[科普中国]-阵列处理器

发展

1971年发明的处理器芯片起着定义计算机的作用，从此，计算机是按照处理器芯片的发展而演变的，是芯片上的计算机，处理器芯片的ISA(Instruction Set Architecture，指令集架构)已是国外的一统天下。1987年人们提出了系统芯片(SoC)的概念，研究如何将计算机的系统设计都转移到系统芯片设计上来，将起到换代的作用。系统芯片已有总线互连的MP(Multi－Processor，多处理器)系统芯片与网络互连的AP(ArrayProcessor，阵列处理器)系统芯片，但 A P 系 统 芯 片 还 没 有 发 展 到 成 熟的阶段，给我国的芯片设计提供了一 次 竞 争 的 机 会 。 因 此 ， 我 们 对MPP(Massively Parallel Processing，大规模并行处理)系统芯片体系结构进行了研究。现在，又从数据流动的计算模式、并行计算的阵列芯片、应用演变的数学技术、以及硅基芯片的制造技术等4个方面的统一，研究了阵列处理器系统芯片的发展问题，提出了如何设计一种统一体系结构的阵列处理器系统芯片，简称APU (Array Processing for Unification architecture，统一体系结构的阵列处理器)系统芯片1。

数据流动计算模式的统一1935年的图灵抽象机定义了控制数据流动而完成计算的计算模式，现在已形成了指令流、数据流与构令流三种控制数据流动的计算模式。现在流行的控制数据流动的计算模式主要是冯·诺依曼的指令流计算模式，有SISD、SIMD、MISD与MIMD四种体系结构的指令流计算模式。但现在的单核/多核/众核芯片，只实现了SISD的指令流计算模式，以及MMX[SIMD]，流水线[MISD]，VLIW[MIMD]等低并行计算度的指令流计算模式。由于SIMD的指令流计算模式最适合图像处理算法，SIMD体系结构的处理器与计算机早已得到了发展。数据流计算模式是采用电路设计的ASIC/ASSP芯片，或者是静态重构的FPGA芯片实现的，而构令流计算模式是通过可重构的RCDevice (ReConfigurable Device)芯片实现的，它们的计算效率高，应用的设计门槛也高，没有程序设计的灵活性，芯片的品种多。因此，我们研究并实现了MISD/MIMD的指令流计算模式，它不仅具有数据流/构令流计算模式的计算高效性，而且具有程序设计的灵活性，应用的设计门槛低，芯片的品种少等。计算模式的统一就是用MISD/MIMD的指令流计算模式，取代没有程序设计灵活性的数据流/构令流计算模式，使所有计算统一成指令流计算模式。

并行计算阵列芯片的统一从并行计算来看，有任务级并行计算、数据级并行计算、操作级并行计算与指令级并行计算的阵列芯片。现在的MPP计算机主要是按任务级并行(TLP，Task Level Parallel)完成计算的；是采用单核/多核/众核芯片实现的。单核/多核/众核芯片正在向TLP计算的MP系统芯片与AP系统芯片演变，TLP计算是将任务(进程/线程)映射到核(处理器)上完成计算的，是一种MPMD的计算。由于任务(进程/线程)之间存在同步与互斥问题，TLP计算的效率低、编程复杂。数据级并行(DLP，Data Level Parallel)计算是按SIMD模式完成的计算，主要是采用指令流计算模式中的SIMD体系结构实现的，已有GPU等系统芯片，以及GPU或者是CPU+GPU的MPP计算机。操作级并行(OLP，Operation Level Parallel)计算是在数据流计算模式的ASIC/ASSP/FPGA阵列芯片，与构令流计算模式的RCDevice的阵列芯片上完成并行计算的，没有程序设计(改变)的灵活性。科学和艺术都是用来探索4维的时空关系的，APU系统芯片是采用PE(Processing Element)之间的邻接(abutting)技术，探索4维的时空并行计算关系的，实现DLP计算与指令级并行(ILP，Instruction Level Parallel)计算的。阵列芯片的统一就是SIMD的DLP计算与MISD/MIMD的ILP计算，是采用处理元之间邻接互连(Abutting)的APU系统芯片统一实现的。

应用演变数学技术的统一计算科学是源于数学思维与工程思维的“数学技术”，它改变了人们的思维方式。芯片集成度按照摩尔预言速度上升的结果，在高性能计算、网络化计算与嵌入式计算的应用演变中，数学技术促进了计算机的新发展。高性能计算机主要是通过模拟帮助人类了解世界与创造世界的，有地球模拟机、蓝色风暴、宇宙计算机、密码破译机与武器模拟机等。这些计算机的名称就说明了它们的应用演变，都需要通过数学技术建立很复杂的数学模型，以及实验或观测的数据库。模拟的核心就是建立一个与真实或者虚拟系统相关的数学模型，通过数学模型与数据库探讨对高性能计算机体系结构的影响。网络化计算的通信作用是非常成功的，从根本上改变了世界的信息基础设施。现在，随应用演变的数学技术，使计算机网络的作用已从通信作用，发展到资源共享的服务作用，叫做网络计算(Net-Centric Computing)/网格计算(Grid Computing)与网络存储。在高性能并行计算与大容量存储系统的支持下，云计算与SaaS(Software as a Service，Storage as a Service，软件即服务，存储即服务)或HaaS( Hardware as a Service，硬件即服务)等数学技术使下一代数据中心将扮演“数据电厂”与“数据银行”的服务角色。

