大算力時代, 如何打破內(nèi)存墻

近年來，人工智能應(yīng)用正經(jīng)歷一輪快速的發(fā)展與普及，而以ChatGPT等先進的大模型技術(shù)在此過程中起到了關(guān)鍵作用。這些模型對計算能力的需求不斷攀升，催生了AI芯片設(shè)計的不斷革新，進入了大算力時代。

目前，主流AI芯片的架構(gòu)仍然沿用了傳統(tǒng)的馮·諾依曼模型，這一設(shè)計將計算單元與數(shù)據(jù)存儲分離。在這種架構(gòu)下，處理器需要從內(nèi)存中讀取數(shù)據(jù)，執(zhí)行計算任務(wù)，然后將結(jié)果寫回內(nèi)存。盡管AI芯片的算力在不斷提升，但僅僅擁有強大的數(shù)據(jù)計算能力并不足夠。當數(shù)據(jù)傳輸速度無法跟上計算速度時，數(shù)據(jù)傳輸時間將遠超過計算時間。

以Transformer架構(gòu)為基礎(chǔ)的AI大模型導(dǎo)致了模型參數(shù)量激增，短短兩年間模型大小擴大了驚人的410倍，運算量更是激增了高達750倍。盡管硬件的峰值計算能力在過去20年中提升了驚人的60,000倍，但DRAM帶寬的增長卻相對滯后，僅提高了100倍。計算能力與帶寬能力之間的巨大差距導(dǎo)致了內(nèi)存容量和數(shù)據(jù)傳輸速度難以跟上AI硬件的計算速度，這已成為限制AI芯片性能發(fā)揮的主要瓶頸，通常被稱為“內(nèi)存墻”問題。

內(nèi)存墻的應(yīng)對方法

針對內(nèi)存墻問題，研究人員正積極探索多種解決方案，主要可分為以下三個研究方向：

1. 算法優(yōu)化：重新審視網(wǎng)絡(luò)模型設(shè)計，致力于優(yōu)化算法實現(xiàn)，以減少對高速數(shù)據(jù)傳輸?shù)囊蕾嚒＿@一方向旨在從根本上降低數(shù)據(jù)傳輸需求，提升算法效率，從而打破內(nèi)存墻的限制。

2. 模型壓縮：通過降低模型精度（如量化）或去除冗余參數(shù)（如剪枝）來壓縮推理模型。這種方法可以顯著減少模型大小，降低內(nèi)存占用，從而減輕內(nèi)存墻帶來的壓力。

3. AI芯片架構(gòu)設(shè)計：設(shè)計高效的AI芯片架構(gòu)，以優(yōu)化數(shù)據(jù)流和計算流程。通過硬件層面的創(chuàng)新，減少數(shù)據(jù)搬運和計算量，提高整體系統(tǒng)效率。

算法的優(yōu)化與模型的壓縮是軟件研究人員追求的重要方向。在AI芯片架構(gòu)設(shè)計領(lǐng)域， 各大AI芯片公司也開始優(yōu)化芯片架構(gòu)， 以實現(xiàn)更為高效的內(nèi)存?zhèn)鬏?。安霸同樣提出了其專有的解決方案。

CV3系列芯片如何打破內(nèi)存墻

2015年， 安霸收購了自動駕駛算法公司VisLab, 開始研究自動駕駛需要怎樣的芯片。 2017年，安霸推出第一代CVflow架構(gòu)芯片CV1， 用于加速AI視覺計算。2018年開始逐步推出并量產(chǎn)專門針對車載輔助駕駛市場的第二代CVflow架構(gòu)芯片CV2系列。 2019年，自動駕駛技術(shù)的突飛猛進，使得汽車行業(yè)對芯片算力的需求急劇增長，標志著大算力時代的來臨。在這樣的技術(shù)背景下，安霸前瞻性地啟動了CV3系列大算力芯片的設(shè)計工作，旨在為自動駕駛場景提供強大的計算能力。經(jīng)過三年的精心打磨與架構(gòu)設(shè)計, 2022年, CV3架構(gòu)的第一顆芯片CV3-HD成功點亮， 其最高算力達到了1500 eTOPS(等效算力)，而功耗僅為50瓦，展示出了卓越的計算性能與能耗比。 2023年， 首個面向量產(chǎn)智駕域控制器的芯片CV3-AD685順利點亮并開始提供樣片， 其算力達到750 eTOPS(等效算力)。2024年1月，安霸再次推出了CV3-AD 汽車智駕域控制器芯片的最新成員：CV3-AD635 和 CV3-AD655。至此，CV3-AD 系列芯片已經(jīng)實現(xiàn)了從主流到中、高端乘用車市場高級輔助駕駛與自動駕駛解決方案的完整覆蓋。

