后摩爾定律時代，CPU 性能提升放緩，計算力增長式微。多核之后，CPU 還能借助哪些方向?qū)崿F(xiàn)突圍？在這篇文章中，中國科學(xué)院計算技術(shù)研究所研究員包云崗對這一問題進行了詳細解讀。

  2020 年底給某大廠做過一個報告，包含兩部分內(nèi)容：一部分是關(guān)于計算機體系結(jié)構(gòu)，尤其是 CPU 結(jié)構(gòu)的演變；另一部分關(guān)于處理器芯片設(shè)計方法。這里把第一部分內(nèi)容貼出來回答一下這個知乎問題。1. 首先回顧一下計算機體系結(jié)構(gòu)領(lǐng)域三個定律：摩爾定律、牧村定律、貝爾定律。摩爾定律就不用多說了，但想表達一個觀點是摩爾定律未死，只是不斷放緩。2. 摩爾定律讓芯片上的晶體管數(shù)量不斷增加，但一個問題是這些晶體管都被充分用起來了嗎？最近 MIT 團隊在《Science》上發(fā)表了一篇文章《There’s plenty of room at the Top: What will drive computer performance after Moore’s law?》，給出他們的答案：顯然沒有！

  可以來看一下 MIT 團隊開展的一個小實驗（見下面 PPT）：假設(shè)用 Python 實現(xiàn)一個矩陣乘法的性能是 1，那么用 C 語言重寫后性能可以提高 50 倍，如果再充分挖掘體系結(jié)構(gòu)特性（如循環(huán)并行化、訪存優(yōu)化、SIMD 等），那么性能甚至可以提高 63000 倍。然而，真正能如此深入理解體系結(jié)構(gòu)、寫出這種極致性能的程序員絕對是鳳毛麟角。

問題是這么大的性能差異到底算好還是壞？從軟件開發(fā)角度來看，這顯然不是好事。這意味著大多數(shù)程序員無法充分發(fā)揮 CPU 的性能，無法充分利用好晶體管。這不能怪程序員，更主要還是因為 CPU 微結(jié)構(gòu)太復(fù)雜了，導(dǎo)致軟件難以發(fā)揮出硬件性能。
如何解決這個問題？領(lǐng)域?qū)Ｓ眉軜?gòu) DSA（Domain-Specific Architecture）就是一個有效的方法。DSA 可以針對特定領(lǐng)域應(yīng)用程序，定制微結(jié)構(gòu)，從而實現(xiàn)數(shù)量級提高性能功耗比。這相當于是把頂尖程序員的知識直接實現(xiàn)到硬件上。3. 第二個定律是牧村定律（也有稱「牧村波動」）。1987 年， 原日立公司總工程師牧村次夫(Tsugio Makimoto) 提出，半導(dǎo)體產(chǎn)品發(fā)展歷程總是在「標準化」與「定制化」之間交替擺動，大概每十年波動一次。牧村定律背后是性能功耗和開發(fā)效率之間的平衡。
  對于處理器來說，就是專用結(jié)構(gòu)和通用結(jié)構(gòu)之間的平衡。最近這一波開始轉(zhuǎn)向了追求性能功耗，于是專用結(jié)構(gòu)開始更受關(guān)注。4. 第三個定律是貝爾定律。這是 Gordon Bell 在 1972 年提出的一個觀察，具體內(nèi)容如下面的 PPT 所述。值得一提的是超級計算機應(yīng)用最高獎 “戈登 · 貝爾獎” 就是以他的名字命名。
5. 貝爾定律指明了未來一個新的發(fā)展趨勢，也就是 AIoT 時代的到來。這將會是一個處理器需求再度爆發(fā)的時代，但同時也會是一個需求碎片化的時代，不同的領(lǐng)域、不同行業(yè)對芯片需求會有所不同，比如集成不同的傳感器、不同的加速器等等。如何應(yīng)對碎片化需求？這又將會是一個挑戰(zhàn)。