嵌入式计算是一种计算技术与物理世界相结合的服务模式，有人叫做具体化与物理化应用，模拟了人类与物理世界交互的形式，成了有传感器(模拟人的视觉、听觉与感觉等)与执行机构(模拟人的四肢)的计算机，并通过随应用演变的数学技术，让工业机器能像人一样自主工作。虽然现在人工智能的数学技术只使机器人有了逻辑思维能力、部分形象思维能力，基本没有创造思维能力，但为机器人研究带来了有创见的方法。从形状来说，有人形机器人与非人形机器人。而美国国防部的变形机器人就是要通过随应用演变的数学技术，使机器人具有自组装能力，可保证机器人能成功地登上星球表面。从功能实现方法来说，有人工方法与自然的仿生方法。人工方法的机器人有手术机器人、自动驾驶机器人等。仿生方法的机器人有气流发音的机器人、重力行走机器人、化学机器人、神经元机器人、情感机器人、模拟生物进化过程的机器人、以及分子机器人等，仿生方法使随应用演变的数学技术的计算日益自然化。计算技术的飞速发展，也体现在编程语言的演变上，从最早的Basic到Algol，再到Fortran，以及现在的接近汇编语言的C语言。数学技术最后是通过汇编语言映射到计算机上完成计算的。汇编语言的优点是程序质量高，缺点是可读性差，没有兼容性，是不统一的。因此，APU系统芯片的ISA不是用助记忆符的汇编语言描述的，而是采用了一种面向数学技术也面向指令定义的映射语言描述ISA的，简称M语言(Mapping/MiddleLanguage)。数学技术是统一到映射语言上，以提高程序的复用性的。

硅基芯片的制造技术的统一量子计算与生物计算还处于探索阶段，现在的计算机是采用硅基芯片制造技术实现的。人们预计硅基芯片的制造技术到2016年将接近其发展极限，需要寻找新的技术突破。例如，通过扩大芯片面积是提高芯片集成度的一种新途径，就是圆片规模集成(WSI，Wafer Scale Integration)技术。又例如，混合集成电路是一种小型化、高性能和高可靠的互连封装手段，国内将其称为二次集成技术。1993年美国佐治亚理工学院提出了将SoC芯片、MEMS芯片、以及无源元件二次集成在一起的SoP(SystemonPackage，系统级封装)的概念。按摩尔定律发展的IC芯片仅占一个系统的10%的体积，而SoP则解决了系统中90%的体积。特别是2007年Intel公司率先具备了45nm硅基芯片的生产能力，使半导体产业进入了“材料推动革命”的时代。集成度高达近20亿晶体管的32nm芯片接近实用。

为了解决深亚微米技术的“红墙”问题与嵌入式应用的小型化问题，硅基芯片的TSV三维集成制造技术得到了发展。IBM、Intel与Samsung等都采用了TSV(Through-Silicon-Via，硅穿孔封装)的三维集成技术。据IBM称，TSV技术能使芯片数据所需要的传输距离缩短1000倍，连线数目增加100倍，功耗低达20%。IBM将把TSV技术应用到无线通信芯片、电源处理器、BlueGene超级计算机芯片和高带宽内存中。我国2006年全国科学大会提出的“十六专项”体现了芯片设计、制造与应用的产业链特点。在“十六专项”的战略任务的牵引下，有望使我国的芯片技术跟上“摩尔预言”的发展步伐。制造技术的统一就是指三维集成的TSV技术的统一，以实现嵌入式计算机小型化与解决深亚微米的RedbrickWall(红墙)问题；也是提高我国芯片制造能力的必经之路。从设计上讲，APU系统芯片的阵列体系结构，以及传感器、显示器与存储器等芯片都是阵列的，是正好适合于TSV技术的应用的1。

分类阵列处理器从PE互连结构的角度可以分成四种原型2：

线性阵列处理器（LAP，LinearArrayProcessor）

方形阵列处理器（SAP，SquareArrayProcessor）

金字塔型处理器（PYR，PYRamid）

超立方体处理器（HPR，HyPeRcube）。

其中，方形阵列处理器看起来更加符合图像的2维结构，但是，前人的一些研究发现，在PE数量相同的前提下，LAP的计算效率和数据吞吐率不比SAP少，而且前者具有更小的硬件开销。