的數(shù)據(jù)集、更復(fù)雜的模型和新的工作負(fù)載，從而比以前更快地解決它們。??

NVIDIA Grace Hopper 超級芯片的主要創(chuàng)新如下：

英偉達(dá) Grace CPU：

多達(dá) 72 個(gè) Arm Neoverse V2 內(nèi)核，每個(gè)內(nèi)核具有 Armv9.0-A ISA 和 4 個(gè) 128 位 SIMD 單元。

高達(dá) 117 MB 的 L3 緩存。

高達(dá) 512 GB 的 LPDDR5X 內(nèi)存，提供高達(dá) 546 GB/s 的內(nèi)存帶寬。

多達(dá) 64 個(gè) PCIe Gen5 通道。

NVIDIA 可擴(kuò)展一致性結(jié)構(gòu) (SCF) 網(wǎng)格和分布式緩存，內(nèi)存帶寬高達(dá) 3.2 TB/s。

單個(gè) CPU NUMA 節(jié)點(diǎn)可提高開發(fā)人員的工作效率。

NVIDIA Hopper GPU：

與 NVIDIA A100 GPU 相比，多達(dá) 144 個(gè)帶有第四代張量核心、Transformer Engine、DPX 和 3 倍高 FP32 和 FP64 的 SM。

高達(dá) 96 GB 的 HBM3 內(nèi)存提供高達(dá) 3000 GB/s 的速度。

60 MB 二級緩存。

NVLink 4 和 PCIe 5。

英偉達(dá) NVLink-C2C：

Grace CPU 和 Hopper GPU 之間的硬件一致性互連。

高達(dá) 900 GB/s 的總帶寬，450 GB/s/dir。

擴(kuò)展 GPU 內(nèi)存功能使 Hopper GPU 能夠?qū)⑺?CPU 內(nèi)存尋址為 GPU 內(nèi)存。每個(gè) Hopper GPU 可以在超級芯片內(nèi)尋址多達(dá) 608 GB 的內(nèi)存。

NVIDIA NVLink 切換系統(tǒng)：

使用 NVLink 4 連接多達(dá) 256 個(gè) NVIDIA Grace Hopper 超級芯片。

每個(gè)連接 NVLink 的 Hopper GPU 都可以尋址網(wǎng)絡(luò)中所有超級芯片的所有 HBM3 和 LPDDR5X 內(nèi)存，最高可達(dá) 150 TB 的 GPU 可尋址內(nèi)存。

性能、可移植性和生產(chǎn)力的編程模型

具有 PCIe 連接加速器的傳統(tǒng)異構(gòu)平臺要求用戶遵循復(fù)雜的編程模型，該模型涉及手動管理設(shè)備內(nèi)存分配和與主機(jī)之間的數(shù)據(jù)傳輸。 ? NVIDIA Grace Hopper Superchip 平臺是異構(gòu)的且易于編程，NVIDIA 致力于讓所有開發(fā)人員和應(yīng)用程序都可以訪問它，而不受所選編程語言的影響。 ? Grace Hopper Superchip 和平臺的構(gòu)建都是為了讓您能夠?yàn)槭诸^的任務(wù)選擇正確的語言，而NVIDIA CUDA LLVM 編譯器API 使您能夠?qū)⒛矚g的編程語言帶到具有相同代碼級別的 CUDA 平臺 -生成質(zhì)量和優(yōu)化作為 NVIDIA 編譯器和工具。 ? NVIDIA 為 CUDA 平臺（圖 3）提供的語言包括加速標(biāo)準(zhǔn)語言，如 ISO C++、ISO Fortran 和 Python。該平臺還支持基于指令的編程模型，如 OpenACC、OpenMP、CUDA C++ 和 CUDA Fortran。NVIDIA HPC SDK支持所有這些方法，以及一組豐富的用于分析和調(diào)試的加速庫和工具。 ?

