文章核心观点 现代芯片设计正从单一处理器选择演变为多种处理器类型和架构的复杂组合，其核心驱动力在于对可编程性、可重构性和定制化的需求，以适应快速变化的技术（如新AI模型、内存标准）和工作负载，避免因技术迭代而导致的芯片快速过时，从而提供更灵活、更具未来适应性的解决方案 [2] 处理器架构的演变与融合 - 过去在ASIC、FPGA或DSP间的简单选择，现已演变为多种处理器类型和架构的组合，包括不同程度的可编程性和定制化 [2] - 可编程组件（如FPGA、DSP）为应对新技术升级提供了比重新设计芯片更简便的解决方案，甚至可更换整个可编程芯片组 [2] - 现场重新编程能力使设计人员能重新分配工作负载，并为消费者提供硬件升级，而无需购买新设备 [2] - GPU虽高度可编程但极其耗电，因此嵌入式AI应用常采用固定功能的NPU与可编程DSP结合的方案 [2] - Quadric的GPNPU融合了NPU的矩阵运算效率和DSP的低功耗可编程性，旨在打造理想的嵌入式AI处理器 [3] - Synaptics最新的嵌入式AI处理器组合了Arm CPU、MCU、Helium DSP扩展以及基于RISC-V的Google Coral NPU [3] - Blaize使用专有的可编程图流处理器(GSP)和Arteris的片上网络IP来实现多模态AI应用 [3] 数据中心的可编程选项 - 数据处理单元(DPU)是一种智能网络接口，用于路由系统不同部分的数据包 [4] - P-4可编程交换机是用于可编程数据包处理流水线的网络交换机 [4] - 粗粒度可重构阵列(CGRA)采用软件驱动的重构，抽象级别高于FPGA，能在流水线中实现灵活性、效率和AI推理的平衡 [4] - CGRA性能介于FPGA和GPU之间，是一种可能带来颠覆性变革的新兴技术，但目前仍处于实验阶段 [4] - 现场可编程模拟阵列(FPAA)将可重构计算的灵活性扩展到了传统数字逻辑之外 [4] 可编程性、可重构性与定制化的层次 - 芯片的可编程性包括完全改变硬件设计（如FPGA），以及对现有资源进行分区和配置（如设置带宽、延迟优先级） [5] - RISC-V等架构允许进行与设备相关的配置，但可编程性可能有限 [5] - FPGA在I/O、底层结构等方面具备极高的可编程性，而其他类型的可编程性则更有限、更具针对性 [5] - 芯片可通过电源基础设施进行定制，例如使电源网络更具可编程性以匹配不同封装，从而消除封装差异影响，提升性能 [5] 模拟信号增长对DSP的影响与AI的融合 - 现代SoC集成的模拟内容（如射频、混合信号、传感器接口）越来越多，DSP需处理存在噪声、失真和波动的非完美信号 [6] - DSP的作用范围扩大至“模拟感知处理”，包括自适应滤波、射频功率放大器线性化、校正ADC/DAC误差等，架构正变得更并行并包含专用加速器 [6] - 数字控制模拟技术将可编程性、软件和数字电路引入反馈流程，虽速度不如纯模拟，但更易于编程和控制 [6] - AI开始用于解决模拟内容增多带来的挑战，机器学习可从设备行为中学习并动态调整校准，预测非线性并实时校正 [7] - AI驱动的算法能随环境变化（温度、组件老化、干扰）不断自我优化，使DSP更具适应性 [7] - 未来趋势将是传统DSP方法与AI的融合，例如在雷达处理中保留能效更高、更具确定性的FFT算法，然后在目标识别等任务上应用AI [7] FPGA中DSP与AI引擎的集成 - FPGA中内置的DSP切片是可重构模块，其效率已提高，能处理定点/浮点运算及AI/机器学习负载 [9] - 许多现代FPGA还配备了AI引擎（VLIW、SIMD处理器），使其能与数据同步执行数字信号处理，无需独立DSP [9] - AI引擎是针对线性代数和矩阵运算优化的向量处理单元(VPU) [9] - AI引擎可处理计算密集型负载（如通道化器、FFT、FIR滤波器），但可编程逻辑中的DSP切片因乘加运算的广泛适用性而仍然存在 [9] - 从射频测试角度看，将ADC和DAC集成到与FPGA相同的芯片上可降低系统测试延迟，带来显著优势 [12] Chiplet与嵌入式FPGA提供的灵活性 - Chiplet技术允许通过更换包含新协议或标准的Chiplet来应对频繁变化的应用场景，这在一定程度上削弱了FPGA的优势 [13] - 带有FPGA的Chiplet可以重新编程，而SoC的其余部分无需再次验证 [14] - 嵌入式FPGA(eFPGA)为未知领域和未来变化提供了灵活性，例如适应不同的数据中心背板或快速应对工艺节点变更 [14] - 但eFPGA由于可重构电路会增加面积成本，设计人员需谨慎部署 [14] - ASIC可采用定制存储器层次结构满足特定AI负载，而FPGA提供更大灵活性以适用于各种用例，这是在通用性与性能/效率间的权衡 [15] 软件定义趋势对硬件架构的影响 - 产品正变得软件定义、人工智能驱动、硅芯片赋能，软件开发时间大大提前，企业希望通过软件更新来添加功能和盈利 [16] - 硬件必须能够支持软件的变更，产品架构需设计成可软件更新的，例如iPhone通过iOS更新提升麦克风降噪、拍照效果和电池续航 [16] - 各公司正在加大对编译技术的投资，以在半导体可用之前就进行软硬件协同设计 [16] - 在AI普及、机器人兴起及未来6G需求增长的时代，可编程性使公司能跟上技术趋势，即使这会牺牲ASIC的一些效率 [16]