从零开始手搓GPU，照着英伟达CUDA来，只用两个星期

AIGC动态7个月前发布 almosthuman2014

1,174 0 0

文章摘要

【关键词】 芯片设计、并行计算、GPU架构、Verilog、OpenLane EDA

Adam Majmudar，一位美国web3开发公司的创始工程师，分享了他在两周内从零开始构建GPU的经历。他的项目在GitHub上公开，获得了5300个Star。Majmudar的GPU设计目前已在Verilog中布局，并通过OpenLane EDA软件验证。接下来，该GPU将通过Tiny Tapeout 7提交流片，预计在未来几个月内成为物理形态的芯片。

Majmudar在设计GPU之前，首先学习了英伟达的CUDA框架，理解了SIMD编程模式，并深入研究了GPU的核心元素，如全局内存、计算核心、分层缓存、内存控制器和程序调度。他还研究了计算核心中的主要单元，包括寄存器、本地/共享内存、加载存储单元(LSU)、计算单元、调度程序、获取器和解码器。

在设计自己的GPU架构时，Majmudar强调了并行化、内存访问和资源管理的重要性，并决定专注于通用并行计算(GPGPU)功能，以适应机器学习等更广泛的用例。他设计了一个简化的GPU架构，以便其他人可以更容易地理解GPU的核心概念。

Majmudar还为他的GPU设计了自己的指令集架构(ISA)，并编写了一些简单的矩阵数学内核作为概念证明。他遇到了许多问题，包括如何处理全局内存的实现和计算核心内的调度问题。在George Hotz的建议和帮助下，他对设计进行了多次重写，最终实现了目标。

Majmudar的GPU设计通过OpenLane EDA实现，并采用Skywater 130nm工艺节点。尽管遇到了一些设计规则检查(DRC)失败的问题，但他最终完成了设计，并得到了3D可视化的GPU布局。

Majmudar表示，他在很短的时间内掌握了芯片架构和制造的基础知识，并完成了他的第一个完整芯片布局，即手搓CPU。他总结了手搓芯片的六个主要步骤：学习芯片架构和制造的基础知识，开始电子设计自动化，用Verilog创建电路，实施仿真和形式验证，以及使用OpenLane进行设计和优化。

在工程师圈子里，尝试手搓芯片并不少见，但大多数人尝试的是CPU。中国科学院大学的「一生一芯」计划是一个例子，该计划由本科生主导完成了一款64位RISC-V处理器SoC芯片设计并实现流片。随着开源芯片和敏捷设计等行业新趋势的发展，芯片设计门槛正在降低，未来可能会出现更多性能更强大的自造芯片实践。