本文來源： 電子工程專輯
原文作者： 黃燁鋒
原文鏈接：https://mp.weixin.qq.com/s/bGhAlOZguTirxik6ComGrg
雖然我們此前就多番探討過現(xiàn)階段RISC-V嘗試入侵高性能計算市場的可能性，但起碼現(xiàn)在提到RISC-V，大部分人的第一反應(yīng)仍然是嵌入式應(yīng)用。
其實RISC-V在高性能市場的探索，能夠列舉的例證還是比較多樣的，不僅是這個市場前一陣比較熱的Veteran。這次我們來看看另外一家準備在RISC-V高性能計算領(lǐng)域一展拳腳、而且算是含著金湯匙出生的企業(yè)Tenstorrent。
這家公司現(xiàn)在的CEO是鼎鼎大名的Jim Keller;另外很多人應(yīng)該知道，前一陣Raja Koduri從Intel離職后準備搞自己的初創(chuàng)公司，但與此同時他也是Tenstorrent的董事會成員之一;是不是感覺這公司還挺有花頭的?借著Tenstorrent的芯片路線圖及技術(shù)規(guī)劃，我們也能更進一步搞清楚RISC-V未來在HPC市場的可能性，以及AI芯片的發(fā)展趨勢。
01 RISC-V核的超寬微架構(gòu)
最早聽說Tenstorrent，我們普遍說這是個做AI芯片的公司，但在去年的RISC-V Summit峰會上，Tenstorrent的CPU首席架構(gòu)師Wei-han Lien特別談到了自家在做的CPU產(chǎn)品，核心代號Ascalon。這是個基于RISC-V指令集、亂序執(zhí)行超標量CPU，著力于AI與服務(wù)器的高性能市場。
其實能看到這家公司出現(xiàn)包括Wei-han Lien和Jim Keller在內(nèi)的名字，應(yīng)該就很容易想見，CPU甚至已經(jīng)是Tenstorrent的重頭戲了。Jim Keller暫且不提，Wei-han Lien曾經(jīng)在AMD、PA-Semi、蘋果都扮演芯片設(shè)計的重要角色。Tom's Hardware在報道文章中說，此人參與了蘋果A6、A7，甚至是M1 CPU微架構(gòu)設(shè)計工作。
有興趣的同學(xué)可以去油管看一看Wei-han Lien在去年RISC-V Summit峰會上的主題演講。他談到兩個點給我們留下了比較深刻的印象，其一是推出CPU的出發(fā)點應(yīng)當(dāng)在于輔助AI芯片(所謂companion CPU)。所以Tenstorrent的自研架構(gòu)CPU最重要職能就是“CPU for AI Computation”。
原因也很簡單，“很多人可能并沒有意識到在AI計算中，CPU扮演著非常非常重要的角色，尤其是在訓(xùn)練(training)方面。”Lien說，“有人知道數(shù)據(jù)中心AI訓(xùn)練過程中，CPU功耗多少嗎?不是10%，也不是20%，時間和功耗都超過了50%，包括CPU對數(shù)據(jù)的預(yù)處理和后處理?！焙笪臅劦?，Tenstorrent將Ascalon CPU核心集成到AI芯片上的方案。
其二是Lien談了為什么在指令集上選了RISC-V，而不是Arm。他說在2021年加入公司時，對ML處理器的companion CPU做評估，他去找了Arm詢問能否支持某種特定的數(shù)據(jù)類型，Arm的答復(fù)是不行。據(jù)說Arm對于這種程度的支持需要2年時間的內(nèi)部討論和與合作伙伴之間的磋商。所以RISC-V很快成為新選擇——Tenstorrent的AI芯片選擇的companion CPU IP就來自SiFive。
后續(xù)Tenstorrent又需要性能更高的CPU，于是就決定自己設(shè)計，也就有了Ascalon。HWcooling前不久發(fā)布的評論文章認為，Ascalon的超寬架構(gòu)設(shè)計和蘋果芯片很像。我們來看看Ascalon的一些設(shè)計大方向。
Tenstorrent的Ascalon核心具體為64bit的RV64ACDHFMV指令集架構(gòu)，也就是說支持矢量指令集擴展——這在RISC-V世界來得算是比較遲的。
整體微架構(gòu)前端8-wide解碼(之前在談Veteran的RISC-V超寬微架構(gòu)時我們就提到了，其RISC-V核前端選配了8-wide取指)，每周期能處理8個RISC-V指令——這個寬度和蘋果Firestorm的設(shè)計就類似了。
另外Ascalon架構(gòu)有6個整數(shù)ALU，2個分支執(zhí)行單元;而load/store三條管線還是比蘋果現(xiàn)行方案少了1個的(load/store分配情況未知)，load/store隊列深度比較深，但具體是多少未知;
