页面加载中，请稍候
来源:EET发布时间:2019-08-06595浏览
询问 AI近年来，开源硬件与芯片敏捷开发备受关注，本文将解读2019年6月23日举办的远景研讨会上11个学术报告，为读者呈现该方向的前沿动态，同时尽可能提供相关资料链接方便大家查阅原始出处（点击链接即可跳转）。本文分为16部分，分别为：
一、开篇
二、远景研讨会（Visioning Workshop）
三、报告1：图灵奖得主David Patterson教授眼中的体系结构黄金时代
四、报告2：面向AI和机器人的加速器设计
五、报告3：来自DARPA的视角
六、报告4：高效开源EDA工具链已在路上（OpenROAD）
七、报告5：中国的声音
八、报告6：CHIPS联盟与开源UMV验证框架
九、报告7：硬件加速器设计与领域专用语言DSL
十、报告8：高层次综合
十一、报告9：英伟达的敏捷开发实践
十二、报告10：支持硬件敏捷开发的新语言与生成器
十三、报告11：端到端的形式化验证
十四、中国的挑战与机遇
十五、结语：2030憧憬
十六、后记：IEEE MICRO特刊
以下为正文：
2019年度国际计算机体系结构旗舰会议ISCA于6月在美国亚利桑那州凤凰城召开。6月23日与ISCA一起举行的远景研讨会（SIGARCH Visioning Workshop）吸引了上百位听众。一方面是因为此次研讨会主题“面向下一代计算的敏捷开放硬件（Agile and Open Hardware for Next-Generation Computing）”是当前体系结构研究领域的前沿热点，引起了很多人的关注；另一方面11位报告人中大牛云集，有图灵奖得主David Patterson教授，也有多位美国工程院院士加持，还有来自MIT、Berkeley、Stanford、UCSD、Google、Nvidia、DARPA等顶尖大学、企业和政府机构的专家（自己成了唯一的一位来自美国以外的报告人，多少有些势单力薄）。
全程听完了一天的报告，我的最大感触是开源硬件（芯片）在美国各界已经成为一种共识——从学术界、企业界到DARPA这样的政府机构，都在积极投入到开源芯片与芯片敏捷开发方向的研究中。早在2016年的首届Architecture 2030远景研讨会上，很多人就认为开源硬件将会是未来的大主题（Big Theme，如图1）。而在国内，很多人理解对开源硬件/芯片的理解还有些片面，认为“开源芯片=RISC-V”。
图2列出了远景研讨会上报告内容，从中也可以看到包含了以RISC-V为代表的开源指令集与开源处理器核、开源uncore IP、开源EDA工具链、更高抽象的硬件开发语言、敏捷开发工具、端到端形式化验证等......如果听了这一天的报告，相信会对开源芯片和敏捷开发有更深入的理解。本文分享一些报告片段，希望国内有更多人能参与一起构建开源芯片生态。
图2. 2019年远景研讨会内容涵盖多方面内容
ACM体系结构专业委员会SIGARCH组织的远景研讨会（Visioning Workshop）是一个畅想未来的学术研讨会。第一届在2016年的ISCA上举办，当年的主题是Architecture 2030，知名华人学者UCSB的谢源教授受邀做了题为“Technology-driven Architecture Innovation: Challenges and Opportunities”的报告。第二届是在多伦多举办的ISCA上，主题为“Trends in Machine Learning”。
今年是第三届，主题是“Agile and Open Hardware for Next-Generation Computing”，一共有11个报告，以下是议程。【为了方便大家下载，已将报告Slides转到墙内，只需点击题目后面的[slides]便可下载】
David Patterson, UC Berkeley/Google,A New Golden Age for Computer Architecture[slides]
Vivienne Sze, MIT,Domain-Specific Architectures for AI and Robotics: Opportunities and Challenges[slides]
