处理器数量停滞不前吗?

调查数据表明,额外的微处理器内核并没有被添加到出类拔萃,但你必须深入研究数字找出到底是怎么回事。

原因是复杂的。它们包括从软件编程模型市场变化和新的用例。所以当调查数字似乎是平的,市场和技术动态也有很大的影响在重塑这些趋势在未来。

当前比较突出显示在刚发表的功能验证调查,由威尔逊研究和导师,西门子业务。基于1492名受访者的调查显示,——大约一半的人参与asic——专注于芯片大小和处理器数量等方面。调查数据显示,稍微增加一些“8以上”的类别,但几乎在+ / - 3%的误差。这使得在大致相同的号码是2016。soc有两个处理器的前两个调查结果相比略有下降。

”处理器的数量已经停滞在个人电脑或便携式设备这样的平台,”迈克尔·弗兰克说的和系统架构师Arteris IP。“这与少摩尔定律水准比它变得非常困难,从软件的角度来看,为更多的处理器找到足够的工作。除非你有高度并行工作负载,真的很难让所有这些核心忙。”

工作负载转移。“移动应用程序处理器,这是一个卷数量的产品,一般的建筑似乎已经定居在一群八个核心——至少就目前而言,“说拉里•Przywara高级集团营销主管Tensilica IP节奏。“我们看到的是,核的数量上升做视觉和人工智能类型的工作负载”。

但在智能手机市场,有足够的空间变化。“我们看到一系列市场增加计算需求,从汽车到基础设施,”彼得·格林哈尔希说的副总裁技术和研究员手臂。“这意味着我们离极限有用的处理器。新的应用程序有不同的需求,如电力、安全性和效率。从低功耗物联网的角度来看,我们可以预计增加采用多核解决方案。我们可以预计,这一趋势将继续增加更多的应用程序和终端市场。”

产品营销经理马库斯Willems ASIP工具Synopsys对此对此表示赞同。“我们看到的是恰恰相反的出现在调查,即芯片上可编程组件的数量正在增加。这是由于特定于应用程序,或特定领域的加速器越来越软件可编程。32位的多核集群超标量体系结构核心可能变得有限,因为记忆是一个问题。”

似乎是有一个巨大的改变发生在较小的嵌入式市场。“如果我们看看新芯片在嵌入式市场出来,他们通常是双核,四核配置类型,”杰弗里•汉考克说高级产品经理导师的嵌入式软件部门。“仍然有单核的设备,但多核终于来在这一领域,。从硅提供商的角度来看,他们更乐意添加核心如果人们可以使用它们,只要他们能留在他们的成本结构。”

但这些数字隐藏更大的故事。“虽然嵌入式处理器的数量在一个ASIC可能是平的,特定领域或专用处理器的数量增加,”拉维萨勃拉曼尼亚表示,副总裁和总经理部门导师IC验证的解决方案。“我们看到,soc在边缘设备正在改变性质的数据,和大量的计算,正在增长,和大量的计算移动应用程序或特定领域的处理器。”

新的工作负载有显著不同的处理要求。“传统的ASIC与多个嵌入式处理器的计算机架构不能提供所需的共和党/ mw / MHz许多新的应用,“萨勃拉曼尼亚表示。“需要注意的是,算法复杂度远远超过摩尔定律,因此,驾驶新架构。这些新架构的编程模型是联合为了共同优化编程模型和硬件架构。”

这也是推动大型数据中心的架构。“我们看到超级计算机在核的数量上升,因为他们的工作负载,比如有限元素和大迭代系统,很容易可平行的,“说Arteris弗兰克。“一切大型线性代数工作量比例很好。”

cpu的局限性
虽然通用cpu是有用的,它们的普遍性也是一个限制器。”的一个问题是,cpu不擅长什么,”弗兰克说。“cpu擅长处理单个线程,有很多的决定。这就是为什么你有分支预测,他们已经研究多年的主题。但加速器,尤其是自定义加速器,服务两个方面。一个是,你有很多的数据移动,CPU不擅长处理它。这里我们看到向量扩展更广泛。也有很多非常具体的操作。如果你看神经网络,非线性阈值和巨大的矩阵乘法,这样做与CPU效率低下。所以人们试图移动工作负载接近记忆,或专门的功能单元。”

与处理器体系结构是记忆密切相关。“对于某些应用程序,内存带宽限制增长,“导师的萨勃拉曼尼亚表示。”的一个关键原因专用处理器的发展,以及内存(或near-memory)计算机体系结构,直接解决传统的限制冯诺依曼体系结构。这种情况尤其当这么多能量花之间移动数据处理器,和记忆与能源用于实际计算。”

隐藏在数字的另一件事是核心的复杂性。“我们看到的是,尽管集群保持不变,个人核心变得更加强大,”Synopsys对此“斯说。“我们看到的趋势对于某些域迁移到64位。在这个意义上,相同数量的核心,但更多的功能。”

由软件有限公司
电脑切换从一个单处理器多核20多年前,然而,能成功地利用多核的应用程序的数量仍然有限。“如果你看看多少并行性可以提取的常规程序,你可以找到一个级别的并行的两条指令每个时钟周期,”弗兰克说。“如果你改变你的编程模型成为一个显式的数据流模型,在数据依赖关系管理,你可以突然得到13 x 20倍的性能提升。”

人类能做的更好吗?“寻找一个程序员可以编写并行程序,可以有效地使用两个线程,”弗兰克补充道。“你会发现这些。试图找到人,当你没有一个高度并行的工作负载,使用超过四线程。很努力。和您想要添加更多的线程,问题是更加复杂和困难。”

