|
12LP+工藝改善晶體管，IP加速神經(jīng)網(wǎng)絡(luò) 作者：Linley Gwennap（2020年7月27日） 像Nvidia這樣的芯片巨頭可以負(fù)擔(dān)得起7nm技術(shù)，但初創(chuàng)公司和其他規(guī)模較小的公司卻因為復(fù)雜的設(shè)計規(guī)則和高昂的流片成本而掙扎不已——所有這些都是為了在晶體管速度和成本方面取得適度的改善。格芯的新型12LP+技術(shù)提供了一條替代途徑，通過減小電壓而不是晶體管尺寸來降低功耗。格芯還開發(fā)了專門針對AI加速而優(yōu)化的新型SRAM和乘法累加(MAC)電路。其結(jié)果是，典型AI運算的功耗最多可減少75%。Groq和Tenstorrent等客戶已經(jīng)利用初代12LP技術(shù)獲得了業(yè)界領(lǐng)先的結(jié)果，首批采用12LP+工藝制造的產(chǎn)品將于今年晚些時候流片。 為了實現(xiàn)這些結(jié)果，格芯(GF)采取了整體方法來加速AI運算，特別是推理卷積神經(jīng)網(wǎng)絡(luò)(CNN)。此工作負(fù)載非常依賴MAC運算，但格芯發(fā)現(xiàn)，大部分功耗實際上用在從本地SRAM讀取數(shù)據(jù)并將其傳輸?shù)組AC單元上。新的SRAM設(shè)計大大降低了CNN和其他經(jīng)常訪問長數(shù)據(jù)向量的應(yīng)用的功耗。新的MAC針對大多數(shù)AI加速器的較小數(shù)據(jù)類型和較低時鐘速度而設(shè)計，這也有助于節(jié)省功耗。SRAM單元中的成對晶體管經(jīng)過重新設(shè)計以提高匹配度，使電壓得以降低，從而減小所需的電壓裕量。 格芯在放棄7nm及更小線寬技術(shù)的計劃之后轉(zhuǎn)而選擇了這條道路，專注于FD-SOI、SiGe和其他差異化技術(shù)（參見MPR 8/13/18，“格芯新戰(zhàn)略”）。12LP+和AI方面的努力就是其差異化戰(zhàn)略的又一例證。這種方法的優(yōu)勢在某些方面要比7nm更大，但成本更低。以前，這家晶圓廠專注于制造AMD公司的高性能CPU，但隨著AMD將其業(yè)務(wù)轉(zhuǎn)移至臺積電，修訂后的戰(zhàn)略已幫助格芯吸引到新客戶。 為AI而設(shè)計 在典型的高性能CPU中，本地SRAM每周期提供一個完整的緩存行，然后CPU通過多路復(fù)用器(mux)選擇所需的字。例如，使用256位緩存行的64位CPU需要一個4:1多路復(fù)用器，如圖1(a)所示。在這種情況下，即使CPU每個周期僅使用64位，SRAM陣列中的所有256位緩存行也會在每次訪問時放電。這種方法最大程度地減小了SRAM延遲，從而有可能提高最大時鐘速度或減少流水線級數(shù)——這二者都是影響CPU性能的關(guān)鍵因素。 
圖1. 格芯AI專用存儲器。通用陣列最大程度地減小了隨機(jī)存取的延遲。添加鎖存器會增加延遲，但會降低順序存取的功耗。 AI加速器通常以比PC處理器低的時鐘速度運行，其設(shè)計師更關(guān)心吞吐量而不是延遲。此外，CPU通常具有隨機(jī)存取模式，但CNN產(chǎn)生的則是順序存儲器存取，其處理的向量常常具有數(shù)以百計或數(shù)以千計的元素。為了更好地支持這些設(shè)計，格芯在SRAM陣列和多路復(fù)用器之間添加了一個鎖存器，如圖1(b)所示。這樣做會給讀取路徑增加一個周期，CPU設(shè)計師絕不會接受這種做法，但它為AI加速器帶來了可觀的好處。 