Serge Leef, DARPA,Automatic Implementation of Secure Silicon[slides]
Andrew Kahng, UCSD,Bringing Design Technology and Architecture Closer Together: What Open Source Might Enable[slides]
Yungang Bao, Chinese Academy of Sciences,The Four Steps to An Open-Source Chip Design Ecosystem[slides]
Richard Ho, Google,Building A Sustainable Open-Source Hardware Ecosystem[slides]
Brucek Khailany, NVIDIA,Machine-Learning-Assisted Agile VLSI Design for Machine Learning[slides]
Borivoje Nikolić, UC Berkeley,Generating the Next Wave of Custom Chips[slides]
Adam Chlipala, MIT,Strong Formal Verification Across a Hardware-Software Stack with RISC-V[slides]
Patterson教授介绍敏捷与开放体系结构的挑战与机遇。其实他的报告在很多场合都有讲过，其中他对处理器指令集标准与架构设计的分类值得专门再提一下。
首先，他向大家强调ISA指令集、微结构设计、产品是三个层次。如图4，ISA是规范标准，往往用一本书甚至几张纸来记录描述；微结构设计是具体实现，对应的是源代码；产品则是设计的实例化，比如RedHat推出的Linux发行版。他进一步将指令集标准与架构设计都分为三类：开放免费（open free）、可授权（Licensiable）、封闭（closed）。于是，我们可以看到，Intel就属于封闭指令集+封闭设计，ARM属于可授权指令集+可授权设计，但要获得授权价格不菲，往往需要上百万甚至数千万美元。
RISC-V为全世界提供了开放免费指令集+开放免费设计的选择。根据图5的第一行，我们可以知道只有先有了开源开放的指令集，才有可能有开源开放的微架构设计，即绿色格子。需要强调的是RISC-V本身是一种标准规范，和C/C++语言规范、POSIX系统调用等这些标准是一样的。本身是开放的，谁都可以基于这些标准来实现自己的处理器。但有一点需要厘清的是即使都是基于开源开放指令集（比如RISC-V），也存在三种不同的商业模式：（1）Google、NVidia等企业在内部大量使用RISC-V核作为MCU，但他们不对外开放IP以及源代码，这就属于第一行的红色格子；（2）SiFive公司、中国台湾晶心Andes、阿里平头哥的RISC-V核是可以被授权给第三方使用，但并不开源RTL级源码，因此属于橙色格子；（3）Berkeley的Rocket Chip、剑桥大学的LowRISC、蜂鸟E203等RISC-V核将RTL级源码也开源，这些设计可归到绿色格子。
从图5第一行可知，开放开源指令集并不等于就有了开源的微结构设计，这两者很容易被混为一谈。很多人也误判RISC-V受到DARPA资助会影响其开放性。事实上，TCP/IP协议也是DARPA资助下形成的互连标准，但在具体实现层面也可以有不同商业模式：（1）在网络协议栈的软件实现方面，有集成到BSD/Linux中的开源TCP/IP协议栈，也有微软实现集成到商用Windows的TCP/IP协议栈；（2）在硬件实现方面上，美国思科公司可以研发支持IP协议的路由器，中国华为公司也可以研制自己支持IP协议的路由器，并不会因为是TCP/IP协议是受DARPA支持而不能使用。
另一个典型的例子是龙芯。龙芯是基于MIPS指令集发展起来的，而MIPS其实由美国企业开发和维护的，但人们都认为龙芯是自主设计开发的，这正是区分了标准规范和微架构设计。但谈到RISC-V时，大家又经常混为一谈，实不应该。