圖 3. NVIDIA Grace Hopper Superchip 編程模型 ? NVIDIA 是 ISO C++ 和 ISO Fortran 編程語言社區(qū)的成員，這使得符合 ISO C++ 和 ISO Fortran 標(biāo)準(zhǔn)的應(yīng)用程序能夠在 NVIDIA CPU 和 NVIDIA GPU 上運(yùn)行，無需任何語言擴(kuò)展。有關(guān)在 GPU 上運(yùn)行符合 ISO 標(biāo)準(zhǔn)的應(yīng)用程序的更多信息，請參閱使用標(biāo)準(zhǔn)并行 C++ 進(jìn)行多 GPU 編程和使用 Fortran 標(biāo)準(zhǔn)并行編程實(shí)現(xiàn) GPU 加速。 ? 該技術(shù)在很大程度上依賴于 NVIDIA NVLink-C2C 和 NVIDIA 統(tǒng)一虛擬內(nèi)存提供的硬件加速內(nèi)存一致性。如圖 4 所示，在沒有 ATS 的傳統(tǒng) PCIe 連接 x86+Hopper 系統(tǒng)中，CPU 和 GPU 具有獨(dú)立的每進(jìn)程頁表，系統(tǒng)分配的內(nèi)存不能直接從 GPU 訪問。當(dāng)程序使用系統(tǒng)分配器分配內(nèi)存但頁面條目在 GPU 的頁表中不可用時(shí)，從 GPU 線程訪問內(nèi)存將失敗。 ?

圖 4. 具有不相交頁表的 NVIDIA Hopper 系統(tǒng) ? 在基于 NVIDIA Grace Hopper Superchip 的系統(tǒng)中，ATS 使 CPU 和 GPU 能夠共享單個(gè)每個(gè)進(jìn)程的頁表，從而使所有 CPU 和 GPU 線程能夠訪問所有系統(tǒng)分配的內(nèi)存，這些內(nèi)存可以駐留在物理 CPU 或 GPU 內(nèi)存上。CPU 堆、CPU 線程堆棧、全局變量、內(nèi)存映射文件和進(jìn)程間內(nèi)存可供所有 CPU 和 GPU 線程訪問。 ?

圖 5. NVIDIA Grace Hopper 超級芯片系統(tǒng)中的地址轉(zhuǎn)換服務(wù) ? NVIDIA NVLink-C2C 硬件一致性使 Grace CPU 能夠以緩存行粒度緩存 GPU 內(nèi)存，并使 GPU 和 CPU 無需頁面遷移即可訪問彼此的內(nèi)存。 ? NVLink-C2C 還可以加速 CPU 和 GPU 在系統(tǒng)分配內(nèi)存上支持的所有原子操作。范圍內(nèi)的原子操作得到完全支持，并且可以跨系統(tǒng)中的所有線程實(shí)現(xiàn)細(xì)粒度和可擴(kuò)展的同步。 ? 運(yùn)行時(shí)在第一次接觸時(shí)使用物理內(nèi)存支持系統(tǒng)分配的內(nèi)存，無論是在 LPDDR5X 還是 HBM3 上，取決于 CPU 或 GPU 線程是先訪問它。從操作系統(tǒng)的角度來看，Grace CPU 和 Hopper GPU 只是兩個(gè)獨(dú)立的 NUMA 節(jié)點(diǎn)。系統(tǒng)分配的內(nèi)存是可遷移的，因此運(yùn)行時(shí)可以更改其物理內(nèi)存支持以提高應(yīng)用程序性能或應(yīng)對內(nèi)存壓力。 ? 在 NVIDIA Grace Hopper 上，這些應(yīng)用程序明顯受益于 NVLink-C2C 提供的更高帶寬、更低延遲、更高原子吞吐量和內(nèi)存一致性硬件加速，無需任何軟件更改。 ?

Superchip 架構(gòu)特點(diǎn)

以下是 NVIDIA Grace Hopper 架構(gòu)的主要創(chuàng)新： ?

NVIDIA Grace CPU

NVIDIA Hopper GPU

NVLink-C2C

NVLink Switch System

Extended GPU memory

NVIDIA Grace CPU

隨著 GPU 的并行計(jì)算能力每一代都增加三倍，快速高效的 CPU 對于防止現(xiàn)代工作負(fù)載的串行和僅 CPU 部分主導(dǎo)性能至關(guān)重要。 ? NVIDIA Grace CPU 是第一款 NVIDIA 數(shù)據(jù)中心CPU，它是從頭開始構(gòu)建的，用于創(chuàng)建 HPC 和 AI超級芯片。Grace 提供多達(dá) 72 個(gè)帶有Armv9.0-A ISA的 Arm Neoverse V2 CPU 內(nèi)核，以及每個(gè)內(nèi)核 4×128 位寬的 SIMD 單元，并支持 Arm 的Scalable Vector Extensions 2 (SVE2) SIMD 指令集。 ? NVIDIA Grace 提供領(lǐng)先的每線程性能，同時(shí)提供比傳統(tǒng) CPU 更高的能效。72 個(gè) CPU 內(nèi)核在SPECrate 2017_int_base上提供高達(dá) 370（估計(jì)）的分?jǐn)?shù)，確保高性能以滿足 HPC 和 AI 異構(gòu)工作負(fù)載的需求。 ?

