量子位 出品 | "大众年夜众号 QbitAI
△ 百度阐明了FPGA上AI和数据剖析事情负载的情形
刚刚在加州Hot Chips大会上，百度发布XPU，这是一款256核、基于FPGA的云打算加速芯片。互助伙伴是赛思灵（Xilinx）。百度也在这次的大会上，透露了关于这款芯片的更多架构方面的细节。
过去几年，百度在深度学习领域，尤其是基于GPU的深度学习领域取得了不错的进展。而且，百度也在开拓被称作XPU的新处理器。
百度研究员欧阳剑表示，百度设计的芯片架构突出多样性，着重于打算密集型、基于规则的任务，同时确保效率、性能和灵巧性的最大化。本日，他在Hot Chips大会上与来自FPGA厂商Xilinx的人士一同发布了XPU。
△ 百度去年宣告采取Xilinx Kintex UltraScale FPGA加速数据中央的额机器学习运用
XPU的目标是在性能和效率之间实现平衡，并处理多样化的打算任务。FPGA加速器本身很善于处理某些打算任务，但随着许多小内核交织在一起，多样性程度将会上升。
欧阳剑表示：“FPGA是高效的，可以专注于特定打算任务，但缺少可编程能力。传统CPU善于通用打算任务，尤其是基于规则的打算任务，同时非常灵巧。GPU瞄准了并行打算，因此有很强大的性能。XPU则关注打算密集型、基于规则的多样化打算任务，希望提高效率和性能，并带来类似CPU的灵巧性。”
目前XPU有所欠缺的仍是可编程能力，而这也是涉及FPGA时普遍存在的问题。到目前为止，XPU尚未供应编译器。不过欧阳剑表示，该团队将会很快开拓一款编译器。
欧阳剑还表示
为了支持矩阵、卷积，以及其他大大小小的内核，我们须要一个配备高带宽低延时内存，以及高带宽I/O接口的大型数学阵列。FPGA中XPU的DSP单元供应了并行处理能力，片外DDR4和HBM接口优化了数据传输，而片上SRAM则供应了必要的存储特性。
在Micro Benchmark测试中，对付打算密集型、常规内存访问的打算任务，XPU的效率与x86内核类似。对付数据同步的打算任务，XPU的可扩展性应该可以进一步优化。而对付没有数据同步的打算任务，XPU的可扩展性与核心数量呈线性关系。
这便是问题所在。如前所述，XPU仍旧没有配备编译器。这款处理器在FPGA上实现，通过订制的逻辑电路供应指令。这些小核心类似于CPU，开拓者只能利用汇编措辞，而所有的实行都由主机来掌握。全体流程包括拆分打算任务，编写XPU代码，调用专用的逻辑函数，从而在Linux平台上进行编译和运行。
△ XPU具有256个内核，集成了一个共享内存用于数据同步。所有内核都运行在600MHz。
欧阳剑称：“在百度，我们利用FPGA已有多年韶光。我们的数据中央、云打算平台和自动驾驶项目中有大量FPGA。我们非常理解FPGA的优缺陷，以及如何优化。凭借XPU的大型核心，我们专注于多样化的打算任务。”
去年有媒体宣布了基于百度深度学习SDA的SQL加速器。当时的数据流基于SA架构。根据欧阳剑的描述，这也是XPU内存带宽和延时上风的核心。
欧阳剑同时展示了今年完成的一些benchmark测试，但信息非常粗略。不过，这只是百度第一次公开展示XPU。
如果XPU被证明可以用于AI、数据剖析、云打算和无人驾驶，那么百度可能须要用ASIC技能去开拓XPU。
— 完 —
诚挚招聘
量子位正在招募编辑/，事情地点在北京中关村落。期待有才华、有激情亲切的同学加入我们！
干系细节，请在量子位"大众年夜众号(QbitAI)对话界面，回答“招聘”两个字。
量子位 QbitAI
վ'ᴗ' ի 追踪AI技能和产品新动态
