如何處理SoC中的性能瓶頸呢？

SoC 中不斷添加處理核心，但它們不會(huì)都得到充分利用，因?yàn)檎嬲钠款i沒(méi)有得到解決。

SoC 需要處理的數(shù)據(jù)量激增，雖然處理核心本身可以處理這些數(shù)據(jù)，但內(nèi)存和通信帶寬成為瓶頸?，F(xiàn)在的問(wèn)題是可以采取什么措施解決這個(gè)問(wèn)題。

內(nèi)存和 CPU 帶寬之間的差距（即所謂的內(nèi)存墻）不是一個(gè)新問(wèn)題，還在繼續(xù)惡化。

早在 2016 年，德克薩斯州高級(jí)計(jì)算中心的研究科學(xué)家 John McCalpin 就發(fā)表了一次演講，研究了高性能計(jì)算 (HPC) 的內(nèi)存帶寬和系統(tǒng)資源之間的平衡。他分析了當(dāng)時(shí)排名前 500 的機(jī)器，并剖析了它們的核心性能、內(nèi)存帶寬、內(nèi)存延遲、互連帶寬和互連延遲。他的分析表明，每個(gè)插槽的峰值 FLOPS 每年增加 50% 到 60%，而內(nèi)存帶寬每年僅增加約 23%。此外，內(nèi)存延遲每年減少約 4%，互連帶寬和延遲每年增加約 20%。這些表明數(shù)據(jù)移動(dòng)方面存在持續(xù)且不斷擴(kuò)大的不平衡。

這意味著，如果我們傳輸數(shù)據(jù)，則每次內(nèi)存?zhèn)鬏斔ㄙM(fèi)的時(shí)間相當(dāng)于 100 次浮點(diǎn)算術(shù)運(yùn)算。也就是說(shuō)，如果無(wú)法預(yù)取并且錯(cuò)過(guò)了cache，你就失去了執(zhí)行超過(guò) 4,000 次浮點(diǎn)運(yùn)算的機(jī)會(huì)。

系統(tǒng)性能要素的不平衡。

一個(gè)設(shè)計(jì)良好的系統(tǒng)是平衡的。大多數(shù)人想要的是更有效地使用晶體管，目標(biāo)每美元的吞吐量和每瓦特的吞吐量將會(huì)更高，總之利用率越高越好。

在考慮系統(tǒng)性能時(shí)，要么受計(jì)算限制，要么受內(nèi)存限制，要么受 I/O 限制。隨著計(jì)算速度的加快，需要更加重視內(nèi)存是否能夠跟上計(jì)算速度，并且還需要更高的帶寬接口來(lái)將傳輸數(shù)據(jù)。

但業(yè)界對(duì)處理性能非常著迷。實(shí)際上，計(jì)算單元很重要，但它們通常不是實(shí)際系統(tǒng)速度的限制因素。系統(tǒng)速度和工作負(fù)載強(qiáng)相關(guān)，它取決于數(shù)據(jù)從某個(gè)地方來(lái)、以某種方式處理并發(fā)送到數(shù)據(jù)被需要的地方有多快，并受到沿途亂七八糟事情的干擾。

這意味著不可能構(gòu)建一個(gè)適合所有任務(wù)的最佳系統(tǒng)。關(guān)鍵是要確保其均衡性良好，并且在任何區(qū)域都不會(huì)過(guò)度配置。

移動(dòng)數(shù)據(jù)

移動(dòng)數(shù)據(jù)肯定會(huì)影響系統(tǒng)性能，也與功耗有關(guān)，因?yàn)橐苿?dòng)一段數(shù)據(jù)比對(duì)其執(zhí)行計(jì)算消耗的功耗高幾個(gè)數(shù)量級(jí)。完成一項(xiàng)任務(wù)，一般意味著將數(shù)據(jù)通過(guò)外部接口移入內(nèi)存，從內(nèi)存到CPU，中間結(jié)果在內(nèi)存和CPU之間來(lái)回切換，最后結(jié)果通過(guò)外部接口推回。

無(wú)論你的計(jì)算速度有多快，或者你的內(nèi)存陣列有多大，最終決定芯片和系統(tǒng)性能的是連接兩者的總線帶寬。這就是最大的瓶頸所在，不僅僅是總線，還有高速接口，它們都為解決數(shù)據(jù)訪問(wèn)瓶頸做出了自己的努力。

有效的內(nèi)存帶寬的提升是cache的采用。假設(shè)大多數(shù)內(nèi)存訪問(wèn)來(lái)自cache而不是主存，這有效地使數(shù)據(jù)更接近處理器，并減少延遲。處理器性能的提高如此之快，主要是通過(guò)核心數(shù)量的快速增加。然而，cache性能一直在下降，這是導(dǎo)致延遲增加的主要原因之一。即使 HBM 的引入也未能扭轉(zhuǎn)這一趨勢(shì)。cache性能的降低是因?yàn)閏ache設(shè)計(jì)變得越來(lái)越復(fù)雜，特別是隨著更多核心保持cache coherent，并且多級(jí)cache串行l(wèi)ookup以節(jié)省功耗。

另一種選擇是將計(jì)算移至更靠近內(nèi)存的位置。in-memory computing的時(shí)代才剛剛開(kāi)始，這可以通過(guò)三種方式實(shí)現(xiàn)。

1、通常，由于 DRAM 制造的經(jīng)濟(jì)性，我們不會(huì)在 DRAM 芯片上看到很多復(fù)雜的邏輯。我們可能會(huì)看到少量非常具體的函數(shù)被添加到這些芯片中，例如累加或乘累加函數(shù)，這在許多 DSP 和 AI 算法中很常見(jiàn)。

