作者：Richard Oxland , 西門子數(shù)字化工業(yè)軟件 Tessent Embedded Analytics產(chǎn)品經(jīng)理

在人工智能和機器學習應用數(shù)據(jù)處理的強勁需求下，大規(guī)模并行計算迅速興起，導致芯片復雜性呈現(xiàn)爆炸式增長。這種復雜性體現(xiàn)在 Cerebras 晶圓級引擎（如下圖）等設計中，該設計是一種平鋪多核、多晶片設計，將晶體管數(shù)量增加至數(shù)萬億個，擁有近百萬個計算內(nèi)核。

人工智能 （AI） SoC 的市場持續(xù)增長，競爭也日趨激烈。半導體公司根據(jù)性能、成本和靈活性，來找到自己的定位，并不斷自我優(yōu)化，從而導致了新型多核架構(gòu)的爆發(fā)式增長。系統(tǒng)架構(gòu)師正在嘗試不同的方法，希望可以將這種復雜性轉(zhuǎn)化為競爭優(yōu)勢。

在所有復雜性來源中，有一個在多核 AI SoC 中非常重要的來源：即當有多個線程在共享數(shù)據(jù)上并行運行時，會出現(xiàn)功能錯誤和性能降低問題。過去，設計人員可以使用經(jīng)典的 CPU 運行控制來調(diào)試問題，但這種方法對多核架構(gòu)并無效果。導致軟件問題的根本原因錯綜復雜，包括往返時延、內(nèi)核數(shù)量、控制和數(shù)據(jù)并行、多層層次結(jié)構(gòu)和互相依賴的進程，設計人員從中找出真正根源的機會渺茫。

另外，設計人員還需要考慮軟硬件協(xié)同優(yōu)化，這需要大量的功能分析。為了在 SoC 上部署 AI 應用，設計人員必須編譯源代碼，以充分利用多核架構(gòu)。這通常需要充分了解 SoC 架構(gòu)的定制工具鏈。這個過程包括一個硬件和軟件優(yōu)化及測試周期，從 SOC 仿真開始，一直貫穿至第一次投片和后續(xù)器件迭代，如下圖所示。

通過這一功能分析周期，團隊能夠了解以下內(nèi)容：

數(shù)據(jù)共享的效率；

片上網(wǎng)絡 (NoC) 是否超載或不平衡；

如何在不影響代碼執(zhí)行的情況下評估應用性能；

如何優(yōu)化內(nèi)存控制器配置文件以提升數(shù)據(jù)處理能力；

如何關(guān)聯(lián)整個 SoC 中的事件；

要做到這一點，我們需要一種全新的方法來優(yōu)化 AI SoC 及其上面運行的軟件。要將高質(zhì)量的 AI SoC 及時推向市場并在完成部署后保持性能，必須要進行系統(tǒng)范圍的功能分析。系統(tǒng)范圍功能分析的部分功能包括：

深入洞察子系統(tǒng)或組件 ；

對整個系統(tǒng)從啟動開始的準確、連貫的全景圖；

事物感知（Transaction-aware） 的互連監(jiān)控和統(tǒng)計信息；

傳統(tǒng)的處理器運行控制和追蹤；

支持所有常見的指令集和互連協(xié)議；

提供選擇或更改重要子系統(tǒng)的靈活性；

用于產(chǎn)生數(shù)據(jù)可見性的靈活強大的工具；

用于監(jiān)控和分析 IP 的片上基礎架構(gòu)和軟件提供了所有這些功能，覆蓋范圍可從仿真到部署。下圖即顯示了 SoC 功能監(jiān)控和分析的典型架構(gòu)。

接下來的圖中展示的示例是一個多核芯片配備片上網(wǎng)絡 (NoC) 監(jiān)視器，可跟蹤所有 NoC 事務到循環(huán)緩沖器。由于 NoC 監(jiān)視器具有事務感知功能，可將其配置為檢測特定總線條件，例如導致事務持續(xù)時間超過特定閾值（按周期數(shù)計算）的死鎖。當超過閾值時，NoC 監(jiān)視器可以輸出死鎖事務以及之前事務的詳細信息，以便對問題進行診斷。

同一個 NoC 監(jiān)視器也可配置為在檢測到相同死鎖條件時——例如通過跟蹤硬件加速器行為的狀態(tài)監(jiān)視器模塊——使用嵌入式分析消息基礎設施的交叉觸發(fā)功能，在系統(tǒng)中的其他位置觸發(fā)跟蹤。

了解實施有效的系統(tǒng)驗證和優(yōu)化環(huán)境時涉及的問題，是成功交付多核 SoC 的關(guān)鍵，與該領(lǐng)域內(nèi)的專業(yè)供應商合作可實現(xiàn)事半功倍的效果。

如欲了解更多資源，請訪問技術(shù)論文：利用系統(tǒng)級數(shù)據(jù)來優(yōu)化多核 AI 和 ML 芯片