6. 這三個定律都驅(qū)動計算機體系結(jié)構(gòu)向一個方向發(fā)展，那就是「DSA」。如何實現(xiàn) DSA，這又涉及到兩個方面：
為了追求性能功耗，有三條主要的設(shè)計原則（見下面 PPT）；
為了應(yīng)對碎片化需求，則需要發(fā)展出處理器敏捷設(shè)計新方法。（這個回答就不介紹敏捷設(shè)計方法了）7. 在談一些具體技術(shù)之前，我們可以先總體看一下過去幾十年 CPU 性能是如何提升的。下面這頁 PPT 列出了 1995-2015 這二十年 Intel 處理器的架構(gòu)演進過程——這是一個不斷迭代優(yōu)化的過程，集成了上百個架構(gòu)優(yōu)化技術(shù)。
這些技術(shù)之間還存在很多耦合，帶來很大的設(shè)計復(fù)雜度。比如 2011 年在 Sandy Bridge 上引入了大頁面技術(shù)，要實現(xiàn)這個功能，會涉及到超標量、亂序執(zhí)行、大內(nèi)存、SSE 指令、多核、硬件虛擬化、uOP Fusion 等等一系列 CPU 模塊和功能的修改，還涉及操作系統(tǒng)、編譯器、函數(shù)庫等軟件層次修改，可謂是牽一發(fā)動全身。（經(jīng)�？吹接腥苏f芯片設(shè)計很簡單，也許是因為還沒有接觸過 CPU 芯片的設(shè)計，不知道 CPU 設(shè)計的復(fù)雜度）
8. 處理器內(nèi)部有非常復(fù)雜的狀態(tài)，其狀態(tài)變化是由程序驅(qū)動的。也就是說，處理器狀態(tài)取決于程序行為（見下面 PPT），而 CPU 體系結(jié)構(gòu)層次的優(yōu)化思路就是發(fā)現(xiàn)程序行為中的共性特征并進行加速。
如何發(fā)現(xiàn)程序行為中的共性特征，就是處理器優(yōu)化的關(guān)鍵點，這需要對程序行為、操作系統(tǒng)、編程與編譯、體系結(jié)構(gòu)等多個層次都有很好的理解，這也是計算機體系結(jié)構(gòu)博士的基本要求。這也是為什么很多國外的計算機體系結(jié)構(gòu)方向?qū)儆?/span> Computer Science 系。
  題外話：這兩天看到國內(nèi)成立集成電路一級學(xué)科，這是一個好消息。不過要能培育 CPU 設(shè)計人才，在課程設(shè)計上不要忽視了操作系統(tǒng)、編程與編譯這些傳統(tǒng)計算機科學(xué)的課程。9. 舉兩個發(fā)現(xiàn)熱點應(yīng)用和熱點代碼、并在體系結(jié)構(gòu)層次上優(yōu)化的例子。一個例子是發(fā)現(xiàn)在不少領(lǐng)域 TCP/IP 協(xié)議棧五層協(xié)議（L5Ps）存在很多大量共性操作，比如加密解密等，于是直接在網(wǎng)卡上實現(xiàn)了一個針對 L5Ps 的加速器，大幅加速了網(wǎng)絡(luò)包處理能力。另一個例子是這次疫情導(dǎo)致云計算數(shù)據(jù)中心大量算力都用來做視頻轉(zhuǎn)碼，于是設(shè)計了一個硬件加速器專門來加速視頻轉(zhuǎn)碼，大幅提升了數(shù)據(jù)中心效率。

  發(fā)現(xiàn)和識別這種熱點應(yīng)用和熱點代碼并不容易，需要由很強大的基礎(chǔ)設(shè)施和分析設(shè)備。比如 Google 在其數(shù)據(jù)中心內(nèi)部有一個 GWP 工具，能對整個數(shù)據(jù)中心應(yīng)用在很低的開銷下進行監(jiān)測與統(tǒng)計，找到算力被那些熱點程序 / 代碼消耗，當前的 CPU 哪些部件是瓶頸。比如 GWP 顯示在 Google 數(shù)據(jù)中心內(nèi)部有 5% 的算力被用來做壓縮。

