美国加州帕洛阿尔托的初创公司Architect Labs在11月22日通过研究博客宣布,其人工智能系统已经自主发现、设计并验证了一款通用CPU,命名为Frostbite。该处理器采用新的指令集,设计从底层重新展开,目的是绕开传统CPU的部分架构限制。
在25项工作负载测试中,由4个计算单元构成的Frostbite集群,每瓦性能达到一款尺寸接近且已完成硅验证的双发射顺序执行CPU核心的4.59倍。公司同时称,Frostbite集群单位面积性能为对照核心的8.77倍。相关数据来自基于7纳米工艺的模拟设计,Frostbite尚未流片,目前没有实际芯片可用于验证。由于法律原因,Architect Labs无法公开作为对照的CPU核心型号。
传统CPU在运行时需要由硬件判断指令依赖,重新找出可并行执行的部分。多核处理器还要依赖多级缓存和缓存一致性协议,使各核心看到的共享内存保持一致。这些机制会占用芯片面积和电力,并在处理器规模扩大后遇到扩展效率下降的问题。
Architect Labs提出的替代思路名为“免费多线程”。它让程序直接暴露可并行执行的工作,不再依靠传统线程、锁机制或乱序执行硬件在运行过程中搜索并行机会。
Frostbite由多个计算单元组成,每个计算单元称为Tile,结构相同,体量较小,通过片上网络互联,并各自拥有容量不大的本地内存。测试中,公司使用4个Tile和4个L3节点组成的计算集群,与一个传统CPU核心对比;完整设计则包含16个Tile。
在综合阶段,该处理器设计频率一度达到800MHz,最终布局设计后降至500MHz。能效提升在不同工作负载下差异较大:25项测试的几何平均值为4.59倍,用于设计调优的10项测试为6.02倍,最终评估阶段才加入的15项测试为3.83倍。表现最好的conv2d未参与调优,提升23.12倍;表现最差的递归斐波那契同样未参与调优,提升1.15倍。
参与设计的AI系统起初没有采用预设处理器架构理念,Architect Labs将这种状态称为“零架构先验”。不过,团队仍提前确定了需要重点优化的工作负载。随后,多个AI智能体阅读学术论文和性能测试资料,建立Python模型,并从中选择架构方向。最初生成的设计文档有141页,覆盖编程模型、运行时环境和高层硬件模块。
第一版寄存器传输级设计生成后,这份PDF文档被删除。公司解释,文档中的不少数字和估算结果与物理实现的实际可能性相距甚远。确定架构方向后,AI智能体不再使用英语描述硬件规格,因为团队认为自然语言难以准确表达全部细节,也不容易发现其中错误。
替代方案是Architect Labs自行开发的硬件描述语言ASL。ASL可转换为Lean证明系统中的形式化表达,再交由机器验证。公司认为,这能消除大量潜在错误,并减少AI智能体为满足优化目标而钻规则空子的可能。在此基础上,AI智能体还开发了Arcmodel,这是一个用ASL编写的软件模型,可模拟整颗芯片的运行行为,并在电路设计开始前建立。
由于直接模拟RTL速度较慢,AI智能体先在Arcmodel上测试设计方案,该模型运行速度约为RTL仿真的200倍。最初模型的功耗估算并不准确,最大偏差接近250%;经过自动化迭代,模型功耗估算与实际电路设计测量结果之间的偏差缩小到5%以内。
完成基础模型后,大量AI智能体并行提出设计优化方案。每项修改都要经过规格验证、快速模型测试、电路设计实现和功耗测量,只有通过检查的方案才会保留。整个过程共尝试58项优化,最终保留37项。系统还出现了人类设计者未曾明确规定的行为,即“工作窃取”:某个Tile没有任务时,可从相邻Tile获取尚未完成的工作;若没有可用任务,则进入空闲状态以节省电力。
能耗分布方面,根据公司对20种工作负载的平均测量结果,且不包括时钟分配能耗,传统CPU的内存能耗占比为57%,Frostbite为38%;指令获取、解码和发射环节,传统CPU占27%,Frostbite占6%。Frostbite的片上网络和调度器带来新的开销,占比为26%,传统CPU未单独统计这一项。时钟分配能耗在传统CPU总能耗中占49%,在Frostbite中占41%。
8月,Architect Labs还公布过Redwood,一款面向机器人和无人机的AI推理加速器。公司称,两名人类架构师只需提供设计规格,AI便能在不到两周内生成RTL代码、验证程序、固件、驱动程序和计算内核。Redwood目前同样只在FPGA上运行,尚未制造实际芯片,公司正在推进与台积电合作的流片计划。
英国剑桥的初创公司Tendrils Compute也在开发相近方向。该公司本月早些时候完成新一轮融资,并表示正在研发可让数千个核心并行运行的处理器。Tendrils Compute还在开发名为Vine的编程语言,Frostbite的程序也使用这种语言编写。
Architect Labs计划公布更多性能测试结果,并推出基于FPGA的在线软件实验平台,让外界运行Frostbite程序,同时提供初步版本的操作系统。公司最终计划公开Frostbite的RTL设计代码和指令集。性能评估方面,公司打算扩大测试工作负载范围,引入更多CPU作为对照,包括把更大规模的Frostbite网格架构与配备大容量缓存的多核版本比较,并与规模更大、指令执行宽度更高的乱序执行CPU对比。相关测试预计在未来几个月进行,届时将采用SPEC、PARSEC等基准测试套件。
目前,Frostbite公布的性能优势仍来自模拟设计,尚未经过实际硅芯片验证。它能否在制造出来后保持这些能效优势,还需要后续流片和实测结果给出答案。











