从M1Grace再到华为，缝合风为何会在芯片大厂中流行

Posted 2022-09-16 beyondma

历史不会简单重复，但总是惊人的相似。之前在电影、游戏等人文领域流行的缝合风，似乎也对IT界芯片设计师们产生了影响，虽然去年华为提出的双芯叠加方案还被全网群嘲，而上周英伟达最新的发布会上，黄仁勋发布的Grace CPU Superchip却成了真香的作品，不过这款芯片其实就是用两块Grace粘在一起而形成的。

 

而上个月中旬苹果春晚上发布的M1 Ultra也是同样的配方，同一个套路，他们直接把两块M1 MAX拼到一块，就这样一款新的“伟大”芯片就诞生了。

 

当然笔者这里对于此类缝合作品并不抱有偏见，毕竟像“原神”那样的作品在上市之初也被指责是缝合怪，但这丝毫不影响米哈游目前的大杀四方，让来自于各个国家的粉丝都疯狂氪金，不过笔者还是要指出这种缝合式芯片的大行其道，其实是缺芯潮不断持续而产生的影响，由于科技业界忙于眼前的苟且，创新后劲不足，对新设计、新理念缺乏信心，在这种情况下考虑到原来的M1 MAX已经大获成功了，而且台积电的制造经验也成熟，把两块已经成熟的芯片粘在一起，风险要远比造全新的芯片要小得多。

其实这股缝合风从苹果的初代M1就开始了，只是初代的M1的目标是把CPU、GPU、内存缝合到一起，由于使用的都是片内内存，所以理论上讲M1系列的全族芯片都是不支持内存扩展的，要换只能把CPU、GPU打包一起换掉。当然缝合方案的影响不只于此，下面我们就来分析一下这种芯片缝合方案的具体情况。

内存带宽极高，CPU和GPU通信能力超强

由于内存完全被芯片集成，内存与CPU之间的通信也就不用经过主板进行转手了，因此目前我们可以看到英伟达的Grace CPU的内存带宽可以达到惊人每秒1TB，而苹果M1 Ultra也是不遑多让，有每秒800GB的成绩。这是我们一般主板接入内存的普通X86玩家所不能想象的效果，可见甩了主板这个中间商以后，其实内存的速度还是能打的。

另外由于M1系列缝合式芯片内存、GPU都是由CPU进行统一管理，也就是说内存与显存是共享的，这就可以大大提高CPU与GPU的通信效率，从而增强图像处理、3D建模等任务的处理效率。由于英伟达Grace尚未投产，具体细节还不多，因此这里这种片内共享所带来的加成效应，我们继续以苹果M1举例，我们知道苹果初代M1显存与内存加在一起只有16G，而M1前一代的MAC PRO内存是128G，光是显存都有都与M1持平16G，不过搭载M1的入门版MAC在进行图像处理等任务时，却要比上一代顶配的MAC还要强出近一倍。而本次发布的M1 MAX更是直接将内存带宽提升到初代M1的6位，其性能加强的程度也就可想而知了。

正如上文所说英伟达最近发布处理器中用到的缝合技术NVlink，其实采用了和苹果比较类似的思路。未来不排除英特尔和AMD也会跟进，今后内存也很可能不会再是一个单独的元件了，被集成起来也会是一种趋势。

AI算力史诗级提升，元宇宙可期

在AI优化方面，现在看来未来主流的Tensor也就是矢量的主流格式正在由FP32向FP8。我们看到在英伟达最新的显卡H100中，主打的矢量格式就已经明确是FP8了。

 

不管是AI计算，还是元宇宙概念，其最基本的计算单元都是矢量。以深度神经网络为例，神经元可以抽象为对于输入矢量乘以权重以表示信号强度乘积加总，再由ReLU、Sigmoid等应用激活函数调节，本质是将输入数据与权重矩阵相乘，并输入激活函数，对于有三个输入数据和两个全连接神经元的单层神经网络而言，需要把输入和权重进行六次相乘，经典CNN中无论GEMM的矩阵乘法运算还是卷积地乘加计算都是使用fp32也就是用32位字长的数字来表示的，在这种情况下如果我们可以使用fp8来作为输入表示此以过程，其计算量至少可以下降75%。尤其在图像处理的场景下，通常由fp32到fp8的转换，如果方案得当，其精度损失是低于1%的。因此在针对fp8类型的计算加速也就是业界都在探讨的话题。

 

 

由于之前英特尔去年至强三代中引入的VNNI已经针对FP8进行过加速优化，据笔者所知咱们国内某大厂在实时生成用户3D头像模型的应用中，在VNNI的支持下可以在精度降低1%的情况下，性能还提升了4.23倍。而这次英伟达的发布会上，黄仁勋的说法也为FP8投上了关键一票。

RISC的自带光环，超强的译码器

目前处理器的流水线一般分为取指、译码、取操作数等等环节，其中译码是一个非常重要的环节。译码器方面ARM架构的精简指令集的确有一定优势，由于指令都是定长的，完全可以做出高效的多路译码器以提升效率。据笔者所知之前初代M1应该是四路译码，目前的M1 MAX和Ultra都是6路指令解码器，8µop发射宽度，6路分配、10路执行端口的指标。但是英特尔和AMD想用缝合方案的话，就需要实现像M1 Ultra这么强的译码器，但由于X86指令集是变长的，因此X86芯片的译码器一般都先按短码进行翻译，遇差错再返工，这也就很难在相同的功耗下达到很强的译码效率。

未来趋势－打破指令集之间的墙

在英特尔IDM2.0的战略当中有重要的一个原则，就是敞开大门，全面接收各种芯片的订单，同时也可以考虑在同一芯片中集成多种不同指令集的核心，这可能终极的缝合目标，也就是同一块芯片中可以由英特尔的CPU当大核，ARM的CPU当小核，AMD的显卡当GPU的神奇组合。

这种趋势在英特尔在去年发布的Alder Lake处理器中搭建的Thread Director上已经显出端倪。Thread Director就是这样一种软、硬结合的核心调度方案，英特尔的做法是在处理器中集成了一个专用的MCU，用来监控当前处理器内核的运行情况，能够监测到每个线程的特征，比如它运行什么样的指令集、它的性能需求如何等等。在收集完信息之后，MCU会将收集到的信息反馈给操作系统，再次操作系统把这些信息与线程调度信息相结合，判断是否应该将线程转移到别的核心上。如果与操作系统结合的好话，那么一轮调度信息采集工作仅需要30微秒就能完成，而传统方案调度器可能需要100多毫秒才能判断出结论。而据笔者所知Alder Lake上集成的这颗调度用的MCU就是RISC-V的核心，一切就是这么奇妙。

天下大势合久必分，分久必合，因此缝合芯片，也符合现在芯片行业的发展趋势，不过这种缝合这款处理器如何在虚拟化的云环境中，为不同用户提供服务，并进行严格的隔离可能也是一个难点，但是可以肯定的是英伟达、英特尔和苹果的接连站台，缝合式芯片的未来可期。