新聞中心

EEPW首頁 > 嵌入式系統(tǒng) > 業(yè)界動態(tài) > 高通與英特爾共研發(fā)新型處理器架構(gòu)

高通與英特爾共研發(fā)新型處理器架構(gòu)

作者: 時間:2017-06-14 來源:eettaiwan 收藏
編者按:圖形分析處理器目前并不存在,但在理論上與CPU和GPU有著顯著的不同。

  美國國防部先進計劃署(DARPA)目前正資助開發(fā)一種全新的非馮-諾伊曼(non-von-Neumann)架構(gòu)處理器——稱為“分層識別驗證利用”(Hierarchical Identify Verify Exploit;HIVE)。DARPA計劃在4年內(nèi)半內(nèi)投入8,000萬美元,打造這款HIVE處理器。包括(Intel)與(Qualcomm)等芯片商以及國家實驗室、大學(xué)與國防部承包商North Grumman都加入了這項計劃。

本文引用地址:http://butianyuan.cn/article/201706/360469.htm

  美國太平洋西北國家實驗室(Pacific Northwest National Laboratory;PNNL)和喬治亞理工學(xué)院(Georgia Tech)負(fù)責(zé)為該處理器打造軟體工具,而Northrup Grumman則將建立一座巴爾的摩中心,利用這款號稱全世界首款圖形分析處理器(GAP)執(zhí)行國防部(DoD)的圖表分析任務(wù)。

高通與英特爾共研發(fā)新型處理器架構(gòu)

  HIVE使用以數(shù)據(jù)的多層圖形顯示作為開始的序列(如圖),開啟了圖解分析處理的方式,在各層之間識別數(shù)據(jù)之間的關(guān)系。(數(shù)據(jù)來源:DARPA)

  DARPA微系統(tǒng)技術(shù)辦公室(MTO)計劃經(jīng)理Trung Tran表示:“今日的電腦架構(gòu)同樣采用1940年代發(fā)明的[John] von Neumann架構(gòu)。CPU與GPU均采取平行運算,但它的每個核心仍然是von Neumann處理器?!?/p>

  Tran說:“HIVE并不是馮諾依曼架構(gòu),因為它的數(shù)據(jù)稀疏,而且能同時在不同的記憶領(lǐng)域同時執(zhí)行不同的過程。這種非馮-諾依曼途徑可讓許多處理器同時存取,各自采用其本地暫存記憶體,在全局記憶體上同時執(zhí)行分散和匯集作業(yè)?!?/p>

高通與英特爾共研發(fā)新型處理器架構(gòu)

  “芯片拼貼圖”象征DARPA資助開發(fā)的新型處理器計劃——“超越微縮:電子復(fù)興計劃”(Beyond Scaling: An Electronics Resurgence Initiative)正推動微系統(tǒng)結(jié)構(gòu)和性能的新紀(jì)元。(來源:DARPA)

  圖形分析處理器目前并不存在,但在理論上與CPU和GPU有著顯著的不同。首先,它們經(jīng)最佳化用于處理稀疏圖形元素。由于所處理的項目稀疏地位于全局記憶體,因而也涉及一種新的記憶體架構(gòu)——能以每秒高達(dá)TB容量的超高速度隨機存取記憶位置。

  當(dāng)今的記憶體芯片經(jīng)過最佳化,能以最高速度存取長序列位置(以填補其快取),這些速度大約落在每秒GB的范圍。另一方面,HIVE將以最高速度從全局記憶體隨機存取8位元數(shù)據(jù)點,然后再以專用的暫存記憶體分別處理。該架構(gòu)據(jù)稱也具有可擴展能力,但需要許多HIVE處理器執(zhí)行特定的圖形演算法。

  Tran說:“當(dāng)今所收集的所有數(shù)據(jù)中,只有大約20%是有用的——這就是為什么稀疏——讓我們的8位元組粒度對于巨量數(shù)據(jù)(Big Data)的問題效率更高。”

高通與英特爾共研發(fā)新型處理器架構(gòu)

  即時繪圖分析需要高達(dá)Giga TEPS的處理速度(綠色),才能識別現(xiàn)場呈現(xiàn)的關(guān)系,這較目前速度最快的GPU (藍(lán)色)或CPU (紅色)速度更快1,000倍。(來源:DARPA)