  正是得益于這些基礎(chǔ)工具，Google 很早就發(fā)現(xiàn) AI 應(yīng)用在數(shù)據(jù)中心中應(yīng)用比例越來越高，于是開始專門設(shè)計 TPU 來加速 AI 應(yīng)用。11. 下面分別從三個方面來介紹體系結(jié)構(gòu)層面的常見優(yōu)化思路：減少數(shù)據(jù)移動、降低數(shù)據(jù)精度、提高處理并行度。
  首先看一下如何減少數(shù)據(jù)移動。第一個切入點是指令集——指令集是程序語義的一種表達方式。同一個算法可以用不同粒度的指令集來表達，但執(zhí)行效率會有很大的差別。一般而言，粒度越大，表達能力變?nèi)�，但是�?zhí)行效率會變高。12. 通用指令集為了能覆蓋盡可能多的應(yīng)用，所以往往需要支持上千條指令，導(dǎo)致流水線前端設(shè)計（取指、譯碼、分支預(yù)測等）變得很復(fù)雜，對性能與功耗都會產(chǎn)生負面影響。13. 針對某一個領(lǐng)域設(shè)計專用指令集，則可以大大減少指令數(shù)量，并且可以增大操作粒度、融合訪存優(yōu)化，實現(xiàn)數(shù)量級提高性能功耗比。下面 PPT 的這組數(shù)據(jù)是斯坦福大學(xué)團隊曾經(jīng)做過的一項研究，從這個圖可以看出，使用了「Magic Instruction」后，性能功耗比大幅提升幾十倍。而這種 Magic Instruction 其實就是一個非常具體的表達式以及對應(yīng)的電路實現(xiàn)（見 PPT 右下角）。14. 第二個減少數(shù)據(jù)移動的常用方法就是充分發(fā)揮緩存的作用。訪存部件其實是處理器最重要的部分了，涉及許多技術(shù)點（如下面 PPT）。很多人都關(guān)注處理器的流水線多寬多深，但其實大多數(shù)時候，訪存才是對處理器性能影響最大的。
  關(guān)于訪存優(yōu)化，也有一系列技術(shù)，包括替換、預(yù)取等等。這些技術(shù)到今天也依然是體系結(jié)構(gòu)研究的重點，這里就不展開細講了。15. 不再展開介紹訪存優(yōu)化技術(shù)，就選最近比較熱的內(nèi)存壓縮方向介紹一下。
IBM 在最新的 Z15 處理器中增加了一個內(nèi)存壓縮加速模塊，比軟件壓縮效率提高 388 倍，效果非常突出。16. 英偉達也在研究如何在 GPU 中通過內(nèi)存壓縮技術(shù)來提升片上存儲的有效容量，從而提高應(yīng)用性能。17. Intel 在訪存優(yōu)化上很下功夫，可以通過對比兩款 Intel CPU 來一窺究竟。Core 2 Due T9600 和 Pentium G850 兩塊 CPU，工藝差一代，但頻率相近，分別是 2.8GHz 和 2.9GHz，但性能差了 77%——SPEC CPU 分值 G850 是 31.7 分，而 T9600 只有 17.9 分。
  頻率相當，為何性能會差這么多？事實上，G850 的 Cache 容量比 T9600 還要小——6MB L2 vs. 256KB L2 + 3MB L3。
  如果再仔細對比下去，就會發(fā)現(xiàn)這兩款處理器最大的區(qū)別在于 G850 適配的內(nèi)存控制器中引入 FMA（Fast Memory Access）優(yōu)化技術(shù)，大幅提高了訪存性能。