首先，鎖存器將多路復(fù)用器與陣列解耦，從而減小位緩存行上的電容，進(jìn)而降低每次SRAM存取的功耗。但更大的好處是，在讀操作之后，完整的256位輸出仍位于鎖存器中。如果隨后的讀操作訪問下一個遞增存儲器地址，那么可以從鎖存器中讀取該值，而根本無需驅(qū)動陣列。對于從很長的一系列順序地址讀取數(shù)據(jù)的程序，此設(shè)計只需在25%的時間內(nèi)為SRAM陣列供電。考慮到包括多路復(fù)用器和鎖存器的整個電路，格芯估計：相對于標(biāo)準(zhǔn)編譯的SRAM，CNN工作負(fù)載的功耗可降低53%。由于時序約束變得寬松，新的SRAM也縮小了25%。 盡管MAC單元的功耗僅占總功耗的一小部分，但其面積常常占總芯片面積的最大部分。新設(shè)計具有一個16x16位乘法器，與高端CPU所需的64位設(shè)計不同。基數(shù)為4的Booth乘法器饋入一個48位加法器，以進(jìn)行高精度累加。對于CNN推理中常見的8位整數(shù)(INT8)數(shù)據(jù)，可以將MAC單元拆分為每個周期產(chǎn)生兩個8x8乘法，并進(jìn)行24位累加。格芯的目標(biāo)工作頻率為1.0GHz，物理設(shè)計因而得以簡化，功耗和芯片面積得以減小。新的MAC單元比之前的12LP單元小12%；在相同電壓下都以1.0GHz運行時，所需的功耗減少25%。
圖2. 12LP+的能耗降幅。在典型的脈動MAC陣列中，新的SRAM和MAC設(shè)計使總功耗比之前的12LP技術(shù)降低了三分之一，而降低工作電壓又使總功耗降低了三分之一。（數(shù)據(jù)來源：格芯） 為減小電壓而付出的大量工作 為了進(jìn)一步降低功耗，格芯在工作電壓上狠下功夫。無論什么節(jié)點，一個重要挑戰(zhàn)是管理晶體管的制造偏差。柵極和溝道在形狀、厚度或摻雜上的微小差異可能會改變晶體管的功函數(shù)（衡量電子移動通過材料所需能量的參數(shù)）。功函數(shù)會修改閾值電壓，從而決定晶體管何時切換狀態(tài)。對于給定工藝，晶圓廠會將工作電壓設(shè)置得足夠高，以確保芯片上的所有晶體管都能可靠地開關(guān)，即它必須超過最壞情況下的閾值電壓。 為了應(yīng)對這一挑戰(zhàn)，12LP+增加了雙功函數(shù)晶體管。此技術(shù)原本是為7nm工藝而開發(fā)的，格芯將其移植到了12nm節(jié)點中。新設(shè)計以不同方式摻雜NMOS和PMOS晶體管，以便更好地平衡其功函數(shù)。這種方法會使成本略有增加，但大大降低了所需的裕量：對于1.0GHz的目標(biāo)頻率，SRAM的工作電壓從12LP的0.7V降至12LP+的0.55V。12LP邏輯的標(biāo)稱電壓為0.8V，欠驅(qū)電壓為0.7V，但在12LP+中，它也可以采用0.55V工作。由于功耗與電壓的平方成比例，因此這些變化可以使功耗減半。 SRAM是主要的耗電器件，所以格芯專注于開發(fā)低壓存儲器單元。測試芯片顯示，即使在0.45V電壓下，新型LVSRAM的良率仍超過95%，這意味著設(shè)計在0.55V電壓下具有充足的裕量。為使邏輯功能受益，格芯委托Arm的物理知識產(chǎn)權(quán)(physical-IP)小組為12LP+工藝創(chuàng)建了一個完整的低壓標(biāo)準(zhǔn)單元庫。該庫定于9月上市，客戶可利用它來構(gòu)建完整的AI加速器以讓SRAM和MAC單元采用0.55V電壓工作。 新技術(shù)的總節(jié)電效果非常顯著。格芯對MAC單元的脈動陣列（這是CNN加速的常見配置）的功耗進(jìn)行了仿真。