圖 6. Grace Hopper 超級芯片中的 NVIDIA Grace CPU 與 AMD Milan 7763 的最終用戶應(yīng)用程序性能和節(jié)能模擬顯示，Grace CPU 的速度提高了 2.5 倍，而能耗降低了 4 倍 ? 機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)中的現(xiàn)代 GPU 工作負(fù)載需要訪問大量內(nèi)存。通常，這些工作負(fù)載必須使用多個(gè) GPU 將數(shù)據(jù)集存儲在 HBM 內(nèi)存中。 ? NVIDIA Grace CPU 提供高達(dá) 512 GB 的 LPDDR5X 內(nèi)存，可在內(nèi)存容量、能效和性能之間實(shí)現(xiàn)最佳平衡。它提供高達(dá) 546 GB/s 的 LPDDR5X 內(nèi)存帶寬，NVLink-C2C 以 900 GB/s 的總帶寬可供 GPU 訪問。 ? 單個(gè) NVIDIA Grace Hopper 超級芯片為 Hopper GPU 提供總計(jì) 608 GB 的快速可訪問內(nèi)存，幾乎是 DGX-A100-80 中可用的慢速內(nèi)存總量；上一代的八 GPU 系統(tǒng)。 ? 圖 7 所示的 NVIDIA SCF 使這成為可能，這是一種網(wǎng)狀結(jié)構(gòu)和分布式緩存，可提供高達(dá) 3.2 TB/s 的總二分帶寬，以實(shí)現(xiàn) CPU 內(nèi)核、內(nèi)存、系統(tǒng) I/O 和 NVLink 的全部性能- C2C。CPU 內(nèi)核和 SCF 緩存分區(qū) (SCC) 分布在整個(gè)網(wǎng)格中，而緩存交換節(jié)點(diǎn) (CSN) 通過結(jié)構(gòu)路由數(shù)據(jù)并充當(dāng) CPU 內(nèi)核、緩存內(nèi)存和系統(tǒng)其余部分之間的接口。 ?

圖 7. SCF 邏輯概述 ?

NVIDIA Hopper GPU

NVIDIA Hopper GPU是第九代 NVIDIA 數(shù)據(jù)中心 GPU。與前幾代 NVIDIA Ampere GPU 相比，它旨在為大規(guī)模 AI 和 HPC 應(yīng)用程序提供數(shù)量級的改進(jìn)。Hopper GPU 還具有多項(xiàng)創(chuàng)新：

新的第四代張量核心在更廣泛的 AI 和 HPC 任務(wù)中執(zhí)行比以往更快的矩陣計(jì)算。

與上一代 NVIDIA A100 GPU 相比，新的 Transformer 引擎使 H100 在大型語言模型上的 AI 訓(xùn)練速度提高了 9 倍，AI 推理速度提高了 30 倍。

空間和時(shí)間數(shù)據(jù)局部性和異步執(zhí)行的改進(jìn)功能使應(yīng)用程序能夠始終保持所有單元忙碌并最大限度地提高能效。

安全多實(shí)例 GPU (MIG )將 GPU 劃分為隔離的、大小合適的實(shí)例，以最大限度地提高較小工作負(fù)載的服務(wù)質(zhì)量 (QoS)。

圖 8. NVIDIA Hopper GPU 實(shí)現(xiàn)下一代 AI 和 HPC 突破 ? NVIDIA Hopper 是第一個(gè)真正的異步 GPU。其張量內(nèi)存加速器 (TMA) 和異步事務(wù)屏障使線程能夠重疊和流水線獨(dú)立的數(shù)據(jù)移動和數(shù)據(jù)處理，使應(yīng)用程序能夠充分利用所有單元。 ? 線程塊集群、分布式共享內(nèi)存和線程塊重新配置等新的空間和時(shí)間局部性功能為應(yīng)用程序提供了對更大量共享內(nèi)存和工具的快速訪問。這使應(yīng)用程序能夠更好地重用片上數(shù)據(jù)，從而進(jìn)一步提高應(yīng)用程序性能。 ?

圖 9. NVIDIA Hopper GPU 異步執(zhí)行使獨(dú)立數(shù)據(jù)移動與計(jì)算重疊（左）。新的空間和時(shí)間局部性功能提高了應(yīng)用程序性能（右） ?

