由于摩爾定律將壽終正寢，英特爾的芯片設(shè)計專家們正另辟蹊徑解決百億億次（exascale）挑戰(zhàn)，他們已設(shè)想了一種新的架構(gòu)，有望一舉終結(jié)通用處理器這個概念和X86指令集這個現(xiàn)代計算的基礎(chǔ)。
他們提出的這種新架構(gòu)名為可配置空間加速器（CPA），但“加速器”這個詞取名不當(dāng)，因為他們提出的是一種構(gòu)建處理器或協(xié)處理器的方法，這種處理器或協(xié)處理器實際上是數(shù)據(jù)流引擎，而不是串行處理器或矢量協(xié)處理器，可以直接處理程序在按傳統(tǒng)的意義被編譯到CPU之前創(chuàng)建的圖形。CSA方法有點類似搭載數(shù)學(xué)協(xié)處理器的開關(guān)ASIC混合體，如果需要支持老式應(yīng)用，可能還有一個可選的X86協(xié)處理器
數(shù)據(jù)流引擎并不是什么新概念。現(xiàn)代開關(guān)式芯片就采用了這種工作方式，因而讓其可編程性達到一定的程度，而不是僅僅成為高速傳輸數(shù)據(jù)包的靜態(tài)器件。英特爾整合到CSA上的許多想法已經(jīng)在Graphcore公司的智能處理單元（IPU）上得到了體現(xiàn)。這里很重要的一點是，英特爾這個巨頭擯棄X86架構(gòu)（除了數(shù)據(jù)流的基本控制），讓計算的一大部分遠離嚴格定義的馮?諾依曼架構(gòu)。所以，用可配置空間架構(gòu)來形容這種新的計算方法可能更適合，也許應(yīng)該將至強芯片視為其協(xié)處理器，而不是反過來。
不管怎樣，CSA的基本思路聽起來很簡單，但是用編譯器來實現(xiàn)可能很難，即便這確實看起來為處理各種工作負載的一大批計算引擎提供了幾乎無比廣闊的前景。送交阿爾貢國立實驗室（英特爾是該實驗室的主承包商）的第一代Aurora準百億億次系統(tǒng)在去年秋天被受挫后，我們采訪了英特爾企業(yè)和HPC部門的總經(jīng)理巴里?戴維斯（Barry Davis），暢談英特爾可能采用什么技術(shù)為阿爾貢國立實驗室制造系統(tǒng)，當(dāng)時英特爾有意含糊其辭。不過CSA方面的信息倒與戴維斯說的相一致。
基本想法是，獲取程序的數(shù)據(jù)流圖（該圖由所有編譯器創(chuàng)建）；在處理成特定處理器的指令集、數(shù)據(jù)存儲和數(shù)據(jù)流之前，將該數(shù)據(jù)流直接放在一系列大規(guī)模并行計算元件及之間的互連件上。你可以將該數(shù)據(jù)流直接放在用硅蝕刻的靜態(tài)硬件上，而不是像FPGA那樣用Verilog或VHDL編寫語言來構(gòu)建，所以別搞錯了“可配置”在這里的含義。
可配置部分是指，英特爾會有許多不同的CSA配置（可能數(shù)十種乃至數(shù)百種），針對具體應(yīng)用的數(shù)據(jù)流，從以單精度和雙精度浮點運算為主的傳統(tǒng)模擬和建模，到結(jié)合使用不同精度的浮點和整數(shù)的機器學(xué)習(xí)，這取決于工作負載是訓(xùn)練網(wǎng)絡(luò)還是由此而來的推理分類。這與英特爾對至強處理器采取的做法形成了對照，“Skylake”這一代至強處理器有三種版本，每種版本有10個、18個或28個核心，英特爾調(diào)整了核心數(shù)量和時鐘頻率，還調(diào)整了其他元件，出于市場對不同價位的需要。有了CSA，你想要激活該器件中盡可能多的底層元件，用正好夠用的資源來處理任何特定的工作負載。這與其說是一種批量制造做法，還不如說是針對具體應(yīng)用的批量定制――我們認為，隨著摩爾定律氣數(shù)已盡，勢必會這樣。