在深入洞察自動駕駛場景的基礎(chǔ)上， 安霸的CV3系列芯片在設(shè)計之初就敏銳地預(yù)見到大算力時代所帶來內(nèi)存帶寬挑戰(zhàn)。為了突破內(nèi)存瓶頸，CV3在內(nèi)存控制器上采用了先進的LPDDR5技術(shù)，每位DRAM的數(shù)據(jù)傳輸速率高達8Gb/s。針對不同應(yīng)用場景的算力需求，設(shè)計了64位、128位和256位的內(nèi)存位寬，從而確保在各種計算場景下都能提供足夠的數(shù)據(jù)傳輸帶寬。

在AI加速器的架構(gòu)設(shè)計上，CV3系列芯片推出了安霸特有的第三代CVflow架構(gòu)。這一架構(gòu)賦予了CV3卓越的算力性能和優(yōu)異的能效比。如圖1所示，CVflow的總體架構(gòu)展示了其數(shù)據(jù)流和計算單元的組織結(jié)構(gòu)。

圖1 CVflow架構(gòu)圖

具體來說, CV3的高算力與低功耗得益于以下幾個精心設(shè)計的架構(gòu)特點。

• Partial buffer架構(gòu)

盡管許多AI芯片采用增大緩存的方式來減少DRAM訪問，但緩存系統(tǒng)存在幾個顯著問題：

1. 設(shè)計復(fù)雜性與成本：緩存系統(tǒng)的設(shè)計相對復(fù)雜，相較于同等容量的SRAM，它需要占據(jù)更大的芯片面積。這不僅增加了芯片的成本，還可能導(dǎo)致功耗上升。

2. 軟件優(yōu)化需求：為了充分利用緩存系統(tǒng)，軟件算法需要針對其進行專門的優(yōu)化，以提高緩存命中率。這增加了軟件開發(fā)的復(fù)雜性和工作量。

3. 算力浪費：緩存系統(tǒng)通常遵循“使用時才加載”的策略，這導(dǎo)致計算單元在等待數(shù)據(jù)加載完成期間無法進行有效計算，從而造成算力的浪費。算力的有效利用率在很大程度上依賴于緩存命中率。

4. 性能不穩(wěn)定：在復(fù)雜的多核多線程環(huán)境中，緩存命中率與系統(tǒng)的負載密切相關(guān)。隨著負載的變化，緩存命中率可能會受到嚴重影響，導(dǎo)致系統(tǒng)性能的不穩(wěn)定。

與傳統(tǒng)的緩存系統(tǒng)不同，CVflow架構(gòu)采取了一種創(chuàng)新的策略，將片上內(nèi)存（On-chip Memory）分割成多個不同大小的內(nèi)存塊，這些內(nèi)存塊被稱為Partial Buffers（PB）。這些PB的主要用途是存儲計算過程中的中間結(jié)果，從而顯著減少對外部DRAM的訪問次數(shù)。Partial Buffers所帶來的優(yōu)勢如下：

