GPU誕生的原因是人們需要更好地處理3D游戲中的圖形渲染，因此GPU擁有很多很小的內(nèi)核增加并行處理能力，然后通過圖形流水線的模式做圖形處理。由于天生核心數(shù)量多，因此GPU計(jì)算能力增加迅速，業(yè)界普遍認(rèn)為2004年前后GPU計(jì)算能力已經(jīng)超過CPU，此后兩者之間的算力差距越拉越大。
?
擁有強(qiáng)大算力之后，更多的應(yīng)用開始找上GPU，比如氣候檢測，還有時(shí)下大熱的深度學(xué)習(xí)等?？焖僭鲩L的計(jì)算需求也開始改變GPU，早期用于通用計(jì)算的GPU實(shí)際上還是遵循圖形處理的原則來設(shè)計(jì)，內(nèi)部依然有Vertex級(jí)處理器以及Fragment級(jí)處理器，面向其他運(yùn)算需求顯得“不倫不類”，直到英偉達(dá)設(shè)計(jì)出了統(tǒng)一處理器。
?
此后，GPGPU在任務(wù)清晰且計(jì)算量要求大的領(lǐng)域，比如矩陣的計(jì)算上優(yōu)勢愈發(fā)凸顯。受益于人工智能、大數(shù)據(jù)和萬物互聯(lián)等多層buff加持，越來越多的行業(yè)開始提出這樣的計(jì)算需求，GPGPU前景光明且市場巨大。在這樣的背景下，目前國內(nèi)已經(jīng)涌現(xiàn)出一批GPGPU企業(yè)，沐曦集成電路（上海）有限公司（以下簡稱：沐曦）便是其中之一，該公司致力于提供高性能GPU。
?

軟件棧決定了用戶群大小和用戶體驗(yàn)

回顧GPGPU的發(fā)展，我們發(fā)現(xiàn)市場需求不僅是改變了GPGPU的核心布局，同時(shí)為了兼顧通用性，軟件端也發(fā)展了巨大的改變，從OpenGL演化出統(tǒng)一計(jì)算架構(gòu)CUDA。沐曦光啟智能研究院科學(xué)家李兆石在接受電子發(fā)燒友采訪時(shí)表示，“GPGPU作為一款通用芯片，在面對(duì)不同客戶層出不窮的新需求時(shí)，需要保證它的可編程性?？删幊绦允怯赏晟频能浖肀ＷC的。對(duì)于所有GPGPU來說，軟件棧的規(guī)劃直接決定了GPGPU用戶受眾群體大小和用戶使用體驗(yàn)。因此所有的GPGPU，不論是否國產(chǎn)，都會(huì)擁有自己的運(yùn)算平臺(tái)，即軟件棧。比如AMD面向它的MI系列GPGPU，對(duì)標(biāo)CUDA，開發(fā)了RoCM，并在RoCM之上移植了PyTorch等AI軟件框架。”
?
?
沐曦光啟智能研究院科學(xué)家李兆石
?
他強(qiáng)調(diào)GPGPU上軟件棧是至關(guān)重要的，對(duì)此他通過分析英偉達(dá)的CUDA來解釋原因?！癎PGPU芯片非常龐大，最新的Nvidia A100上有542億個(gè)晶體管，它們構(gòu)成了6912個(gè)并發(fā)執(zhí)行的CUDA內(nèi)核，以及為了保證CUDA內(nèi)核的數(shù)據(jù)供給而設(shè)計(jì)的一套復(fù)雜的存儲(chǔ)子系統(tǒng)。考慮到人的思維方式是串行的，用戶很難處理這么多的并發(fā)執(zhí)行單元，因此這么多并發(fā)的硬件資源不可能直接暴露給用戶。所以我們需要有一套軟件棧將底層硬件架構(gòu)的特征抽象成易于理解的編程模型提供給用戶，從而讓用戶充分開發(fā)GPGPU的潛力。” 李兆石講到，“然而抽象是有代價(jià)的：抽象掩藏掉的硬件細(xì)節(jié)越多，編程模型對(duì)用戶越友好，那么它會(huì)越難充分發(fā)揮硬件的全部潛力。因此GPGPU的抽象是分層次的：越靠近用戶的層次越易用，同時(shí)該層次的性能或者靈活性會(huì)越差。這樣特定應(yīng)用領(lǐng)域的用戶，如果重心在開發(fā)效率，可以選擇高層次的編程模型；而需要榨取GPGPU性能潛力的用戶可以選擇低層次的編程模型。這也正是我們把GPGPU的編程模型稱為‘軟件?！脑??！?br /> ?