CSA由英特爾聯(lián)合美國國防部一同開發(fā)，因向美國專利及商標(biāo)局提交了專利申請而被公眾熟知（申請公告早在7月5日就發(fā)布了）。實際上英特爾早在2016年12月30日提交了專利申請。按照國防部的這份合同，英特爾提交了其他專利申請，包括涉及可擴展分級式互連拓撲結(jié)構(gòu)的一項專利和涉及對稱尋址的另一項專利。CSA專利申請之所以備受關(guān)注，原因在于專利提到的設(shè)計師除了一批自英特爾多年前收購DEC Alpha芯片公司以來一直效力于英特爾的芯片設(shè)計師外，還有阿爾?加拉（Al Gara），他正是IBM的BlueGene系列并行超級計算機的架構(gòu)師，以及英特爾Knights系列并行處理器的架構(gòu)師。
CSA備受關(guān)注的還有一個原因是，如果傳聞屬實，英特爾會竭力將CSA推向市場，可能會先用在安裝在阿爾貢國立實驗室的“Aurora”A21超級計算機：顧名思義，這臺超級計算機預(yù)計是2021年安裝于美國的第一臺百億億次系統(tǒng)。坊間傳聞，CSA的后一代版本最終可能用在美國政府資助研發(fā)的其他超級計算機中；近日剛宣布的得克薩斯高級計算中心（TACC）的“Frontera”超級計算機很顯然是下一個使用CSA的系統(tǒng)，因為它已經(jīng)使用英特爾至強用于計算，更何況TACC在使用英特爾的Knights系列方面有著豐富經(jīng)驗。坦率地說，叫停Knights后，英特爾不光欠阿爾貢國立實驗室一份情，還欠TACC一份情。不過那僅僅是我們單方面的猜測。
CSA遵循極簡設(shè)計方法，只把具體工作負載必不可少的那些計算、互連、交換和存儲元件放在一塊芯片上。CSA的基礎(chǔ)是網(wǎng)格狀的計算和存儲元件，如下圖所示：
上圖中有處理整數(shù)或浮點指令的處理元件、處理元件之間的網(wǎng)格互連件，以及這種功能：塊（tile）上本地結(jié)合存儲元件，并與結(jié)構(gòu)（fabric）連起來，供處理元件共用。這個CSA加速器可按一對一的方式與多個核心實現(xiàn)在一塊至強芯片上，兩者都訪問同一主內(nèi)存，也可以與同一封裝件中的多塊芯片連同封裝件上的互連件一同實現(xiàn)，或者作為單獨的器件，有自己的插座，或者基于PCI-Express總線，使用卸載模式。我們認為，英特爾對卸載模式?jīng)]有興趣，它希望把CSA與至強封裝在一起，可能采用多對一配置：至強負責(zé)裝入CSA程序，為在一個或多個CSA上運行的應(yīng)用程序從熱存儲或冷存儲提取數(shù)據(jù)。
該圖顯示了應(yīng)用程序代碼、編譯器創(chuàng)建的數(shù)據(jù)流圖以及CSA芯片中用于執(zhí)行從輸入到輸出的數(shù)據(jù)流的元件三者之間的關(guān)系：
這個例子顯然很簡單。數(shù)據(jù)流會變得很復(fù)雜，架構(gòu)會變得要復(fù)雜一點，如下圖所示：
在這里，芯片上有多層開關(guān)來互連執(zhí)行整數(shù)和融合乘加（FMA）運算的處理元件，它們與外面的內(nèi)存控制器連起來，數(shù)據(jù)在此存儲起來，然后再進行處理。處理元件有自己的緩沖器和寄存器。這進一步構(gòu)建成了更復(fù)雜的CSA器件，如下圖所示：
在這個更復(fù)雜的器件中，處理元件集群由請求地址文件充當(dāng)前端，有各自的表后備緩沖器（TLB），然后將數(shù)據(jù)輸出到L2緩存接口、L2緩存組以及由整個器件共享的一片L3緩存。各個CSA塊上的結(jié)構(gòu)分散到多個塊上，隨著程序變大、數(shù)據(jù)流因而變大，數(shù)據(jù)流可以無縫地分散到這些塊上的元件。問題是，有好多方法來實現(xiàn)CSA；必要時，CPU的傳統(tǒng)元件可以添加到該器件上，若不需要，可以完全避免。
據(jù)專利撰寫人聲稱，CSA方法的主要優(yōu)點是，它提供了非常密集的計算和內(nèi)存，能效又很高，因為程序運行時，只有某個數(shù)據(jù)流需要的元件才被激活。芯片上其他所有元件處于閑置的狀態(tài)。這到頭來會是一大塊暗硅（dark silicon），浪費了錢財，所以關(guān)鍵是研制針對具體的應(yīng)用和數(shù)據(jù)流來定制的CSA器件。