核心有2條FPU管線，用于浮點運算，并同時用作SIMD矢量單元——位寬256bit。其實就這個數(shù)字來看，SIMD吞吐仍未達到x86服務(wù)器平臺競品的程度——雖然光看紙面位寬和管線數(shù)字并不可靠。
國外媒體還提到Tenstorrent采用了“先進的TAGE分支預(yù)測器”;cache容量情況未知，但“L1顯然會和蘋果的128KB, 8-way associativity類似”;“從指令cache取指應(yīng)當(dāng)為32bytes/cycle”;還有一些關(guān)鍵信息未知，例如ROB深度，有一定概率與蘋果芯片的思路相似，即比較高的亂序度。則核心的IPC理論上就會很理想，不需要太高的頻率。
演講中，Lien提到目前工程師已經(jīng)在搞RTL和物理設(shè)計，右下角那張圖就是die photo。下面兩張圖給出了核心設(shè)計的難度、模塊化方案、如何做性能建模等等...本文不再做展開，有興趣的可以去看看演講視頻。
02. 128核心的集群組成chiplet
實際上，根據(jù)decode解碼寬度，Tenstorrent準備了5個不同的CPU IP，面向不同的應(yīng)用：是同一方案的不同規(guī)模實施。按照解碼寬度和性能，做了如下切分：
從2-wide解碼，到8-wide解碼，達成不同的PPA目標，也就面向不同的應(yīng)用：涵蓋了邊緣設(shè)備、客戶端PC、HPC高性能計算等，似乎還有一些更基礎(chǔ)的應(yīng)用。其實就核心層面就做這么多種設(shè)計，多少就有點IP公司的意思了——授權(quán)IP的確也是這家公司的盈利模式之一，后文會談到。
當(dāng)Ascalon核心組成集群(cluster)，多核方案形如上圖所示——一個集群可以配8個Ascalon核心(也就是最大8-wide的那個核心);集群內(nèi)12MB共享集群cache;此外走向集群外部fabric的CHI coherency bus帶寬230GB/s;也有non-coherency bus，230GB/s，面向加速單元。
Lien特別提到，共享集群cache和scratchpad memory相關(guān)的存儲一致性方案，“不僅讓Ascalon核心非常適用于常規(guī)服務(wù)器的高性能核心，而且很適合用于AI計算”。
基于核心集群可以構(gòu)成128個核心的設(shè)計(AEGIS Chiplet系統(tǒng)架構(gòu))，作為AI的companion CPU集群。整個系統(tǒng)切分成了4塊，每一塊都是cc-NUMA(cache coherency non-uniform memory access)結(jié)構(gòu)，Lien的原話是“fully coherency system”。
整顆chiplet本身配有die-to-die接口，ppt上只提到了針對可擴展性達成“充足的帶寬”。后面Lien在介紹Black Hole系統(tǒng)的時候，似乎有提到雙芯(dual-chip)的2TB/s die-to-die帶寬。
上述方案以IP的方式對外提供授權(quán)(包括RTL、hard macro，甚至GDS(Graphic Data Stream));另外從國外媒體的報道來看，Tenstorrent也出售chiplet、機器學(xué)習(xí)加速卡，或者包含CPU和ML加速單元的解決方案，而且還賣服務(wù)器系統(tǒng)。
就說這個業(yè)務(wù)模式還真是多樣化，作為IP供應(yīng)商，又自己賣chiplet、賣芯片，還做系統(tǒng)，那是和不同層級的客戶達成了競爭關(guān)系的。不過這也不是咱要討論的重點。
實際上，就Tenstorrent出售的芯片和系統(tǒng)，上述CPU核心主要還是為AI服務(wù)的。
03. 用作AI芯片的companion CPU
所以接下來我們談?wù)凾enstorrent的AI芯片。過去2年，這家公司分別推出過Grayskull和Wormhole，詳細配置情況如下圖所示。這兩款A(yù)I處理器很自然地需要搭配主CPU，系統(tǒng)層面產(chǎn)品形態(tài)是作為板卡插在Tenstorrent自己的服務(wù)器里面的。在Wormhole這代產(chǎn)品上，4U的Nebula服務(wù)器內(nèi)有32塊Wormhole板卡，6KW功率達成Int8的12 PFLOP算力。
不過這兩顆芯片不是我們要關(guān)注的重點，上圖中的Black Hole是這家公司的首款“CPU+ML解決方案”。注意看圖中，除了標記“T”的加速單元(名為Tensix)，右邊還有標記為綠色“C”的CPU核心——這部分就是companion CPU。