目前，國產(chǎn)GPGPU顯然還是跟隨者的狀態(tài)，雖然廠商在積極地推進(jìn)架構(gòu)創(chuàng)新和軟件創(chuàng)新，但和英偉達(dá)之間的差距還是巨大的，因此從英偉達(dá)身上國產(chǎn)GPU還有很多經(jīng)驗(yàn)可以汲取。李兆石對(duì)英偉達(dá)在GPGPU上面的軟件實(shí)力有著清晰的認(rèn)識(shí)，他指出：“英偉達(dá)的AI軟件棧自底向上至少可以分成5層：SASS是硬件實(shí)際執(zhí)行的指令集，類似CPU的匯編；PTX是虛擬指令集，為不同代的Nvidia GPGPU提供了一個(gè)統(tǒng)一的編程接口；CUDA是用戶在編寫高性能GPGPU程序時(shí)最主要的編程模型；cuBLAS, cuDNN, cuFFT, CUTLASS等運(yùn)算庫則讓用戶可以通過調(diào)用Nvidia針對(duì)自家GPGPU高度定制的算子庫，不需要花費(fèi)太多精力進(jìn)行性能調(diào)優(yōu)就可以享受到Nvidia GPGPU最好的性能，但它們靈活性受限；TensorRT, Triton, Megastron則是Nvidia針對(duì)特定AI應(yīng)用場景深度定制，讓AI類用戶開箱即用的軟件平臺(tái)?！?br /> ?
可以看出，CUDA處于中間層。CUDA提供了硬件的直接訪問接口，而不必像傳統(tǒng)方式一樣必須依賴圖形API接口來實(shí)現(xiàn)GPU的訪問。CUDA采用C語言作為編程語言提供大量的高性能計(jì)算指令開發(fā)能力，使開發(fā)者能夠在GPU的強(qiáng)大計(jì)算能力的基礎(chǔ)上建立起一種效率更高的密集數(shù)據(jù)計(jì)算解決方案。
?
李兆石認(rèn)為：“對(duì)于新興的國產(chǎn)GPGPU而言，構(gòu)建自己的軟件棧時(shí)，首要任務(wù)是先打好基礎(chǔ)，對(duì)標(biāo)CUDA及以下的抽象層次，充分發(fā)揮自己芯片的特色，開發(fā)出一套用戶可用、易用的編程模型，正所謂‘不積硅步無以至千里’。然后再結(jié)合目標(biāo)客戶的需求，對(duì)標(biāo)TensorRT等框架，定制開箱即用的高層次編程模型?！?br /> ?
在此，他談到了沐曦的規(guī)劃。當(dāng)前，沐曦GPGPU的芯片架構(gòu)和軟件棧是同時(shí)開發(fā)的。芯片架構(gòu)上與現(xiàn)有GPGPU擁有不同的新特性，在設(shè)計(jì)之初都充分考慮了如何在各個(gè)層次的編程模型中進(jìn)行抽象。這樣，沐曦可以保證用戶即可以平滑地從現(xiàn)有GPGPU遷移到沐曦的GPGPU上，又能在使用沐曦的軟件棧時(shí)充分享受到新特性帶來的更好體驗(yàn)。
?
著眼于未來的發(fā)展，英偉達(dá)CUDA既是國產(chǎn)GPGPU在并行計(jì)算架構(gòu)方面的老師，也是最大的勁敵。目前，CUDA已經(jīng)能夠支持DX12這樣的API，也支持C語言、Fortran、OpenCL等計(jì)算語言，其生態(tài)屬性非常強(qiáng)大。并且根據(jù)英偉達(dá)官方的說法，CUDA未來的發(fā)展是開放性的技術(shù)平臺(tái)，支持更多的并行計(jì)算需求。這樣的CUDA會(huì)給國產(chǎn)GPGPU在軟件棧方面的發(fā)展造成巨大的困擾，因此李兆石呼吁：“國內(nèi)各家GPGPU創(chuàng)業(yè)公司都有自研IP和軟件棧的規(guī)劃。從公開的信息來看，各家公司的軟件棧規(guī)劃都存在一定的共性。希望未來大家可以多多相互交流，共同進(jìn)步?！?br /> ?

