# 7.8 贯穿各层的问题 ## 异构性与片上系统 把 DSA 纳入系统的简单方法，是通过 I/O 总线连接；本章的数据中心加速器都采用这种方式。为了避免通过缓慢的 I/O 总线读取存储器操作数，这些加速器配置了本地 DRAM。 Amdahl 定律提醒我们：主机存储器与加速器存储器之间传送数据的频繁程度，可能限制加速器的性能。把主机 CPU 和加速器集成到同一个片上系统（system on a chip，SOC）中，必然有利于某些应用。 可以用于这类集成的设计称为 **IP 模块**（IP block），IP 是 Intellectual Property（知识产权）的缩写；不过，“可移植设计模块”可能更能说明它的用途。IP 模块通常使用 Verilog 或 VHDL 等硬件描述语言定义，以便集成进 SOC。IP 模块促成了一个市场：许多公司开发 IP 模块，其他公司购买这些模块，为自己的应用构建 SOC，而无需自行设计每一个部分。后文图 7.32 绘出了 Apple 多代个人移动设备 SOC 中 IP 模块的数量，展示了它们的重要性：仅四年间，数量就增长到原来的三倍。另一个迹象是，Apple SOC 中 CPU 和 GPU 只占三分之一面积，其余都由 IP 模块占据（Shao 和 Brooks，2015）。 设计 SOC 很像城市规划：相互独立的团队都在争取有限资源，而找到适当的折中并不容易。CPU、GPU、缓存、视频编码器等都可以调整设计，用更多或更少的面积和能耗，换取更高或更低的性能。SOC 用于平板电脑还是物联网设备，其资源预算也会不同。因此，IP 模块必须能够在面积、能耗和性能方面灵活伸缩。对于新的 IP 模块，提供资源占用较小的版本尤其重要，因为它可能尚未在 SOC 生态中站稳脚跟；初始资源需求较为适度，会更容易被采用。 集成的吸引力是否会使大多数数据中心处理器来自传统 CPU 公司，并把 IP 加速器集成进 CPU 裸片？还是系统公司会继续通过 I/O 总线部署加速器，延续 2017–2024 年的主流方式？这将是值得观察的问题。 ## 机器学习训练的能耗与碳排放 对全球气候变化的关注，理所当然地促使人们研究机器学习对环境的影响。图 7.25 展示了遵循最佳实践如何使能耗最多降至原来的百分之一、排放最多降至千分之一（Patterson，2022）。示例的起点是著名的 2017 年 Transformer 模型，在普通数据中心使用 GPU 训练。图中展示了在 2019 年、继而在 2021 年应用最佳实践所带来的节省。借鉴缓存“3C”的记忆法，我们把机器学习能效的四项要素称为 **4M**。 1. **Model——模型。** 第一个 M 指 DNN 模型，示例从 Transformer 开始。最佳实践是选择能够同样出色地解决相同问题的、最新且最高效的模型。 2019 年，Google 研究人员通过神经架构搜索（Neural Architecture Search，NAS），发现了 Evolved Transformer：在质量相同的情况下，它的速度达到 Transformer 的 1.3 倍（So，2019）。2021 年，同一批研究人员再次使用 NAS，发现了 Primer：它的速度达到 Transformer 的 4.2 倍、Evolved Transformer 的 3.2 倍，质量同样不变（So，2021）。注意，NAS 并不频繁进行：针对一个问题领域和体系结构搜索空间进行一次，而不是每次训练模型都进行。搜索结果通常公开发表，模型也会开源，让所有机器学习从业者受益。之后反复使用 NAS 找到的更高效模型，所节省的能耗和排放足以抵偿搜索本身的成本。 2. **Machine——机器。** 选择训练该模型时效率最高的硬件。以 2017 年 P100 GPU 的性能为基准，2019 年 TPU v2 的性能为其 5.7 倍，2021 年 TPU v4 的性能为其 14 倍，即 TPU v2 的 2.6 倍。结合第一个 M，与在 P100 上运行 Transformer 相比，2019 年的能耗和排放降至原来的 1/7.4，2021 年降至 1/57。 3. **Mechanization——数据中心设施（PUE）。** Google 云数据中心的 PUE 约为 1.1，而平均数据中心约为 1.6，前者的 PUE 约为后者的 1/1.4。