• 簡化的硬件設(shè)計與成本優(yōu)化：PB的設(shè)計相較于傳統(tǒng)緩存更為簡單，這意味著在硬件實現(xiàn)上，CVflow架構(gòu)能夠節(jié)省更多的芯片面積，進而降低制造成本和功耗。
• 獨立的DMA通道：為了確保數(shù)據(jù)的高效傳輸，CVflow架構(gòu)為Partial Buffers配置了獨立的DMA（Direct Memory Access）通道。這使得數(shù)據(jù)能夠從DRAM中快速、無縫地傳輸?shù)絇B中，從而避免了數(shù)據(jù)傳輸?shù)钠款i。
• 訪存效率高: 一次性從DRAM和PB之間傳輸大塊數(shù)據(jù)的策略, 替代了傳統(tǒng)的多次小塊數(shù)據(jù)傳輸?shù)姆绞? 減少了數(shù)據(jù)在內(nèi)存和向量處理器(NVP)之間的搬運數(shù)次，降低了數(shù)據(jù)傳輸?shù)难舆t和開銷
• 與計算單元并行處理：PB在CVflow內(nèi)部被組織成一個環(huán)形結(jié)構(gòu)。這意味著當一個PB的數(shù)據(jù)被使用后，CVflow的硬件調(diào)度器會智能地加載下一個所需的數(shù)據(jù)塊到空閑的PB中。這種設(shè)計允許數(shù)據(jù)預(yù)加載與計算單元的工作并行進行，從而消除了數(shù)據(jù)等待時間，提高了整體計算效率。
• 簡化的內(nèi)存管理：與需要手動優(yōu)化和管理的傳統(tǒng)緩存系統(tǒng)不同，CVflow轉(zhuǎn)換工具能夠自動、高效地管理PB。這意味著開發(fā)人員無需花費額外的時間和精力來管理片上內(nèi)存，從而可以更加專注于算法和應(yīng)用的開發(fā)。

以圖2所示的卷積神經(jīng)網(wǎng)絡(luò)為例，在傳統(tǒng)的計算架構(gòu)中，該網(wǎng)絡(luò)通常需要12次的DRAM訪問來完成一次完整的計算過程。然而，在CVflow架構(gòu)下，通過利用高效的Partial Buffers（PB）設(shè)計，3到12過程的內(nèi)存訪問被低延遲的PB所取代。這意味著，中間計算結(jié)果可以直接在PB中完成，而無需頻繁地訪問外部的DRAM。因此，整個計算過程中，只需要在輸入和輸出階段各進行一次DRAM訪問，從而減少了10次的DRAM訪問。這種優(yōu)化不僅顯著降低了計算過程中的延遲，還因為減少了外部DRAM的訪問次數(shù)，從而降低了整體的功耗。

圖2 CVflow卷積神經(jīng)網(wǎng)絡(luò)計算示例

• 并行的流式架構(gòu)

CVflow工具根據(jù)芯片的片上內(nèi)存大小，智能地將大型神經(jīng)網(wǎng)絡(luò)切割成多個連續(xù)的、緊湊的計算單元，這些單元被組織成有向無環(huán)圖（DAG）的形式。這種獨特的架構(gòu)帶來了多重優(yōu)勢：

• 高效內(nèi)存利用：每個DAG的中間計算步驟都在片上內(nèi)存內(nèi)完成，從而避免了頻繁訪問外部DRAM的需求。這不僅減少了數(shù)據(jù)傳輸?shù)难舆t，還提高了內(nèi)存的使用效率。
• 快速啟動與并行處理：網(wǎng)絡(luò)加載時間大大縮短，因為只需加載一部分網(wǎng)絡(luò)即可開始計算。同時，在計算過程中，CVflow能夠并行加載網(wǎng)絡(luò)的后續(xù)部分，實現(xiàn)了計算與數(shù)據(jù)加載的并行化，進一步提升了整體性能。
• 穩(wěn)健的性能表現(xiàn)：由于大大減少了對DRAM的訪問次數(shù)，并且實現(xiàn)了計算與數(shù)據(jù)加載的并行處理，CVflow架構(gòu)在面臨其他芯片模塊（如CPU、GPU、ISP）同時高負載運行的場景時，仍能保持穩(wěn)定的性能表現(xiàn)，從而確保了在各種復(fù)雜環(huán)境下的可靠性。

圖3 AI模型的DAG切割示意圖

• 硬件實現(xiàn)的算子

與GPU通過簡單地堆砌計算單元來提升算力的方式不同，CVflow架構(gòu)致力于通過實現(xiàn)高效的硬件算子來加速計算過程。CV3的CVflow架構(gòu)，基于對深度學(xué)習網(wǎng)絡(luò)的前瞻性研究，實現(xiàn)了超過100種常用算子的硬件化。這種設(shè)計策略使得CVflow在晶體管數(shù)量更少的情況下實現(xiàn)了出色的算力。