MIT的Vivienne Sze教授介绍了面向AI、机器人和视频压缩的加速器设计。如图6所示，Sze教授认为领域专用加速器设计的套路是：（1）挖掘应用特征——利用专用硬件来将并行性、数据访问特征等特征转变为吞吐与能效；（2）设计更高效负载——在不影响结果质量的前提下，通过算法与硬件协同设计更高效的负载；（3）定义应用范围——根据应用需求平衡灵活性与效率。
Sze教授用了三个例子分别展示这个套路的有效性，即DNN、机器人自动导航、视频压缩。图7是一个DNN的例子，其他两个例子可以直接看她的PPT材料。
Sze教授近年来获得了各种奖项，今年ISCA上她的学生也获得了最佳博士论文奖。个人觉得他们团队的工作属于稳扎稳打型，他们的设计中采用的技术方案都是意料之中，并没有特别的亮眼的地方。但是他们的工作做得非常扎实，每一项工作都会把芯片做出来（如图8），让人很佩服。相比之下很多其他团队的工作更多只是停留在论文阶段的漂亮设计。
题外话：Sze教授的研究工作风格让我想起中科院动物所所长周琪院士的团队。周所在报告时提到他的学生曾抱怨，“我们发表一篇文章数据量是其他团队的10倍，有这个必要吗？”他的回答是：“你以后会认识到，发表文章不是最难的，最难的是文章发表了要把它撤回来”。世界顶尖团队的研究风格都是类似的。
DARPA一直是颠覆式创新的代表，它孕育了很多对人类产生巨大影响的项目，比如Internet、GPS等。在半导体领域，MPW模式/Fabless模式都是在DARPA资助的项目中孕育出来的。因此DARPA的视角也值得关注。
这次报告的是项目主管Serge Leef，他之前一直在工业界，已经有丰富的芯片领域经验。他的报告介绍了如何自动化实现芯片安全。除了传统大家知道的芯片架构安全，他还专门强调了供应链安全，这也反映了美国在对华为禁运的同时，其实也在担心有一天禁运的板子打到自己身上。
这个报告并没有包含具体的技术，但给人印象深刻的是Serge从整个业界生态角度来分析技术的价值——他提到降低芯片设计门槛不仅仅是一个技术问题，也将促进风投和创业，从而推动行业的创新(图9与图10)。对于这一点我深表赞同，自己也曾写过一篇从经济学角度分析开源芯片的文章《驳“发展开源芯片弊大于利”论》。我曾经看过其他DARPA的材料，也都能看到类似这种跳出技术本身、从更宏观的角度分析的思路，很值得学习。
ERI自从2017年启动以来，其资助的研究内容越来越成体系。下图是DARPA ERI项目所资助的21个项目一览图。DARPA每年也会在7月份举办ERI Summit，将这些项目的核心成员们召集研讨进展与下阶段工作。值得一提的是ERI Summit的报告材料都是可以公开下载，这是2018年的日程与报告下载地址：http://eri-summit.com/agenda
UCSD的Andrew Kahng教授获得了DARPA项目的资助，开展高效开源EDA工具链的研究。他认为EDA以前是关注质量，但现在该开始关注把易用性了。他参与的DARPA IDEA项目目标非常激进——24小时内全自动地完成IP、SoC芯片、PCB版的设计（图12）。
在DARPA的资助下，他带领团队启动了OpenROAD项目，该项目将从四个维度来应对芯片设计复杂度问题：（1）最大化划分，将大的设计尽可能划分为小模块，这样可以两个好处，一方面是降低算法复杂度，另一方面就是更易挖掘并行性；（2）并行优化，这一点与前面最大化划分密切联想，当存在大量并行度时，就可以采用各种加速并行的技术来优化，包括使用GPU来加速；（3）采用机器学习的工具与流程，传统芯片设计流程中有很多经验规则，这一点可以通过训练大量已有设计变成神经网络模型，从而加速最优电路设计的搜索和预测。这方面也是Kahng教授在报告中特别强调的；（4）受限的布局方案也可以减少布局布线时的算法复杂度。
OpenRoad将于今年推出Alpha版，然后在2020年推出v1.0版本。
EDA是国内芯片设计产业最大的软肋，中国的EDA工具企业始终未能做大做强。如今，美国开始将EDA转向开源，中国又应该如何应对？这个问题值得认真研究。我自己的观点是开源总体对中国是有利的，但开源也存在竞争，只有更多的投入、参与和贡献，才能在开源社区中起到主导作用。中国不一定能在所有环节上都存在优势，但还是有可能在某些环节上推出有竞争力的开源EDA工具。
