百度发布基于FPGA的256核心AI云计算加速芯片.docx

《百度发布基于FPGA的256核心AI云计算加速芯片.docx》由会员分享，可在线阅读，更多相关《百度发布基于FPGA的256核心AI云计算加速芯片.docx（2页珍藏版）》请在第一文库网上搜索。

1、百度发布基于FPGA的256核心AI云计算加速芯片百度发布XPU,这是一款256核、基于FPGA的云计算加速芯片。合作伙伴是赛思灵(Xi1inx)O百度也透露了关于这款芯片的更多架构方面的细节。过去几年，百度在深度学习领域,尤其是基于维的深度学习领域取得了不错的进展。而且，百度也在开发被称作XPU的新处理避。百度设计的芯片架构突出多样性，着重于计算密集型、基于规则的任务，同时确保效率、性能和灵活性的最大化。今天，他在HOtChiPS大会上与来自FPGA厂商XiIinX的人士一同发布了XPU0XPU的目标是在性能和效率之间实现平衡，并处理多样化的计算任务。FPGA加速器本身很擅长处理某些计算任务

2、，但随着许多小内核交织在一起，多样性程度将会上升。FPGA是高效的，可以专注于特定计算任务，但缺乏可编程能力。传统缈擅长通用计算任务，尤其是基于规则的计算任务，同时非常灵活。GPU瞄准了并行计算，因此有很强大的性能。XPU则关注计算密集型、基于规则的多样化计算任务，希望提高效率和性能，并带来类似CPU的灵活性。目前XPU有所欠缺的仍是可编程能力，而这也是涉及FPGA时普遍存在的问题。到目前为止，XPU尚未提供编译器。不过欧阳剑表示，该团队将会很快开发一款编译器。为了支持矩阵、卷积，以及其他大大小小的内核，我们需要一个配备高带宽低延时内存，以及高带宽I/O接旦的大型数学阵列。FPGA中XPU的I

3、)SP单元提供了并行处理能力，片外12蛆4和HBM接口优化了数据传输，而片上S幽1则提供了必要的存储特性。在MiCroBenChmark测试中，对于计算密集型、常规内存访问的计算任务，XPU的效率与x86内核类似。对于数据同步的计算任务，XPU的可扩展性应当可以进一步优化。而对于没有数据同步的计算任务，XPU的可扩展性与核心数量呈线性关系。这就是问题所在。如前所述，XPU仍然没有配备编译器。这款处理器在FPGA上实现，通过订制的逻辑电路提供指令。这些小核心类似于CPU,开发者只能使用汇编语言,而所有的执行都由主机来控制。整个流程包括拆分计算任务，编写XPU代码，调用专用的逻辑函数，从而在1in

4、UX平台上进行编译和运行。Coredusted)Cocodus1er1CoreCfustwNMtIEach32COreSarec1ustered32K8sharedmu1tbbankmemoryDetatoca*y*1*ync*von*McnSharedSFA(specia1functionX1erato,EMytorou1eant1ptec*wE在百度，我们使用FPGA已有多年时间。我们的数据中心、云计算平台和自动驾驶项目中有大量FPGA。我们非常了解FPGA的优缺点，以及如何优化。凭借XPU的大型核心，我们专注于多样化的计算任务。去年有媒体报道了基于百度深度学习2A的SQ1加速器。当时的数据流基于SA架构。根据欧阳剑的描述，这也是XPU内存带宽和延时优势的核心。同时展示了今年完成的一些benchmark测试，但信息非常粗略。不过，这只是百度第一次公开展示XPU。如果XPU被证明可以用于回、数据分析、云计算和无人驾驶,那么百度可能需要用晅E技术去开发XPU。