NVLink-C2C：用于超級芯片的高帶寬、芯片到芯片互連

NVIDIA Grace Hopper 通過 NVIDIA NVLink-C2C 將 NVIDIA Grace CPU 和 NVIDIA Hopper GPU 融合到單個(gè)超級芯片中，這是一個(gè) 900 GB/s 的芯片到芯片相干互連，可以使用統(tǒng)一的編程模型對 Grace Hopper 超級芯片進(jìn)行編程。 ? NVLink Chip-2-Chip (C2C) 互連在 Grace CPU 和 Hopper GPU 之間提供高帶寬直接連接，以創(chuàng)建 Grace Hopper Superchip，該超級芯片專為 AI 和 HPC 應(yīng)用程序的嵌入式加速而設(shè)計(jì)。 ? 憑借 900 GB/s 的雙向帶寬，NVLink-C2C 以更低的延遲提供 7 倍于 x16 PCIe Gen 鏈路的帶寬。NVLink-C2C 每傳輸比特僅使用 1.3 皮焦耳，比 PCIe Gen 5 節(jié)能 5 倍以上。 ? 此外，NVLink-C2C 是一種連貫的內(nèi)存互連，具有對系統(tǒng)范圍的原子操作的本機(jī)硬件支持。這提高了對非本地內(nèi)存的內(nèi)存訪問性能，例如 CPU 和 GPU 線程訪問駐留在其他設(shè)備中的內(nèi)存。硬件一致性還提高了同步原語的性能，減少了 GPU 或 CPU 相互等待的時(shí)間，并提高了總系統(tǒng)利用率。 ? 最后，硬件一致性還簡化了使用流行編程語言和框架的異構(gòu)計(jì)算應(yīng)用程序的開發(fā)。 ?

NVLink 開關(guān)系統(tǒng)

NVIDIA NVLink 開關(guān)系統(tǒng)結(jié)合了第四代 NVIDIA NVLink 技術(shù)和全新的第三代 NVIDIA NVSwitch。NVSwitch 的單級最多可連接八個(gè) Grace Hopper 超級芯片，胖樹拓?fù)浣Y(jié)構(gòu)中的第二級最多可將 256 個(gè) Grace Hopper 超級芯片與 NVLink 聯(lián)網(wǎng)。Grace Hopper Superchip 對以高達(dá) 900 GB/s 的速度交換數(shù)據(jù)。 ? 該網(wǎng)絡(luò)擁有多達(dá) 256 個(gè) Grace Hopper 超級芯片，可提供高達(dá) 115.2 TB/s 的全對全帶寬。這是NVIDIA InfiniBand NDR400 整體帶寬的 9 倍。 ?

圖 10. NVIDIA NVLink 4 NVSwitch 的邏輯概述 ? 第四代 NVIDIA NVLink 技術(shù)使 GPU 線程能夠使用正常的內(nèi)存操作、原子操作和批量傳輸來處理 NVLink 網(wǎng)絡(luò)中所有超級芯片提供的高達(dá) 150 TB 的內(nèi)存。MPI、NCCL或NVSHMEM等通信庫在可用時(shí)透明地利用 NVLink 開關(guān)系統(tǒng)。 ?

擴(kuò)展 GPU 顯存

NVIDIA Grace Hopper Superchip 旨在加速具有超大內(nèi)存占用空間的應(yīng)用程序，其容量大于單個(gè)超級芯片的 HBM3 和 LPDDR5X 內(nèi)存容量。有 ? 高帶寬 NVLink-C2C 上的擴(kuò)展 GPU 內(nèi)存 (EGM) 功能使 GPU 能夠高效地訪問所有系統(tǒng)內(nèi)存。EGM 在多節(jié)點(diǎn) NVSwitch 連接系統(tǒng)中提供高達(dá) 150 TB 的系統(tǒng)內(nèi)存。使用 EGM，可以分配物理內(nèi)存以供多節(jié)點(diǎn)系統(tǒng)中的任何 GPU 線程訪問。所有 GPU 都可以以 GPU-GPU NVLink 或 NVLink-C2C 的最低速度訪問 EGM。 ? Grace Hopper Superchip 配置中的內(nèi)存訪問通過本地高帶寬 NVLink-C2C 以 900 GB/s 的速度進(jìn)行。遠(yuǎn)程內(nèi)存訪問是通過 GPU NVLink 執(zhí)行的，并且根據(jù)正在訪問的內(nèi)存，還可以使用 NVLink-C2C（圖 11）。借助 EGM，GPU 線程現(xiàn)在可以以 450 GB/s 的速度訪問 NVSwitch 結(jié)構(gòu)上的所有可用內(nèi)存資源，包括 LPDDR5X 和 HBM3。 ?

圖 11. 跨 NVLink 連接的 Grace Hopper 超級芯片的內(nèi)存訪問

編輯：黃飛

?