仿真讀取權(quán)重和激活（圖2中顯示為SRAM功耗），讓數(shù)據(jù)移動通過脈動陣列（傳輸），然后執(zhí)行計算(MAC)。相對于基本設(shè)計，新的MAC單元和鎖存SRAM使總能耗減少了三分之一以上，而傳輸能耗保持不變。以0.55V電壓工作會產(chǎn)生一個全面的大壓降，使該設(shè)計的總節(jié)電量達(dá)到68%。 與往常一樣，格芯通過廣泛的物理元件庫（包括數(shù)字、模擬和無源器件）來支持12LP+工藝。格芯提供EDA工具（如Cadence和Synopsys插件）、Spice模型、設(shè)計規(guī)則檢查器、時序模型以及布局布線功能。為了提高良率，格芯提供了完整的可制造性設(shè)計(DFM)流程。格芯已針對12LP+重新優(yōu)化了12LP物理IP，包括存儲器和I/O接口。除了Arm的低壓標(biāo)準(zhǔn)單元庫外，Rambus和Synopsys等第三方IP供應(yīng)商也支持12LP+。 助力AI領(lǐng)先公司 這項新技術(shù)建立在格芯成功的12LP工藝基礎(chǔ)上，為行業(yè)領(lǐng)先的AI產(chǎn)品提供助力。例如，硅谷初創(chuàng)公司Groq開發(fā)了一種新的架構(gòu)方法來加速集數(shù)百個功能單元于單個核心中的神經(jīng)網(wǎng)絡(luò)。龐大的設(shè)計包括220MB的SRAM和200,000以上的MAC單元（參見MPR 1/6/20，“Groq撼動神經(jīng)網(wǎng)絡(luò)”）。Groq采用12LP使如此大型設(shè)計的功耗保持在300W的預(yù)算之內(nèi)。該芯片以1.0GHz的初始速度，對INT8數(shù)據(jù)實現(xiàn)了每秒820萬億次運算(TOPS)的峰值吞吐量，超過了所有其他已發(fā)布的加速器。 加拿大初創(chuàng)公司Tenstorrent也加快了推理速度，但它選擇了一個不同的設(shè)計目標(biāo)：總線供電的PCIe卡的功耗限值為75W。其第一款芯片具有120個獨立的核心，每個核心包含1MB的SRAM和大約500個MAC單元。這種方法仍然需要大量的SRAM和MAC單元。該芯片以1.3GHz的初始速度可提供368 TOPS（參見MPR 4/13/20，“Tenstorrent提升AI性能”）。12LP技術(shù)幫助Tenstorrent實現(xiàn)了每瓦4.9 TOPS的性能，這一效率在數(shù)據(jù)中心產(chǎn)品中遙遙領(lǐng)先，如圖3所示。 在這個市場上占有最大份額的Nvidia最近發(fā)布了基于新型Ampere架構(gòu)的A100加速器。Ampere引入了許多創(chuàng)新特性，峰值性能提高到624 TOPS，超過了除Groq之外的所有已發(fā)布芯片。然而，盡管采用7nm工藝，但A100仍需要400W TDP，比之前的12nm產(chǎn)品還高33%。為了適應(yīng)功耗預(yù)算的增加，Nvidia不得不降低時鐘速度（相對于12nm產(chǎn)品），并禁用芯片上15%的核心。這是一種不尋常的策略，可能意味著芯片功耗大大高于仿真功耗（參見MPR 6/8/20，“Nvidia A100稱霸AI性能”）。因此，雖然A100的晶體管較小，但其每瓦性能嚴(yán)重落后于Groq和Tenstorrent芯片。 與格芯的12nm工藝相比，臺積電7nm工藝的一個優(yōu)點是晶體管密度增加一倍，使得Nvidia可將超過500億個晶體管封裝到A100中。為了幫助客戶在這方面競爭，格芯支持各種小芯片方法。格芯在多芯片封裝方面擁有豐富的經(jīng)驗，包括具有高帶寬存儲器(HBM)的2.5D硅中介層設(shè)計。