來源：wikichip

　　Celerity 是在多家大學共同努力下，而創造的一個開源多核 RISC-V 分層（tiered）加速器芯片。該項目是 DARPA 快速電路實現（Circuit Realization At Faster Timescales：CRAFT）計劃的一部分，該計劃希望將定制集成電路的設計周期從幾年縮短到幾個月甚至幾周。Celerity 團隊首先在 Hot Chips 29 上展示了該芯片。在去年的 VLSI 2019 上，Celerity 團隊談論了其第二代芯片的 PLL 和 NoC。

　　此外，Celerity 的 RTL 設計已在其官網開源提供下載！

　　接下來先對整個 CeleritySoC 做一個快速概述，Celerity 是一個多核多層的 AI 加速器。總體而言，該芯片包括三個主要層：通用層，大規模并行層和專用層。為什么要使用分層 SoC？主要原因是為了在典型的 CPU 設計上實現高靈活性和更高的電源效率（盡管效率不及 ASIC NPU）。

　　通用層幾乎可以執行任何操作：通用計算、內存管理以及控制芯片的其余部分。因此，他們集成了 Free Chip Project 的五個高性能亂序 RISC-V Rocket 內核。下一層是大規模并行層，它將 496 個低功耗定制設計的 RISC-V 內核集成到一個網格中。這些稱為 Vanilla-5 的自定義內核是有序標量內核，其占用的空間比 Rocket 內核少 40 倍。最后一層是集成二值神經網絡（BNN）加速器的專業化層。這三層都是緊密鏈接的，并與以 400 MHz 的 DDR 存儲器接口。

　　Celerity 上的多核網絡（Manycore Mesh）時鐘由一個定制的鎖相環（PLL）提供。這是一個相當簡單的一階ΔΣ頻率數字轉換器（FDC）PLL。該實現單元采用 16 個 DCO 組成一個組，每個實現單元為環形振蕩器，其中反相元件加載有如下幻燈片上的電路圖所示的 NAND 門 fce，如以下幻燈片中的電路圖所示。這樣做是為了僅使用標準單元來實現整個設計。為此，整個數字 PPL 是一個完全綜合和自動放置和路由設計。該 PLL 在其 16 納米芯片上的頻率范圍為 10 MHz 至 3.3GHz。

　　與許多學術項目一樣，硅面積也非常重要的，整個芯片為 25 平方毫米（5×5）。對于 Celerity 而言，許多關鍵的架構設計決策都以限制硅面積的需求為主導，這意味著降低了復雜性。Manycore 本身是 16 乘 31 的 Vanilla-5 RISC-V 小型內核陣列。該陣列的第 32 行用于外部主機，該主機用于與芯片上的其他組件連接(例如，將消息/數據發送到 Rocket 核心進行最終處理)。整個網格為 3.38 毫米乘 4.51 毫米（15.24 毫米²），約占整個芯片的 61％。Vanilla-5 核心是 5 級有序流水線 RV32IM 核心，因此它們支持整數和乘法擴展。硅芯片實現，這些內核能夠達到 1.4 GHz，比他們在 Hot Chips 29 上展示的第一個硅芯片高 350 MHz。

　　為了降低多核陣列的復雜性，Celerity 利用分區的全局地址空間進行單芯片數據包和遠程存儲編程模型。

　　該陣列利用了全局分區地址空間（GPAS）。換句話說，不是使用高速緩存，而是使用 32 位地址方案將整個內存地址空間映射到網絡中的所有節點上。這種方法也意味著無需虛擬化或轉換，從而大大簡化了設計。

　　他們聲稱，與等效的一致性緩存系統相比，該設計可將區域開銷降低 20 倍。值得指出的是，由于該多核陣列的目標工作負載是 AI 加速（相對于更通用的計算），因此它們可以采用顯式分區（explicitly partitione）的暫存器存儲方案，因為這些工作負載表現出高度并行的定義良好的獨立流模式。而且，對于這種類型的代碼，控制存儲器局部性的能力可能證明是非常有利的。陣列中的每個核都可以自由執行加載并存儲到任何本地地址，但是，它只能執行對遠程地址的存儲。沒有遠程負載意味著它們將路由器面積減少了 10％，并且由于可以對遠程存儲進行流水線處理，因此可以防止流水線停頓。

