Newsora
IT之家11/22 23:15 · 22m ago

美國初創企業公佈 AI 自研 CPU 架構 Frostbite,能效是傳統處理器的 4.59 倍

IT之家 11 月 22 日消息,美國加利福尼亞州帕洛阿爾托的初創公司 Architect Labs 在一篇研究博客中宣佈,其人工智能系統已經自主發現、設計並驗證了一款名爲 Frostbite 的通用 CPU。這款處理器採用全新的指令集,從底層開始重新設計,試圖擺脫傳統 CPU 的部分架構限制。在 25 項工作負載測試中,由 4 個計算單元組成的 Frostbite 集羣,每瓦性能達到一款尺寸相近、已經完成硅驗證的雙發射順序執行 CPU 核心的 4.59 倍。不過,這些數據來自基於 7 納米工藝的模擬設計,Frostbite 尚未真正流片,因此還沒有實際芯片可以驗證。由於法律方面的原因,Architect Labs 暫時無法公開作爲對照的 CPU 核心型號。傳統 CPU 需要在運行時通過硬件判斷不同指令之間的依賴關係,重新識別哪些指令可以並行執行。多核處理器還需要複雜的多級緩存體系和緩存一致性協議,確保每個核心看到的共享內存數據保持一致。不過,這些機制不僅佔用芯片面積、消耗電力,也會在處理器規模擴大時面臨擴展效率下降的問題。IT之家注意到,Architect Labs 提出的替代方案被稱爲“免費多線程”(Multithreading for Free)。其核心思路是讓程序本身直接暴露可以並行執行的工作,而不是依賴傳統線程、鎖機制或亂序執行硬件,在運行過程中尋找並行機會。Frostbite 由多個計算單元(Tile)組成,每個 Tile 都是一個結構相同的小型處理單元,通過片上網絡互相連接,並擁有獨立的小容量本地內存。在本次性能測試中,公司採用了由 4 個 Tile 和 4 個 L3 節點組成的計算集羣,與傳統 CPU 核心進行比較。不過,Frostbite 的完整設計實際上包含 16 個 Tile。在早期綜合階段,這款處理器的設計頻率一度達到 800MHz,但在最終佈局設計中降至 500MHz。除了每瓦性能達到對照處理器的 4.59 倍,Frostbite 集羣的單位面積性能也達到了對照核心的 8.77 倍。具體來看,不同工作負載下,Frostbite 的能效提升幅度存在明顯差異:測試項目Frostbite 每瓦性能提升全部 25 項測試(幾何平均值)4.59 倍用於設計調優的 10 項測試6.02 倍最終評估階段才引入的 15 項測試3.83 倍表現最好:conv2d(未參與調優)23.12 倍表現最差:遞歸斐波那契(未參與調優)1.15 倍值得注意的是,參與 Frostbite 設計的 AI 系統最初並沒有採用任何預設的處理器架構理念。Architect Labs 將這種狀態稱爲“零架構先驗”(Zero Architectural Priors)。不過,團隊仍然提前確定了處理器需要重點優化的工作負載。隨後,多個 AI 智能體通過閱讀學術論文和性能測試資料,建立 Python 模型,並從中選定一個架構方向展開設計。最初生成的設計文檔長達 141 頁,涵蓋編程模型、運行時環境和高層級硬件模塊。但在第一版寄存器傳輸級(RTL)設計生成後,這份 PDF 文檔就被刪除了。公司解釋稱,文檔中的許多數字和估算結果與物理實現的實際可能性相差甚遠。這份文檔從一開始就只是設計起點。確定架構方向後,AI 智能體不再依賴英語描述硬件規格,因爲團隊認爲,自然語言無法準確表達所有細節,也難以發現其中的錯誤。取而代之的是,AI 使用 Architect Labs 自行開發的硬件描述語言 ASL 編寫規格。ASL 可以轉換爲 Lean 證明系統中的形式化表達,進而接受機器驗證。公司認爲,這種方式能夠消除大量潛在錯誤,同時減少 AI 智能體爲了滿足優化目標而鑽規則空子的可能性。