论文荣登计算机体系结构顶会ISCA，芯片架构成为边缘AI最佳并行计算选择

AIGC动态3个月前发布 almosthuman2014

542 0 0

文章摘要

随着AI大模型的快速发展，对GPU的需求不断增长，同时边缘AI应用的兴起也推动了边缘AI服务器和加速处理器市场的增长。在众多计算架构中，可重构计算架构CGRA因其高能效和灵活性成为边缘AI的理想选择。芯动力提出的可重构并行处理器（RPP）架构在性能和能效上超越了传统CGRA，成为边缘AI服务器和AI PC的理想选择。

边缘AI是将AI算法嵌入到数据源附近的设备中，以实现实时数据处理和分析。相比云端AI，边缘AI在智能监控、自动驾驶等领域具有更低的延迟和更高的实时性。Gartner预测，AI服务器市场将保持高速增长，其中推理型服务器将成为市场主流。中国AI服务器市场规模也将持续扩大，边缘计算服务器市场增速显著。

在边缘AI计算架构方面，英伟达的GPGPU虽然在云端市场占据主导地位，但在边缘场景中存在高功耗和高成本的问题。而基于DSA的ASIC设计，如谷歌的TPU和三星的NPU，虽然提供了高性能和节能解决方案，但专用设计限制了其通用性。FPGA虽然具有可重构性，但存在面积和功率开销问题。相比之下，CGRA提供了高性能并行计算能力，且具有低功耗和小尺寸优势，是边缘AI的理想选择。

芯动力提出的RPP架构在CGRA基础上进行了改进，具有准静态可重构阵列和多线程SIMT编程模型，更加适合大规模并行计算。RPP架构采用环形可重构处理器、分层式内存设计和兼容CUDA的软件栈，实现了高效灵活的内存访问和硬件优化。R8芯片作为基于RPP架构的处理器，在能效和性能上超越了英伟达的边缘GPU，展现出RPP架构的优势。

RPP架构得到了国际学术界的认可。在ISCA 2024会议上，关于RPP处理器架构的论文被收录，芯动力与顶尖学府的团队共同展示了RPP在边缘计算领域的创新和突破。RPP的性能全面超越了市场上的GPU，特别是在延迟、功耗和体积方面表现出色。

总之，随着AI应用向边缘端渗透，边缘AI服务器和加速处理器将迎来快速发展。RPP架构凭借其高性能、低功耗和灵活性，成为边缘AI并行计算的理想选择。芯动力的RPP处理器芯片有望在边缘AI应用场景中得到广泛应用和认可。