Tenstorrent芯片架构浅谈

最新推荐文章于 2024-08-22 21:34:21 发布

Linux基金会AI&Data基金会

最新推荐文章于 2024-08-22 21:34:21 发布

阅读量1.3k

点赞数

文章标签：大数据 python 人工智能深度学习 java

本文链接：https://blog.csdn.net/lf_ai/article/details/125454580

版权

本文探讨了Tenstorrent的AI芯片架构，特别是其摒弃传统核间共享内存，采用Multicore Private Memory Model和动态执行技术。Tenstorrent芯片通过硬件优化，支持数据并行和模型并行，简化分布式训练和推理，降低开发难度。此外，其动态执行特性包括运行时数据压缩、条件执行和稀疏计算，提高了性能功耗比。尽管面临开发者生态和软件栈的挑战，Tenstorrent芯片展现出在处理稀疏计算和控制流计算场景的优势。

摘要由CSDN通过智能技术生成

1. 背景

近些年，市场上的AI芯片层出不穷，无论是初创公司还是科技巨头，都在积极推出AI芯片，从最常见的CPU、GPU到各类Processing Unit（TPU、NPU、APU、DPU等），可谓是百花齐放。究其根源，由于深度学习相关的算法、模型和应用场景均处于高速迭代发展阶段，还未完全收敛，因此对应的计算硬件底座为适配上层应用自然也需要不断更新。其中芯片公司Tenstorrent的芯片架构别具一格，本文尝试一探究竟。

Tenstorrent成立于2016年，是一家总部位于加拿大多伦多的AI芯片公司，公司成立早期业界对其关注很少，自2021年传奇芯片设计大神Jim Keller以CTO身份加入后，公司逐渐公布其独特的芯片架构设计理念，并受到业界越来越多关注。本文结合部分公开演讲和相关paper对其芯片架构进行解读。

2. 产品

Tenstorrent共设计出3款芯片，其中Jawbridge是一款小型测试芯片，Grayskull和Wormhole则是对外商用芯片，可覆盖训练和推理场景。

Products	Jawbridge	Grayskull	Wormhole
Manufactured	2019	2020	2021
IC Process	GF 14nm	GF 12nm	GF 12nm
Peak Performance	1TFLOPS at FP16, 4TOPS at INT8	92TFLOPS at FP16, 368TOPS at INT8	110TFLOPS at FP16, 430TOPS at INT8
Compute cores	6	120	80
SRAM	6MB total - 1MB/core	120MB total - 1MB/core	120MB total - 1.5MB/core
DRAM Capacity	unknown	8GB	12GB
DRAM Bandwidth	unknown	100GB/s	384GB/s
I/O Interface	1ch. LPDDR4, PCIe Gen4x4	8ch. LPDDR4, PCIe Gen4x16	16 ports of 100G Ethernet, 6ch. GDDR6, PCIe Gen4x16
Scale-out Bandwidth	unknown	192GB/s for NoC	400GB/s for Ethernet
Board Power(TDP)	1.5W	65W / 75W	150W

Wormhole芯片架构示意图（T代表Tensix core，E代表Ethernet接口、G6代表GDDR6）

以最新的Wormhole芯片为例，其主要包含：

计算核心Tensix core：
- 5个标量RISC-V CPU：用于运行时发射调度指令和数据
- SRAM：作为private memory，用于保存本地计算结果
- Packet Manager数据包管理器：包含Tensor形状变换、数据传输和数据路由功能
- Packet Compute Eng