面向数据编程的区别。“并行计算的概念已经几十年计算机科学的一部分,但一直属于高度专业化的任务,和并行处理是困难的,“萨勃拉曼尼亚表示。“这极大地改变了过去五至七年的大规模并行计算是可能的。这是特别重要的在今天的许多新“基于数据的学科,在编程模型需要有效地支持软件算法运行在非常大的并行计算架构。现在,他们正在扩展到异构并行计算架构,和我们看到新的编程框架出现的新的工作负载——Tensorflow,咖啡,MLpac, CUDA,火花,恐鸟,只是几个显著降低壁垒在编程这些系统。”

进展情况之外的人工智能空间,。“有编程模型或编程语言中,执行的编程模型,就像,Cilk任务型模式,”弗兰克说。“有支持诸如OpenMP任务模型的运行时库。采用这些时,你会突然发现你能填补10处理器。所以一旦我们达到这一水平,而这些类型的编程模型,基于任务的数据依赖关系管理程序模型——你会发现会有下一步的增加处理器。”

还有其他因素促使人们看多核编程。“有些人从功能安全或看多核安全领域,“导师的汉考克说。“设计师需要隔离,或独立,多核成单个子系统为了保护一些东西。然而,人们不愿意改变。你需要开拓者带头,还有可能是一些大的事件发生。在这之前,他们倾向于建立他们已经知道的和舒适。汽车需要有人像特斯拉来改变一切。传统汽车公司最初只看到一个在硅谷创业公司解雇他们。突然,他们注意,意识到自己需要做出改变。”

新司机
而智能手机仍然体积和美元的领导者,他们不再是唯一的细分市场,导致技术进步。“在汽车应用中计算正在经历一个令人难以置信的转变,由需求更身临其境,车载经验丰富,增加的安全和方便,自动化水平和走向软件定义功能,”格林哈尔希手臂说。“这已经导致了一种快速整合个人的电子控制单元(ecu)更少的多功能ecu,这不仅需要更多的CPU计算能力的多核CPU,而且异构计算元素的部署。现在我们看到soc也随着多核cpu的gpu, isp和ML加速器,允许软件部署到最有效的计算每个工作负载的元素。”

进入汽车芯片的计算能力是惊人的。”,这一趋势无疑是朝着特定领域的架构,片上和片外加速器,和嵌入式可编程逻辑,”塞吉奥Marchese说,技术营销经理OneSpin解决方案。“对于许多应用程序,把更多的标准处理器问题不是最有效的解决方法。例如,如果你看看,特斯拉自我驱动芯片,它有12 Cortex-A72处理器好好部分的芯片面积。然而,两个神经网络加速器面积的两倍(见图1)。”

图1:死的特斯拉的筹码。来源:OneSpin解决方案

节奏的Przywara表示同意。“我们看到在汽车的支持更复杂的2级,3级自动车辆,多核集群的dsp支持雷达,和引擎支持日益复杂的人工智能算法,如图2所示。我们看到的例子也许超过8 AI引擎被用来运行所需的人工智能算法,因为上衣的数量。”

图2:块在一个复杂的汽车芯片。来源:节奏

人工智能自己是一个司机。”人工智能,它是关于你如何处理内存访问和地址计算,”斯说。“我们看到很多活动和大量的处理器开发没有现成的类型的处理器。一些系统将有多个人工智能处理器,仅仅因为他们有一个不间断函数需要处理一些事情,然后另一个人工智能处理器醒来去做更大规模的计算,你可能有多个处理器分配给的任务。”

人工智能还影响较小的边缘设备,。”单片机正在做机器学习的能力,和他们的能力进一步提高的需求方”Przywara说。“TinyML有助于推动。这是他们没有传统上使用,但随着越来越多的应用人工智能和机器学习研究和发展,这将是一个驱动程序为单片机与DSP加速器,或者所有产品,成为更有能力。这将推高的趋势,这些设备数量的处理核心。”

5 g也产生相当大的影响。“无线电调制解调器使用一个巨大的DSP,”斯说。“这是强大到足以运行必要的任务序列或交错。搬到5克,很明显,一个DSP无法工作了。相反,他们去掉某些事情,把他们变成多个可编程加速器——一个DSP专门用于特定的功能,如做矩阵求逆或均衡。但并不是所有相同的DSP或它的倍数。多核,每个专业的指令集和内存接口。”

基站看到更多处理器的增长。“5 g基站应用程序中,我们看到大量的核接近近100核心,工作负载,“Przywara说。“5克,当然在基础设施方面,将是推动的事情。”

未来的增长
所以我们应该期望在未来?“将会有更多的特殊处理器,”弗兰克说。“标准SoC的领域,我希望处理器核的数量会增加,可能256核心,但不是对个人电脑,笔记本电脑或手机。我们将看到它是在嵌入式系统针对汽车,越来越对高性能和一致性的需求已经成为比在机器学习方面更重要。”

利用它,编程模型必须改变。“asic的数量与新计算机体系结构由负载功率和性能效率迅速增长,“萨勃拉曼尼亚表示。“需求的解决方案来解决各种各样的工作负载(如语音识别、x射线分析、目标检测、人脸识别、生物细胞)的进化已经迫使新领域的发展,在计算分析中,新的数学模型来了解具体问题在哪里。它迅速将这些发现的世界计算机科学,具体地说,新电脑的性能的分析架构。这是一个世界领先的计算机体系结构发展的异构、多处理架构,从冯·诺依曼神经形态计算架构。我们刚刚开始了文艺复兴时期在今天的计算机体系结构。”

也许是时候调查的问题被重写,以更好地反映芯片处理能力的进化。也许应该确定独立的指令流的数量,或控制线程,但所有这些指标将继续会偏向今天的control-driven范例。