傳統(tǒng)GPU的軟件棧很難遷移到GPGPU上

GPGPU在GPU的基礎(chǔ)上進(jìn)行了優(yōu)化設(shè)計(jì)，使之更適合高性能并行計(jì)算，并能使用更高級(jí)別的編程語言，在性能、易用性和通用性上更加強(qiáng)大。相較而言，國產(chǎn)GPU的啟動(dòng)比國產(chǎn)GPGPU要提前一些，是否有經(jīng)驗(yàn)可循呢？
?
李兆石認(rèn)為：“傳統(tǒng)GPU主要面向圖形渲染類應(yīng)用。對(duì)于Nvidia來說，圖形渲染類應(yīng)用的軟件棧與GPGPU的軟件棧，只有底層的SASS, PTX和少量CUDA是共享的。再往上走的圖形渲染API層，如OpenGL, Vulkan等，目前GPGPU還不需要支持。國產(chǎn)傳統(tǒng)的圖形渲染GPU，大多基于自研的匯編層，對(duì)提供圖形渲染API層提供支持。我們的底層設(shè)計(jì)（與Nvidia SASS和PTX同層次的匯編）與Nvidia及其它國產(chǎn)GPU是不同的，因此傳統(tǒng)的圖形渲染GPU軟件棧難以直接遷移到GPGPU上?！?br /> ?
應(yīng)用領(lǐng)域方面，GPGPU將應(yīng)用擴(kuò)展到了圖形之外，在科學(xué)計(jì)算、區(qū)塊鏈、大數(shù)據(jù)處理、工程計(jì)算、金融、基因等方面都有重要的應(yīng)用，但更多是以服務(wù)器的形態(tài)提供高算力。在應(yīng)用層面，目前傳統(tǒng)GPU和CPU的融合趨勢已經(jīng)顯現(xiàn)，比如AMD APU系列，蘋果的M1芯片、以及大多數(shù)手機(jī)SoC芯片等，它們的CPU和GPU都是直接在物理上共享內(nèi)存。這些芯片通過CPU和GPU的緊密耦合，避免了CPU和GPU之間數(shù)據(jù)跨芯片搬運(yùn)的能量消耗。
?
李兆石表示：“對(duì)于GPGPU而言，目前市面上還沒有成熟的產(chǎn)品，讓CPU和GPGPU在同一個(gè)die上緊密耦合。造成這一現(xiàn)象的原因有兩個(gè)。首先，CPU和GPGPU之間的通信延遲或帶寬，在目前流行的GPGPU應(yīng)用中不是系統(tǒng)的瓶頸。GPGPU的編程模型中，CPU與GPGPU間的通信用于處理應(yīng)用中的控制邏輯。而GPGPU通常用來處理計(jì)算密集型應(yīng)用或者訪存密集型應(yīng)用，其瓶頸在于GPGPU上的計(jì)算資源、或者GPGPU與顯存（GDDR或者HBM）之間的通信帶寬?？刂泼芗蛻?yīng)用很少大規(guī)模部署在GPGPU上。其次，GPGPU通常以加速卡的形式部署在服務(wù)器上，服務(wù)器廠商出于成本、可靠性和可擴(kuò)展性的考慮，會(huì)分別采購CPU和GPGPU?！?br /> ?
“不過，對(duì)于CPU和GPGPU的融合，我們還是要以發(fā)展的眼光看問題。從應(yīng)用需求的角度，隨著張量加速單元和HBM技術(shù)在GPGPU的普及，GPGPU的計(jì)算和訪存能力快速提升。正所謂‘按下葫蘆浮起瓢’，此時(shí)CPU和GPGPU的通信代價(jià)正在變得越來越顯著。尤其當(dāng)我們考慮到新興的Pytorch等AI框架的動(dòng)態(tài)圖特性會(huì)引入非常頻繁的CPU-GPGPU之間的交互時(shí)，低延遲的CPU-GPGPU緊耦合架構(gòu)就變得更有價(jià)值了。從系統(tǒng)設(shè)計(jì)的角度，新興的Chiplet技術(shù)可以有效降低封裝內(nèi)CPU和GPGPU緊耦合的設(shè)計(jì)成本。所以我們也很期待新的應(yīng)用需求和封裝技術(shù)可以使能未來的融合CPU-GPGPU芯片?！?李兆石在采訪中講到。