我是这届远景研讨会上唯一一位来自美国以外的报告人，这也反映了美国在这个方向上处于绝对领先地位。我的报告是根据过去几年在开源芯片与敏捷开放领域的一些实践，梳理了构建开源芯片生态所需要突破的四个方面：开源ISA/IP/SoC、开源EDA工具链、高效低成本的仿真验证、系统软件。然后对每一部分的现状和未来努力方向进行了分析。具体内容请阅读我在CCF-GAIR会议上的报告实录：《开源芯片存在“死结”，但这是打破死结的时代》
来自Google的Richard Ho博士介绍了CHIPS联盟——这是近期Google联合了6家企业成立了一个开源芯片联盟，旨在推动开源芯片生态（图17）。这7家企业每一家都贡献了开源芯片设计中所需要的功能模块，例如西部数据的SweRV核、SiFive的Rocket核、Google的RISC-V-DV验证工具等。从图18可以看到，越来越多的开源工具开始出现，未来基于全开源EDA工具设计开源芯片，将不会是空谈。
Google开源了一个面向RISC-V的验证框架（图19），可以通过RISC-V-DV来产生指令流，对设计进行压力测试。芯片设计过程中的验证环境非常耗时耗力，但又是极其重要的环节。应该说Google的这个开源工具确实芯片设计中的痛点，但如何能灵活应对不同的设计，如何能达到更高的性能，这些都还需要不断优化。
美国工程院院士、斯坦福大学的Mark Horowitz教授介绍了他们在加速器领域的工作。Horowitz教授早期参与了很多多处理器架构、高带宽内存的研究，创办了Rambus公司。在这个报告中，他认为设计一个硬件加速器的本质就是将应用快速地映射到硬件上，这可以分解为三个步骤（图20）：（1）用领域专用语言DSL来写应用；（2）用编译器将应用映射到可编程的硬件模型（也可以看作某种粒度的ISA）上；（3）将ISA映射到目标硬件上。
Horowitz教授接着介绍了团队正在开发的AHA工具链，融合了上述三个步骤（图21）。报告非常精彩的部分是他坦言到虽然这套工具链能工作，也开发出了芯片，但还存在很大的问题，整个工具链需要重构。然后他总结了6个经验教训：（1）敏捷开发应该关注系统构建，而不仅仅是加速器的性能，用户关心的应用最终性能；（2）硬件设计不只是功能，还包括很多复杂问题，如时序、布局、测试生成等，这些都不应该暴露给用户，因此可以通过DSL+编译器来为用户屏蔽这些底层细节；（3）用户使用加速器时都会重写应用代码，既然需要重写，从一开始就应该让用户使用DSL；（4）用户希望为一类应用设计加速器，而不是仅仅为一个应用，因此粗粒度可重构架构CGRA是很好的选择；（5）敏捷开发的核心是重用，因此要尽可能设计一些新工具提供重用度；（6）开源硬件可以降低NRE成本，降低维护成本，但开源硬件的形式不一定是硬件，而将会是以软件工具或代码的形式。
Horowitz教授的这几点经验教训具有很强的启发性，也很具有可操作性，他们团队的工作值得关注。
美国工程院院士、UCLA的Jason Cong教授是FPGA与高层次综合HLS（High-Level Synthesis）领域的顶尖专家。HLS是从1980年代FPGA兴起时CMU、IBM等就开始研究，但一直未能形成商用。从2006年开始，Cong教授在UCLA启动了xPilot项目，后成立公司AutoESL推出AutoPilot工具，并于2011年被Xilinx收购集成为Vivado HLS工具。在报告中，Cong教授指出HLS还面临两大挑战（图22）：
（1）需要花大力气对代码重构才能达到好的性能，简单的C代码在综合得到硬件后甚至可能比CPU性能慢上百倍（图23）。Cong教授团队认为可通过编译优化技术来解决这个问题，因此开发了一个编译器Merlin，简化代码重构工作。体系结构设计的“三大法宝”为并行、流水和缓存。Merlin编译器的目标是将“三大法宝”对应的设计规则集成到编译器中，从而在整个过程中减少人的参与。
（2）如何在很大的设计空间中找到优化设计也是一个很大的挑战。前面提到体系结构层次有“三大法宝”，而在具体设计时每一个法宝都有很多种选择，因此设计空间很大。这个挑战不仅仅是学术界关心，事实上工业界也很关心，我们和海思技术交流中也提到这点。为了应对这个问题，Cong教授团队开发了一套自动化设计空间探索框架（Automated design space exploration framework）。目前还主要是基于梯度进行空间搜索，这方面还有很大的优化空间。