以8x8的矩陣乘法為例，傳統(tǒng)的計算方式需要512個乘加(MAC)操作，但在CVflow架構(gòu)中，其特有的矩陣乘法算子能夠在單個計算指令周期內(nèi)完成。此外，CVflow還支持多種融合算子的應(yīng)用。例如，對于常見的2D/3D卷積與池化操作，CVflow的轉(zhuǎn)換工具能夠自動將這兩個操作融合為一個硬件算子操作，從而有效減少了數(shù)據(jù)吞吐量和計算周期，進一步提升了整體性能。

• 非結(jié)構(gòu)化的稀疏加速

通過將AI模型稀疏化，去除冗余參數(shù)， CVflow架構(gòu)帶來了顯著的性能提升， 具體而言：

• CVflow工具能夠自動壓縮網(wǎng)絡(luò)參數(shù)，這減少了芯片端加載AI模型所需的時間。
• 芯片端的CVflow硬件調(diào)度器具備智能分析能力，可以自動識別并跳過不必要的計算，從而顯著降低了計算量。
• 無需對AI模型結(jié)構(gòu)進行調(diào)整, 從而實現(xiàn)了算法的一次性開發(fā)和無縫部署。這種特性簡化了模型部署過程，使得模型開發(fā)人員無需擔心模型結(jié)構(gòu)的兼容性問題，可以專注于算法的優(yōu)化和創(chuàng)新。
• CVflow工具鏈提供了多種稀疏策略來保證AI模型稀疏后的精度。

以7x7卷積為例，未進行稀疏化之前，每次卷積操作都需要用到全部的49個參數(shù)，并且會執(zhí)行49次乘加（MAC）操作。然而，當實施了80%的稀疏化后，情況發(fā)生了顯著變化：參數(shù)量減少了60%，這意味著存儲和傳輸?shù)男蚀蟠筇嵘挥嬎懔繙p少了80%，從而極大地提高了卷積操作的效率。這種CVflow獨有的稀疏化技術(shù)對于優(yōu)化AI模型的性能和資源消耗至關(guān)重要。

圖4 CVflow 網(wǎng)絡(luò)稀疏化示例

• 支持多種量化格式

CV3的CVflow架構(gòu)具有強大的數(shù)據(jù)格式支持能力, 可以支持 4, 8, 16, 32的定點數(shù)據(jù)格式和16, 32位的浮點數(shù)據(jù)格式。CVflow工具能夠針對每一層網(wǎng)絡(luò)參數(shù)和輸入輸出數(shù)據(jù)進行精確的動態(tài)范圍分析，從而確定最優(yōu)的量化精度，實現(xiàn)高效的混合精度部署。這一特性使得CV3在處理不同數(shù)據(jù)類型和規(guī)模的任務(wù)時，能夠靈活適應(yīng)并發(fā)揮最佳性能。

2024年國際消費電子展（CES）期間，安霸展出了基于CV3平臺的自動駕駛研發(fā)車輛, 并為受邀客戶提供試駕體驗。此次展出進一步驗證了CV3 CVflow架構(gòu)芯片的強大實力， 即便面對自動駕駛場景的大算力、高帶寬的復(fù)雜計算需求，也能游刃有余地應(yīng)對。

2023年, 特斯拉實現(xiàn)了首個端到端大模型自動駕駛系統(tǒng)， 將原本龐大的30萬行的人工規(guī)則算法精簡至僅2000行代碼。隨著駕駛數(shù)據(jù)的不斷積累，自動駕駛技術(shù)正朝著端到端大模型的方向發(fā)展。 面對未來大模型自動駕駛時代的算力與內(nèi)存墻挑戰(zhàn)， 專為自動駕駛設(shè)計的CV3-AD系列芯片憑借第三代CVflow架構(gòu)，以芯片架構(gòu)創(chuàng)新的方式，突破大算力芯片的內(nèi)存墻的限制，為大模型算法提供了強大的硬件支持， 助力高級輔助駕駛以及自動駕駛技術(shù)的普及與發(fā)展。