專利撰寫人寫道：“處理元件（PE）陣列可能是異構(gòu)的，比如說，沒有一個PE支持完整的CSA數(shù)據(jù)流架構(gòu)，及/或一個或多個PE被編程（比如定制），以執(zhí)行少數(shù)幾種但高效的操作。某些實施方案（embodiment）因而獲得的加速器有一組處理元件：相比路線圖架構(gòu)，它們具有計算密集的特點，不過相對現(xiàn)有的HPC方案，能效和性能高出大約一個數(shù)量級。由于器件和數(shù)據(jù)流的性質(zhì)使然，程序可供利用的并行機制是顯式的，直接映射到器件上。按照設(shè)想，CSA的軟件堆棧拿來C、C++和Fortran程序后可以直接扔給CSA，如下圖所示：
英特爾提議用于CSA的原型編譯器（我們猜測，如果CSA的確要用于超級計算機Aurora A21，英特爾已實現(xiàn)了該編譯器）有一個Clang前端，它拋開了針對加速的代碼區(qū)域的LLVM中間表示（IR），然后該IR直接編譯到了CSA本身。
在該器件上實現(xiàn)傳統(tǒng)的順序代碼需要一些精巧的接口，以便訪問器件上的內(nèi)存，英特爾顯然意識到了這點。英特爾表示，訣竅在于將內(nèi)存訪問視作與其他任何類型的數(shù)據(jù)流操作無異。
專利申請書寫道：“CSA的實施方案提供了基本的內(nèi)存操作，比如加載（拿來地址通道后，往響應(yīng)通道填充對應(yīng)于地址的值），比如存儲。CSA的實施方案還可能提供更高級的操作，比如內(nèi)存中的原子操作和一致性操作等。這些操作可能與馮?諾依曼架構(gòu)的對應(yīng)操作有相似的語義。CSA的實施方案還可以加速用C和Fortran等順序語言描述的現(xiàn)有程序。支持這些語言模型的結(jié)果是，解決了程序內(nèi)存訪問順序，比如通常由這些語言規(guī)定的存儲操作的順序處理。”
再說一下，重要的是代碼方面的并行機制顯式獲取，并映射到CSA上，附有處理元件、存儲、交換等部分的特定配置。所以，各種各樣的并行機制（指令、數(shù)據(jù)、管道、矢量、內(nèi)存、線程和任務(wù)）都可以按某種方式實現(xiàn)在CSA器件中。
專利申請書中沒有太多的信息來表明CSA的性能可與標(biāo)準至強CPU相媲美，不過有幾個線索可尋。處理元件與CPU核心（核心上有許多元件來維持狀態(tài)，并保留進出順序執(zhí)行單元、分支預(yù)測單元和推測執(zhí)行單元的數(shù)據(jù)）相比非常小時，CSA方法可以將數(shù)量比使用矢量處理器多出16倍的FMA單元塞到一塊芯片上。大概這是與至強中的AVX-2或AVX-512單元作比較。此外，英特爾表示CSA塊的浮點性能可能比CPU核心高出一個數(shù)量級。正如HPC界所希望的，如果我們要在20兆瓦的功率范圍內(nèi)達到百億億次計算能力，這種提升將必不可少。
在專利申請書中，英特爾展示了做成片上系統(tǒng)的CSA，多個塊裹以共享的緩存和內(nèi)存控制器，而總線控制器與環(huán)狀互連件相連接。在另一種可能的配置中，一個CPU連接至CSA協(xié)處理器，南橋I/O控制器和主內(nèi)存如往常那樣與CPU相連接。英特爾承認，這可能是Arm或MIPS處理器，而不只是其自己的X86處理器，這值得關(guān)注。還有一種配置顯示CSA與雙插座服務(wù)器中的芯片組相連接，這跟傳統(tǒng)方案一樣。但下一種配置配置兩個CSA連在同一塊板上，它們與面向外部I/O的南橋芯片組之間采用點對點互連件。專利申請書上的最后一張圖還顯示了如何在CSA上仿真二進制代碼，針對X86芯片或另一種架構(gòu)。這對于方塊圖而言顯然很容易，但是在實際情況下處理計算效率卻很難。仿真是安騰芯片沒有做好的一方面，但它的編譯器也不是很好，這是安騰失敗的兩個原因。所以這方面值得深思。
最后要說的一點是，我們認為CSA基本上過了第一道關(guān)。鑒于三年前英特爾斥資167億美元收購了FPGA制造商Altera，現(xiàn)又準備推出至強-FPGA混合芯片，如果CSA更易于編程，能夠針對許多工作負載獲得更理想的結(jié)果，那么CSA對于英特爾的FPGA業(yè)務(wù)會帶來怎樣的影響？如果英特爾從FPGA轉(zhuǎn)向CSA，勢必要燒大量的錢。