　　這種遠程存儲編程模型方案允許他們使用兩個網絡，實現這一個數據網絡和 credit 網絡用于管理未完成的存儲。

　　如前所述，第 32 行用于外部主機。實際上，這意味著內存映射擴展到位于陣列底部的 16 個路由?？奎c，允許消息進出多核陣列，到達芯片上的大核和其他外圍設備。

　　Celerity 并沒有使用非常常見的 wormholerouting（被 Kilocore，Piton，Tile64 等使用），而是將地址和數據合并到單個 flit 數據包中。該設計擺脫了發送數據和元數據都需要的頭/尾部信息。另外，由于沒有保留的路由，它擺脫了 HOL 阻塞。每個 flit 均為 80b 寬-控制位 16 位，數據位 32 位，節點地址位 10 位，存儲器地址位 22 位。flit 節點地址保留了將數據發送到任何目的地的能力。該設計的主要好處是，由于僅將單個 flit 注入網絡，因此可以使用一個有序管道在每個周期中執行一個存儲。

　　在多核陣列中的 496 個節點中，每個節點都有一個路由。路由本身在每個基本方向（N，S，E，W）的輸入處都包含兩個元素的 FIFO，以及在網絡擁塞情況下用作臨時存儲的控制處理器。他們使用循環仲裁（round-robin arbitration）來確定數據包的優先級，從而可以在每個周期對每個方向進行仲裁（arbitrate ）。他們使用尺寸順序的布線（在一個方向上減小偏移，然后再移動到另一方向）。通過簡單的設計，他們可以將整個路由實現為單級設計，而節點之間沒有管道寄存器。換句話說，每跳只需要一個周期。例如，任何相鄰的核心存儲區的延遲只有 3 個周期-轉到本地路由，跳到相鄰路由，最后去鄰居的記憶空間，路由器與內核位于相同的時鐘域，這意味著它們還可以在高達 1.4 GHz 的頻率下運行。

　　有兩個網絡-一個數據網絡和一個 credit 計數器網絡。該路由器使用一個受源代碼控制的 credit 計數器，每當一個遠程存儲包被注入網絡時，該計數器就會遞減。通過 credit 計數器網絡返回，該網絡使用與上面描述的數據相同的架構，但只有 9 位，因為它只包含節點地址。

　　那么，這些意味著什么呢？Celerity 團隊報告了在 600 mV 至 980 mV 工作頻率從 500 MH 一直到 1.4GHz。我們相信 Celerity 現在是時鐘頻率第二高的大學芯片，僅次于 Kilocore（盡管值得指出的是，由于封裝方面的限制，Kiloecore 只能支持其 1000 個內核中的 160 個）。在 1.4 GHz 時，整個網格的最大計算能力為 694.4 INT 32 GOPS。他們以每秒 Giga-RISC-V 指令（GRVIS）而不是 GOPS 報告其數字，以便強調一個事實，即這些指令是完整的 RISC-V 指令，而不僅僅是整數運算。請注意，由于 Vanilla-5 內核是 RV32IM，它們支持 RISC-V 整數和乘法擴展，但不支持浮點運算，因此所有 AI 工作負載都必須進行量化。由于將節點互連的路由器與核心位于相同的時鐘域，每個路由器每個周期支持 5 個 flit，因此每個節點的總聚合帶寬為 748Gbps，總聚合網絡帶寬為 371Tb/s。

　　不幸的是，Celerity 團隊沒有報告任何與人工智能相關的常見基準測試結果。相反，他們選擇使用 CoreMark，當他們達到 580.25 CoreMark /MHz 時，總得分為 812350。CoreMark 在過去幾年中一直是 RISC-V 社區的比較基準。CoreMark 的問題在于，它通常會為簡單的有序設計生成令人難以置信的樂觀分數，這些設計似乎能夠很好地與調優的現代無序設計競爭，而真實世界的工作負載則顯示出非常不同的結果。鑒于該芯片的前提是產生一個高度靈活的人工智能加速器，我們希望鼓勵 Celerity 團隊產生更有意義的結果，如正式的 MLPerf 提交。

　　Celerity 的開源 RTL 設計已在 Celerity 網站公開（開源鏈接：http://opencelerity.org/），部分截屏如下：

總結

以上是生活随笔為你收集整理的RISC-V 加速芯片，496核！RTL开源！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。