不過Black Hole所用的14個CPU核心，用的是SiFive的X280——外圍的8通道GDDR6、1200Gb/s以太網(wǎng)連接、32 lane PCIe Gen 5就不多談了。今年Tenstorrent最新的PPT似乎更新了時間線，即上述所有產(chǎn)品均延后一年，所以Black Hole對應(yīng)于2023年，Grendel對應(yīng)于2024年。
規(guī)劃中的Grendel就會用上前文提到的來自Tenstorrent自己的Ascalon核心，也就是自研RISC-V CPU，前端8-wide解碼那個。這顆芯片的AI和CPU chiplet都會選擇3nm工藝——這可能是目前已知最早的應(yīng)用尖端制造工藝的RISC-V芯片。
這張示意圖畫得還是挺有趣，AI加速單元是基于2D torus NoC互聯(lián)，連接DDR內(nèi)存(不支持HBM)，連接RISC-V CPU，以太網(wǎng)用于擴展，當(dāng)然還有PCIe連接。值得一提的是，因為Tenstorrent的角色定位，可能最終產(chǎn)品選擇不同IP是存在靈活性的，比如說DRAM控制器、PHY之類的選配，據(jù)說Tenstorrent未來準備開發(fā)自己的內(nèi)存控制器，現(xiàn)在用的還是三方的方案。
從今年Tenstorrent公布的框圖來看，多chiplet方案的確讓Grendel看起來就是個大規(guī)模芯片。Tom's Hardware在文章中說，實則基于業(yè)務(wù)需求以及經(jīng)濟性考量，這顆芯片的AI chiplet部分(也就是那一堆Tensix單元)可以用3nm工藝，或者也可以用Black Hole的chiplet，甚至也可能CPU部分就繼續(xù)用SiFive X280。chiplet之間通訊如前所述可達成2TB/s的帶寬。
最后來談一下Ascalon或者其他RISC-V CPU用在這樣的AI芯片里，具體要干什么。實際上，Tenstorrent的CPU并不是單純用于AI流程控制的，而是可以替代x86的主CPU。其職能涵蓋了虛擬化、安全、系統(tǒng)管理、計算內(nèi)核調(diào)度設(shè)置。
在用作輔助AI計算時，價值自然就包括了數(shù)據(jù)預(yù)處理，預(yù)防訓(xùn)練數(shù)據(jù)overfeeding之類的問題;還有當(dāng)CPU的矢量單元比較強悍時，對于整個處理器適配未來的算法會很有價值，或者說CPU是整顆芯片彈性化的體現(xiàn)方式之一。另外兩者之間的協(xié)同，也體現(xiàn)在了包括互連通訊與存儲等的CPU微架構(gòu)設(shè)計里，那么compiler要在加速器和CPU之間做計算遷移也會很容易。這都是Tenstorrent自己要做CPU，且基于RISC-V的原因所在。
軟件棧，以及系統(tǒng)搭建為服務(wù)器產(chǎn)品的部分這里就不談了，畢竟我們這篇文章其實就是看一看當(dāng)RISC-V指令集用于HPC時，CPU架構(gòu)大概會長什么樣的。不過其實在系統(tǒng)層面，Tenstorrent還考慮到大規(guī)模集群計算，需要做數(shù)據(jù)遷移勢必要用到DPU的問題——畢竟這已經(jīng)是個共識了;Tenstorrent就說RISC-V在此也成為相當(dāng)棒的選擇...
整體上，看一遍Tenstorrent的RISC-V CPU設(shè)計，仍有種對于具體應(yīng)用而言，技術(shù)層面究竟選擇何種“指令集”都不是什么重點，而在于設(shè)計和實施方案的感覺。而阻斷x86和Arm成為其選擇的原因并不在于指令集本身，而在于RISC-V開源體現(xiàn)出的靈活性。這大概也更便于Jim Keller這類人去施展拳腳。雖然就外圍存儲、互聯(lián)的堆料看來，可能還是不能直接與英偉達硬碰硬，但靈活性和成本可能會是重要優(yōu)勢項。
當(dāng)然Grendel這顆3nm AI芯片畢竟也還沒有做出來，目前也還不清楚CPU的IP授權(quán)業(yè)務(wù)開展情況如何——其實就像前文提到的Tenstorrent的業(yè)務(wù)模式比較奇特，他們的上游供應(yīng)商和下游客戶又同時是競爭對手。比如SiFive既為其CPU提供IP，同時后代產(chǎn)品又直接形成了競爭對手關(guān)系。所以業(yè)務(wù)開展如何還有待觀察。
不過那么多大佬入局，還是讓Tenstorrent這家公司在開局成為了惹人注目的焦點。起碼RISC-V未來成為市場競爭的主要角色之一已經(jīng)不會再有疑問，而且絕對不光是低功耗和嵌入市場。