在此基礎上,AI 智能體還開發了 Arcmodel。這是一個使用 ASL 編寫的軟件模型,能夠模擬整顆芯片的運行行爲,而且在真正開始電路設計之前就已經建立完成。由於直接模擬 RTL 的速度較慢,AI 智能體選擇先在 Arcmodel 上測試設計方案。該模型的運行速度約爲 RTL 仿真的 200 倍。不過,最初模型給出的功耗估算並不準確,最大偏差接近 250%。隨後,系統通過自動化迭代不斷調整模型,最終將其功耗估算結果與實際電路設計的測量結果之間的偏差縮小至 5% 以內。完成基礎模型後,大量 AI 智能體開始並行提出設計優化方案。每項修改都必須經過規格驗證、快速模型測試、電路設計實現和功耗測量,只有通過各項檢查的方案纔會被保留。整個過程中,AI 智能體一共嘗試了 58 項優化方案,最終保留 37 項。此外,系統還意外出現了一種人類設計者從未明確規定的行爲,即所謂的“工作竊取”(Work Stealing):當某個 Tile 沒有任務可執行時,可以從相鄰 Tile 獲取尚未完成的工作;如果沒有可用任務,則進入空閒狀態以節省電力。在能耗分佈方面,Frostbite 也與傳統 CPU 呈現出明顯差異。根據公司對 20 種工作負載的平均測量結果(不包括時鐘分配能耗),兩者的能耗構成如下:能耗項目傳統 CPUFrostbite內存57%38%指令獲取、解碼和發射27%6%片上網絡和調度器未單獨統計26%時鐘分配(佔總能耗比例)49%41%從數據來看,Frostbite 將指令獲取、解碼和發射環節的能耗佔比從 27% 降至 6%,但片上網絡和調度器也帶來了新的能耗開銷,佔比達到 26%。這並不是 Architect Labs 首次展示 AI 參與設計的處理器。今年 8 月,該公司還公佈了 Redwood,一款面向機器人和無人機的 AI 推理加速器。對於 Redwood,Architect Labs 表示,兩名人類架構師只需提供設計規格,AI 就能在不到兩週的時間內生成 RTL 代碼、驗證程序、固件、驅動程序和計算內核。不過,Redwood 目前也只在 FPGA 上運行,尚未製造出實際芯片。公司稱,正在推進與臺積電(TSMC)合作的流片計劃。與此同時,總部位於英國劍橋的初創公司 Tendrils Compute 也在開發類似方向的處理器。本月早些時候,該公司完成新一輪融資,並表示正在研發一款能夠讓“數千個核心並行運行”的處理器。此外,Tendrils Compute 也在開發一種名爲 Vine 的編程語言,Frostbite 的程序同樣採用這種語言編寫。Architect Labs 表示,未來還將公佈更多性能測試結果,但這只是其計劃的一部分。公司還希望推出一個基於 FPGA 的在線軟件實驗平臺,讓任何人都能運行 Frostbite 程序,同時提供一個初步版本的操作系統。最終,公司計劃公開 Frostbite 的 RTL 設計代碼和指令集。在性能評估方面,Architect Labs 還計劃擴大測試工作負載範圍,並引入更多 CPU 作爲對照,包括將更大規模的 Frostbite 網格架構,與配備大容量緩存的多核版本對比。此外,公司還計劃與規模更大、指令執行寬度更高的亂序執行 CPU 展開比較。相關測試預計將在未來幾個月進行,屆時將採用 SPEC、PARSEC 等主流 CPU 基準測試套件。需要注意的是,目前 Frostbite 公佈的性能優勢仍然來自模擬設計,尚未經過實際硅芯片驗證。它能否在真正製造出來後保持這些能效優勢,還需要後續流片和實測結果給出答案。

Aggregator site: only the publisher's summary is shown here. Read the full story at the source.
Read full story →