針對3D芯片堆疊，格芯已開發(fā)出混合晶圓鍵合(HWB)技術(shù)，其使用間距為5.76微米的硅通孔(TSV)，并有密度提升的路線圖。對于低密度互連，客戶可以在便宜的有機(jī)襯底上構(gòu)建小芯片配置，類似于AMD的Rome處理器。這些小芯片方法中的任何一種都能在不遷移到7nm工藝的情況下實現(xiàn)很高的晶體管數(shù)量。 價格和供貨情況 格芯的12LP+技術(shù)已可用于設(shè)計啟動。我們預(yù)計量產(chǎn)將從2021年下半年開始。有關(guān)更多在線信息，請訪問tinyurl.com/yxam2z7l。 優(yōu)于7nm 臺積電聲稱，相對于其10nm節(jié)點，其7nm技術(shù)可使時鐘速度提高多達(dá)20%，功耗降低多達(dá)40%（參見MPR 5/20/19，“EUV工藝實現(xiàn)量產(chǎn)”）。但是，這些最佳情況下的數(shù)字都假定晶體管的負(fù)載很輕。復(fù)雜的處理器設(shè)計通常受限于金屬電容而不是晶體管速度，因此只能獲得上述好處的一半或更少。如前所述，Nvidia的7nm A100比其12nm的前代產(chǎn)品要慢，而高通公司首款7nm處理器Snapdragon 855的最大CPU速度僅比Snapdragon 845提高了2%。臺積電預(yù)期5nm的收益將小于7nm，因為更多地使用EUV會增加每片晶圓和流片的成本。 格芯的12LP+提供了一條替代路徑，與臺積電的7nm相比，功耗大幅降低，成本則沒有增加。功耗降低主要歸功于新的雙功函數(shù)晶體管，它支持0.55V電壓選項。臺積電的7nm技術(shù)提供超低VT (ULVT)晶體管，其工作電壓最低為0.6V。臺積電長期以來服務(wù)于智能手機(jī)客戶，專注于低壓操作，而格芯更側(cè)重于PC，直到最近才發(fā)生改變，因此其在這方面的進(jìn)步在很大程度上是彌補(bǔ)差距。
圖3. 高端AI加速器比較。與Nvidia的新產(chǎn)品A100相比，Groq TSP的性能更強(qiáng)勁（以每秒萬億次運算或TOPS衡量），而功耗卻更低。Tenstorrent的性能目標(biāo)較低，但功效（每瓦TOPS）是A100的三倍。（數(shù)據(jù)來源：供應(yīng)商） 12LP+的其余優(yōu)勢來自于該技術(shù)專為AI設(shè)計的SRAM和MAC單元。這種方法反映了晶圓廠的差異化：臺積電必須服務(wù)于廣泛的客戶，而格芯可以專注于特定的新興工作負(fù)載。AI市場尤其成果豐碩，因為有太多的公司（特別是初創(chuàng)公司）在開發(fā)CNN加速器。大型客戶通常會自行設(shè)計緩存和MAC單元，但格芯的設(shè)計對于希望將開發(fā)成本降至最低而專注于獨特架構(gòu)的初創(chuàng)公司很有用。 更長期問題是，在沒有7nm及更小線寬技術(shù)的路線圖的情況下，格芯能否保持競爭力。臺積電的5nm技術(shù)正在量產(chǎn)中，客戶已經(jīng)啟動未來節(jié)點的設(shè)計。這些先進(jìn)的工藝使設(shè)計師能夠?qū)⒏啻鎯ζ骱蚆AC單元放入芯片中。市場份額最大的大型公司將繼續(xù)沿這條路走下去。面向AI市場的小型公司則會發(fā)現(xiàn)12LP+更實惠，而且可以使用小芯片來經(jīng)濟(jì)高效地提高晶體管數(shù)量。Groq和Tenstorrent通過格芯的12LP技術(shù)實現(xiàn)了領(lǐng)先的AI性能，12LP+中的AI增強(qiáng)功能將使新技術(shù)更加卓越。 |