[^pue-name] 结合前两个 M，与在平均 PUE 数据中心的 P100 上运行 Transformer 相比，2019 年的能耗和排放降至原来的 1/10.7，2021 年降至 1/83。 ![以 2017 年普通数据中心的 P100 训练 Transformer 为基准，4M 最佳实践逐步降低能耗及碳排放的倍数](/figures/ch07/fig-7-25.png) {#fig-7.25 num="7.25" caption="自 2017 年以来，采用 4M 最佳实践带来的总能耗与 CO₂ 排放改善（Patterson，2022）" .wide .expand} 图中蓝线表示 2019 年的改善，紫线表示 2021 年的改善；纵轴为相对于 2017 年基准的改善倍数，采用对数刻度。横轴依次加入 Model、Machine、Mechanization、Map 四项因素。2019 年标注值依次为 1.3、7.4、10.7、65.1；2021 年依次为 4、57、83、747。 4. **Map——地理位置。** 第 1 章已提到，数据中心的位置会显著影响能源供应的清洁程度，差异可达 5–10 倍。以平均能源供应的每千瓦时排放量为基准，2019 年 Google 艾奥瓦州数据中心的排放量为其 1/6；2021 年俄克拉何马州数据中心为其 1/9，即 2019 年艾奥瓦州的 1/1.5。结合前三个 M，与在平均 PUE、平均能源清洁程度的数据中心中用 P100 训练 Transformer 相比，2019 年的排放降至原来的 1/65，2021 年降至 1/747。 遵循 4M 最佳实践，最有希望让我们以可持续的方式兑现机器学习的巨大潜力。 ## 开放的指令集 DSA 设计者面临的一项挑战，是如何与 CPU 协作，运行应用的其余部分。如果二者位于同一个 SOC 中，那么选择哪种 CPU 指令集就是一个重大决定，因为直到不久之前，几乎每种指令集都属于某一家独立公司。过去，开发 SOC 的实际第一步往往是与某家公司签约，锁定指令集。 另一条路是自行设计定制 RISC 处理器，再为它移植编译器和库。IP 核授权的费用与麻烦，使 SOC 中出现了数量惊人的自制简单 RISC 处理器。一位 AMD 工程师估计，一颗现代微处理器内部可能有 12 种指令集！ RISC-V 提供了第三条路：一种切实可用、免费且开放的指令集，并预留了充足的操作码空间，用于增加领域专用协处理器指令，使前述 CPU 与 DSA 的紧密集成成为可能。为支持 DSA，RISC-V 预留了四个用于自定义指令的操作码，每个都可以通过 10 位功能码扩展，因此足以容纳数千条这样的指令。SOC 设计者现在可以选择一种拥有大量配套软件的标准指令集，而无需先签订合同。 他们仍然必须在设计早期选定指令集，但无需选定一家公司并与之签约。他们可以自行设计 RISC-V 核心，可以向销售 RISC-V IP 模块的多家公司之一购买，也可以下载他人开发的免费开源 RISC-V IP 模块。最后一种方式类似开源软件：志愿者维护浏览器、编译器、操作系统等，供用户免费下载使用。 开放指令集还带来额外好处：它改善了提供 RISC-V 技术的小公司的商业前景，因为客户不再需要担心某家拥有独有指令集的公司能否长期存续。 RISC-V 对 DSA 的另一项吸引力是：在 DSA 中，指令集的重要性不如通用处理器中那么高。如果 DSA 通过图结构或并行模式等高层抽象来编程，像 JAX、PyTorch 和 TensorFlow 那样，那么需要在指令集层面处理的工作就更少。原文将其中的图结构写作“data acyclic graphs（DAGs）”。[^dag-name] 此外，当性价比和能源成本方面的进步主要来自增加 DSA 时，二进制兼容性可能不再像过去那样重要。 截至本书写作时，RISC-V 很可能已成为 ARM 和 x86 之后第三重要的指令集。开放的 RISC-V 指令集前景可期。（我们真希望能窥见未来，看看从现在到本书下一版出版时，RISC-V 会发展成什么样！） [^pue-name]: 译注：原文在这里把 PUE 展开为 Power Utilization Efficiency。PUE 在本书第 1 章已定义为 Power Usage Effectiveness，即电能使用效率。 [^dag-name]: 译注：DAG 通常是 directed acyclic graph，即有向无环图。原文此处写作 data acyclic graphs。