  這種圖形分析處理器采用最佳化的新式演算法處理單元(APU),加上DARPA提供的新記憶體架構(gòu)芯片,據(jù)稱其功耗較今日的超級電腦功耗更低1,000倍。參與這項計劃的組織,特別是,也將有權(quán)商用化這款處理器與記憶架構(gòu)。

  圖形分析處理器目前并不存在,但在理論上與CPU和GPU有著顯著的不同。首先,它們經(jīng)最佳化用于處理稀疏圖形元素。由于所處理的項目稀疏地位于全局記憶體,因而也涉及一種新的記憶體架構(gòu)——能以每秒高達(dá)TB容量的超高速度隨機存取記憶位置。

  Tran說:“從我的立場來看,下一個需要解決的大問題就是Big Data,目前采用的方法是回歸分析,但對于非常稀疏的數(shù)據(jù)點之間的關(guān)系來說,這種方法是無效的。我們發(fā)現(xiàn),CPU與GPU在處理問題的大小與結(jié)果的豐富性之間留下了很大的差距,而圖形理論則完美契合目前所看到的這一新興市場?!?/p>

  除了HIVE芯片,DARPA也呼吁共同開發(fā)軟體工具,并借由同步平行存取隨機記憶體位置,協(xié)助編程這種超越今日平行處理典范的新架構(gòu)。如果成功了,DARPA宣稱這種圖形分析處理器將有能力識別傳統(tǒng)CPU與GPU難以處理的許多情況類型。

高通與英特爾共研發(fā)新型處理器架構(gòu)

  CPU、Nvidia GPU、Google TPU和DARPA提出的HIVE處理器之間的應(yīng)用(上)和性能(下)比較。(來源:DARPA)

  DARPA認(rèn)為,Big Data為圖形節(jié)點提供了感測器饋送、經(jīng)濟指標(biāo)、科學(xué)和環(huán)境測量,而圖形的邊緣則是不同節(jié)點之間的關(guān)系,例如亞馬遜(Amazon)案例中的“購買”行為。

  圖形理論分析的基礎(chǔ)可以追溯到著名的哲學(xué)家Gottfried Wilhelm Leibniz,以及Leonhard Euler在1736年出版的首篇相關(guān)論文:“柯尼斯堡七橋問題”(Seven Bridges of K?nigsberg)。從那時起,圖形理論已經(jīng)發(fā)展成為建模隨機數(shù)據(jù)點之間關(guān)系的一系列演算法和數(shù)學(xué)結(jié)構(gòu)。HIVE架構(gòu)的設(shè)計就在于使用這些圖形分析來識別威脅、追蹤疾病爆發(fā),以及解答B(yǎng)ig Data的問題,因為這些問題寺于目前的傳統(tǒng)CPU和GPU來說相當(dāng)棘手。

  為期四年半的DARPA計劃在第一年將與英特爾和共同設(shè)計芯片架構(gòu),而Georgia Tech和PNNL則負(fù)責(zé)開發(fā)軟體工具。在第一年之后,將會選出一款硬體設(shè)計和一款軟體工具。DARPA將為贏得硬體設(shè)計的公司提供5,000萬美元的贊助,但該公司也將自行提供5,000萬美元。此外,DARPA還將為贏得軟體設(shè)計的組織提供700萬美元的贊助。

  同時,Northrup將獲得1,100萬美元的資金,用于打造巴爾的摩中心,調(diào)查國防部對于圖形分析的所有需求,并確保硬體和軟體制造商滿足這些需求。

  英特爾數(shù)據(jù)中心副總裁Dhiraj Mallick表示:“HIVE計劃目的在于針對數(shù)據(jù)處理,利用圖形分析處理器發(fā)揮機器學(xué)習(xí)以及其他人工智能(AI)的影響力。”

  Mallick有信心英特爾的芯片設(shè)計將會贏過高通,他說:“英特爾已被要求在這項計劃結(jié)束時提供16節(jié)點的平臺,在一塊電路板上使用16個HIVE處理器,英特爾也將擁有為全球市場提供產(chǎn)品的權(quán)利?!?/p>

  隨著這項計劃進展,這款HIVE處理器將可實現(xiàn)即時識別與感知策略資產(chǎn)。相形之下,Mallick說,至今我們還得依靠“失馬鎖廄,為時已晚”的事后分析…



關(guān)鍵詞: 高通 英特爾

評論


相關(guān)推薦

技術(shù)專區(qū)

關(guān)閉