2、第二種可能是像 CXL.mem 這樣的技術(shù)，在這種技術(shù)中，將計(jì)算功能添加到控制內(nèi)存陣列的邏輯芯片中是非常可行的。從技術(shù)上講，這是在內(nèi)存附近處理而不是在內(nèi)存中處理。

3、第三個(gè)介于兩者之間。對(duì)于某些堆疊式存儲(chǔ)器（例如 HBM），通常有一個(gè)邏輯芯片與 DRAM 共同封裝在同一堆疊中，并且該邏輯芯片是面向 CPU 和 DRAM 設(shè)備的總線之間的接口。該邏輯芯片為邏輯芯片上的中低復(fù)雜度處理元件提供了空間。

HBM 的成功無(wú)疑幫助普及了chiplets的概念，曾經(jīng)受到光罩限制或產(chǎn)量限制的芯片現(xiàn)在可以在多個(gè)chiplets上制造并集成到一個(gè)封裝中。然而，現(xiàn)在需要的芯片間連接解決方案可能比單個(gè)芯片上的連接解決方案慢。當(dāng)公司將芯片分割成多個(gè)同質(zhì)芯片時(shí)，希望在分割芯片上執(zhí)行相同的操作，又不會(huì)降低性能或準(zhǔn)確性。

實(shí)際上，這些chiplets是在系統(tǒng)環(huán)境中設(shè)計(jì)的，不僅僅是之前那樣的存儲(chǔ)器或控制器設(shè)計(jì)。封裝中的 IC 會(huì)引入其自身的寄生效應(yīng)，因此你需要將其視為一個(gè)系統(tǒng)，并查看眼圖，看看如何根據(jù)系統(tǒng)的運(yùn)行條件，信號(hào)的來(lái)源和接收方，對(duì)其進(jìn)行優(yōu)化，從而大幅增加帶寬并減少延遲。這些目的決定了接口和協(xié)議。USB、SATA、PCIe、CXL、DDR、HMC、AXUI、MIPI，這些不勝枚舉的協(xié)議都需要接口，業(yè)內(nèi)正在創(chuàng)建更新的協(xié)議，并且需要新的接收器來(lái)實(shí)現(xiàn)這些芯片到芯片的連接。

multi-die系統(tǒng)的一大優(yōu)勢(shì)是可用連接的數(shù)量變得更多。從 I/O 的角度來(lái)看，我們?cè)?jīng)擁有 1,024 位總線，然后我們轉(zhuǎn)向串行接口。但最近發(fā)生的情況是，那些串行接口現(xiàn)在已經(jīng)變成并行接口，例如 x32 PCIe，它由 32 通道超高速串行連接組成。

工作負(fù)載

如前所述，系統(tǒng)性能和工作負(fù)載強(qiáng)相關(guān)。不可能制造針對(duì)所有情況優(yōu)化的通用機(jī)器。找到PPA平衡迫使人們重新思考和定制芯片。

像人工智能這樣的任務(wù)也存在著不同的工作負(fù)載。如果你觀察人工智能，就會(huì)發(fā)現(xiàn)它有兩個(gè)方面。一個(gè)是訓(xùn)練，在訓(xùn)練中你需要不斷地訪問(wèn)內(nèi)存，因?yàn)闄?quán)重就在那里。而且你會(huì)不斷改變權(quán)重，此時(shí)內(nèi)存訪問(wèn)是關(guān)鍵。然而，如果你看推理，模型已經(jīng)訓(xùn)練好了，你所要做的就是 MAC 操作，沒(méi)有訪問(wèn)內(nèi)存去改變權(quán)重。

尋找適當(dāng)?shù)钠胶庑枰捎脜f(xié)同設(shè)計(jì)方法。在架構(gòu)階段，需要評(píng)估芯片的各種場(chǎng)景，關(guān)注芯片內(nèi)以及芯片外的吞吐量和帶寬。另一方面，物理設(shè)計(jì)團(tuán)隊(duì)必須找出芯片的最佳尺寸。由于產(chǎn)量和功率的原因，它不能太大，更不能太小。然后設(shè)計(jì)團(tuán)隊(duì)必須為他們構(gòu)建接口和協(xié)議。架構(gòu)團(tuán)隊(duì)、物理設(shè)計(jì)團(tuán)隊(duì)和設(shè)計(jì)團(tuán)隊(duì)不斷地進(jìn)行三方戰(zhàn)斗，以找到讓每個(gè)人都滿(mǎn)意的最佳點(diǎn)。當(dāng)然，少不了驗(yàn)證這個(gè)守門(mén)員。

計(jì)算范式

對(duì)于某些問(wèn)題，使用傳統(tǒng)軟件可能會(huì)導(dǎo)致解決方案效率低下。這發(fā)生在從單核到多核的過(guò)渡以及 GPGPU 的采用期間。業(yè)界正在等待新一代人工智能硬件的實(shí)現(xiàn)。GPU 可以進(jìn)行大規(guī)模并行計(jì)算，除了渲染形狀之外還可以做各種事情。

結(jié)論

添加更多或更快的處理核心固然很棒，但除非你能讓它們保持忙碌，否則就是在浪費(fèi)時(shí)間、金錢(qián)和電力。

隨著 DRAM 遷移到封裝中，預(yù)計(jì)潛在帶寬將持續(xù)增加，但 DRAM 性能在過(guò)去 20 年里始終沒(méi)有跟上處理器，那么業(yè)界將不得不通過(guò)自身架構(gòu)來(lái)解決這個(gè)問(wèn)題。