Cong教授认为让程序员来写HLS代码效率太低，应该提供更高抽象的语言，即领域专用的语言DSL——程序员用更高级的DSL来写代码，然后自动生成HLS代码，进而映射到FPGA上（图24）。到这里可以看出这个技术思路与斯坦福Horowitz教授提出的三个步骤一致，如果接着往下看，也会发现第10个来自Berkeley的报告也是同样的理念。
英伟达ASIC与VISL研究部门主任Brucek Khailany介绍了他们采用机器学习方法的敏捷开发技术。英伟达积极投入芯片敏捷开发，其动力也是因为现在芯片设计太过复杂。例如，英伟达产品的开发周期一般需要3-5年，其中设计与验证的时间与成本占比大约70%（图25），2018年Nvidia Xavier SoC一共花了8000人年！因此英伟达希望能将开发周期与成本降低一个数量级。
英伟达的总体思路包含三个要点（图26）：（1）使用更高级的开发语言，英伟达选择的是C++；（2）利用HLS工具将C++代码转变为RTL代码，从而可以嫁接到现有的ASIC开发流程；（3）充分使用已经开发好的库和生成器（libraries/generator），尽可能地重用已有设计从而节省时间。值得一提的是，第（3）点库和生成器是面向领域专用的芯片敏捷开发方法中很重要的环节，未来将会决定芯片敏捷开发的性能与质量。最近这方面的工作也开始增加，比如英伟达开发的MatchLib，Berkeley开发的面向RISC-V的Rocket Chip Generator和面向模拟电路的Analogy Generator（下一章节将会介绍）。
最后Khailany简要总结了将机器学习应用到芯片设计自动化方面的相关工作（图27）。如之前Cong教授报告中提到，设计自动化中面临的挑战之一便是巨大的设计空间。深度学习在大空间高效搜索方面则具有很大的潜力。
Berkeley的Borivoje Nikolić 教授的核心观点是生成器（generator）将是芯片敏捷开发的核心（图28），可以降低芯片设计的成本和开发周期。生成器技术和软件开发中的面向对象思想有很多相通之处，generator可以看作是一个class。简单总结一下这种方式的好处：（1）重用度高，一个生成器可产生很多实例；（2）更易定制化，可通过修改参数产生不同的实例；（3）便于验证，理论上对生成器充分验证（包括形式化验证），可以保障生成实例的正确性。
Nikolić教授带领团队过去几年在这方面做出了杰出的贡献。他们发明了具备更高抽象能力的Chisel语言，使生成器的开发变得更简单。事实上，近年来非常火的RISC-V最早开源实现Rocket Chip实现就是一个基于Chisel的生成器（图31）。关于RISC-V、Rocket、Chisel，以及Chisel与Verilog开发效率与质量的对比，我们团队也有一定的实践与积累，具体可参见这篇论文《芯片敏捷开发实践：标签化RISC-V》。
一款SoC芯片设计很大的挑战是模拟电路。Nikolić教授开发了BAG（Berkeley Analog Generator），一套基于Python的开源模拟电路生成器（图29），包括Comparator 、多种ADC/DAC生成器、SerDes生成器（图30）等。这些生成器在ST 28nm, GF 22nm, TSMC 16nm等不同工艺下成功流片。当然目前实测性能与业界主流产品相比还有差距，比如使用TSMC 16nm工艺的ADC采样频率为7GS/s，精度为6.5bit，而ADI公司于2017年便开发出基于28nm工艺的10GS/s、精度为12bit的产品。但值得一提的是这些都是开源设计，如果社区和企业在此基础上不断优化改进，有可能最终得到足够性能的开源模拟电路设计。
形式化验证（Formal Verification）方法被认为是保证系统正确性的最有效方法。自从2009年第一个经过形式化验证的操作系统内核SeL4发表以来，形式化验证方法已收到越来越多地关注，尤其是在操作系统领域。2016年，美国NSF在计算机领域额度最大的“Expedition in Computing”项目（5年1000万美元）资助了由普林斯顿大学、麻省理工学院、康奈尔大学、宾夕法尼亚大学联合申请的形式化验证软硬件全系统栈的项目：DeepSpec（图32），一个目标极其远大而具有颠覆性、同时也极具挑战的研究项目。（项目主页：https://deepspec.org/page/Overview/）
MIT的Adam Chlipala教授也是DeepSpec的co-PI，他在Visioning Workshop上介绍了基于RISC-V开展的全系统端到端强形式化验证研究进展（图33），包括硬件RTL层次的验证、编译器的验证等。Chlipala教授展示了一个经过验证的RISC-V核实现（图34，图35），目前还只能用于演示点灯。
报告中我的理解是相比于传统的Verilog，具有更高抽象的硬件描述语言（如BlueSpec、Chisel）将有助于RTL层次的形式化验证。同屋不过由于自己对这个领域也了解不多，所以也无法更深入地解读他们的研究工作。不过在这里可以分享一段有趣的经历：我在普林斯顿大学做博士后时在同一个办公室的是Andrew Appel教授的博士后Lennart Beringer，当时正在开展编译器的形式化验证研究。当时曾问过他形式化验证的前景，他自己认为可能需要20年才能实用。让人感慨的是，几年后，即使在一线研究人员看来都很遥远的研究却得到了NSF的大力资助，而Lennart现在也正是DeepSpec项目的副主任。相比较于美国大力资助形式化验证的系统实现，国内从事这方面研究的团队就显得太少了，也很难得到资助。这种现状亟需改变。
芯片一直是中国半导体产业的软肋，如何破解中国半导体产业面临的“卡脖子”问题，各界都在积极实践与探索。
中国当前需要尽快突破被称为是“燃眉之急”的多项关键技术，但从长远来看，中国芯片领域面临的 “卡脖子”问题根源在于优秀人才储备严重不足——我们曾做过一项统计，2008到2017年的十年间体系结构顶会ISCA论文的第一作者（可认为是芯片架构研究优秀人才）85%选择在美国就业，仅有4%在中国就业，差距巨大（图36）。这与当前芯片设计门槛过高，导致中国大学无法开展芯片相关教学与研究密切相关。
这种人才危机美国也曾经历过，1982年全美上千所大学中只有不到100 位教授和学生从事半导体相关的研究。为了应对人才危机，美国DARPA在1981年启动MOSIS项目，为大学提供流片服务，通过MPW模式大幅降低芯片设计门槛（图37）。三十余年来MOSIS为大学和研究机构流了60000多款芯片，培养了数万名学生。因此，降低芯片设计门槛亦可大幅提高人才培养效率。
开源芯片与敏捷开发，有可能再未来实现数量级地降低芯片开发门槛。开源芯片生态仍处于起步阶段，如果中国能积极参与并主导开源芯片生态中若干核心模块，那么就有可能吸引更多开发人员、民间资本参与芯片开发，提高芯片领域的创新活力，同时也能为中国芯片企业提供基于开源的芯片关键技术与优秀人才、摆脱“卡脖子”困境。
总结来说，开源芯片与敏捷开发备受关注，背后存在两方面的驱动力：
（1）应对摩尔定律终结的技术发展需求：Dennard Scaling定律和摩尔定律逐渐走向终结，但摩尔定律赋予芯片的能力并未充分挖掘出来。例如实现一个矩阵乘法，普通程序员写的程序和懂体系架构的专家写的程序性能上甚至会有63000倍的差距。因此，面向某个特定领域将专家知识实现到芯片中，就有可能提升几百甚至几千倍的性能功耗比，从而充分挖掘芯片上晶体管的潜力。但这种领域专用体系结构（DSA）会带来碎片化问题，需要从芯片设计成本与周期两个维度同时降低门槛，才能应对种类繁多的领域专用加速器。
（2）激发创新活力、繁荣芯片产业的市场需求：长期以来芯片研发成本高、周期长，导致了该领域的高门槛，严重阻碍了创新。即使研制一款中档芯片，也往往需要数百人年、数千万甚至上亿的研发投入，导致资本不愿投资。因此，只有少数企业才能承担，资本市场对芯片投资也是极其谨慎保守，制约了芯片领域的创新活力。
构建开源芯片生态与敏捷开发方法一个长期的系统工程，面临着诸多挑战，但也是一个不管是学术上还是商业上都值得探索的方向，也需要各界的支持与参与。
Visioning Workshop结束后的第二天，IEEE MICRO杂志的主编和编委联系到我。他们也在现场听了报告，认为这个方向很重要，邀请我来组织一期关于敏捷开发与开源硬件的特刊，我欣然接受。经过前期的一些讨论，现在已经确定了几个时间节点，Call-for-Paper也已出炉。欢迎大家赐稿！
新闻来源：EET，文中所述为作者独立观点，不代表icspec立场。更多精彩资讯请下载icspec App。如对本稿件有异议，请联系微信客服specltkj。
暂无评论哦，快来评论一下吧！
2026-07-06
11 小时前
2026-07-21