小米玄戒O1架构深度解析（一）：十核异构设计与缓存层次详解

前言

这两天，小米的全新SOC玄戒O1横空出世，引发了科技数码圈的一次小地震，那么小米的这颗所谓的自研SOC，内部究竟有着什么不为人知的秘密呢？我们一起一探究竟。

1 架构总览

1.1 基本构成

随着诸多科技博主对玄戒O1进行了 “开膛破肚”，这颗芯片的神秘面纱，也被一点点揭开（图片来自极客湾）。

与宣传一致，玄戒O1采用了先进的台积电3nm N3E工艺，CPU方面采用了 “2+4+2+2” 十核四丛集架构（2颗X925超大核、4颗A725大核、2颗低频A725能效核、2颗A520超低功耗核）。各个核心的基本情况如下：

SOC内部没有分配SLC，而是直接采用了一个16M的L3缓存，外加各个核心专有的L2缓存（关于具体的缓存配置，会在第二章，也就是CPU部分详细展开）。

---

GPU配置方面也是相当豪华，搭载了16核ARM G925 GPU(也就是16个计算单元)，每个CU包含128个FP32 ALU，总计 16 CU × 128 ALU = 2048个流处理器，按照惯例，还配有纹理单元和光栅化单元，此外共搭载4MB L2缓存。

我们来横向对比一下这款芯片与“友商”的产品

如此对比下来，理论上GPU的性能要比“友商”的产品强出不少。

那么，为什么小米选择了堆CU数量，而不是堆每CU的ALU数呢？分析下来有以下几点原因：

1. 并行效率优化

任务划分更灵活：16个CU可独立处理不同渲染阶段（如几何、像素、计算），降低资源争抢。
适合移动端负载：手游多为多线程小任务（如粒子效果、后处理），而非单指令大规模计算。

2. 功耗与面积平衡

面积成本：每增加1个CU需额外约1.2mm²（4nm工艺），16 CU总面积约19.2mm²。
功耗控制：多CU可动态关闭闲置单元（如关闭8个CU处理UI渲染），比高频少CU方案更省电。

3. 驱动与生态适配

开发者友好：主流图形API（如Vulkan）更适应多CU的任务分发模式。
工具链成熟：高通Adreno架构的调试工具链可直接适配，减少开发成本。

---

玄戒O1的NPU（神经网络处理单元）是其自研芯片的核心模块之一，基于小米多年积累的 MACE（Mobile AI Compute Engine）框架演进而来。由6核心外加10MB缓存构成。作为首款完全自研的AI加速器，玄戒O1的NPU在架构设计、能效比和软硬协同上展现了独特创新。

在软件生态上，同时兼容ONNX、TensorFlow Lite、PyTorch Mobile等神经网络架构，为软硬件协同开发提供了有利条件。

---

较之于所谓的CPU、GPU和NPU，一般的ISP并不会显得那么吸睛，玄戒O1的ISP（图像信号处理器）是其影像能力的核心引擎，通过自研架构和软硬协同优化，实现了从传感器原始数据到高质量成像的全流程突破。事实上，小米在很多年前，就已经在自研ISP了，最开始是在2017年，搭载在了小米5C上面。后又经几番迭代，日趋成熟。

小米的ISP发展，大致可分为一下几个发展阶段：

那么，什么是3A加速呢？

3A分别指的是自动对焦（AF）、自动曝光（AE）、自动白平衡（AWB），它们是成像质量的核心控制参数。澎湃C1芯片的3A加速 指通过专用硬件电路（而非传统软件算法）实现这三大功能的超低延迟、高精度处理。

关于语义分割和多帧合成就更复杂了，有时间再说😊。

1.2 SLC缺席的原因探索

首先我们先捋清楚概念，什么是SLC缓存，与普通的缓存有什么不同？

SLC（系统级缓存）： 一种共享缓存，通常被多个处理单元（如CPU、GPU、NPU）共同访问，用于减少对主存的依赖，降低延迟和功耗。例如，高通的骁龙芯片通常集成6-8MB的SLC，供所有核心共享。

独立缓存（单元级缓存）：
每个处理单元（如CPU核心、GPU模块、NPU加速器）拥有自己的专用缓存（如L2/L3缓存），独立管理，不与其他单元共享数据。

那么，该如何理解极客湾所说的：“最终去掉SLC,增加各个单元各自的巨大缓存，应该是为了规避低功耗区间翻车的风险”？

所谓的低功耗时候的风险，指的是当芯片处于低功耗模式（如手机待机、轻度任务处理）时，若共享资源（如SLC）的设计无法高效协调多单元访问，可能导致两个问题：

性能波动：缓存争用导致响应延迟增加。
功耗反弹：频繁唤醒主存或维护缓存一致性，反而增加功耗。

也就是说，在轻度负载的应用场景，SLC还在工作，而如果将这部分直接“舍弃”，那么对于玄戒O1来说，可直接利用小核自带的缓存去应付，这样就节省了部分功耗。

2. CPU设计

玄戒O1的CPU核心并非均质化设计，而是按 性能/功耗比 严格分级：

X925超大核（3.9GHz）：基于ARM Cortex-X4定制，专攻瞬时高负载（如游戏启动、AI推理）；
A725大核（3.4GHz）：处理中度多线程任务（如视频编码、多应用切换）；
低频A725（1.89GHz）：优化能效的轻量计算（如后台服务）；
A520小核（1.8GHz）：负责低功耗常驻任务（如传感器数据采集）。

这种设计源自 ARM的DynamIQ技术，允许不同架构核心共享L3缓存和内存控制器，但每个丛集可独立调节电压/频率（DVFS）。这样一来，对于降低整机功耗非常有利。

2.1 不同核心之间的差异

上面对大小核有了简单的介绍，接下来我们详细介绍一下这些核之间的差异。

可以看到，更大的核心，意味着拥有更深的流水线深度，以及更加丰富的分支预测预测单元和更多的ALU和重排序缓冲区（什么是流水线，以及什么是分支预测，可以参考我的这篇文章CPU流水线技术全面解读）。

简单来说：

• X925 通过更深的流水线和更大的ROB提升单线程性能，但功耗较高。
• A725 在性能与能效间平衡，适合多线程任务。
• A520 简化执行单元，减少面积和功耗，适合低负载场景。

关于缓存分配方面，为了方便数据的读写，当然是越大的核，配越大的缓存。超大核每个配置了2M的L2缓存，大核和能效核每个配置了1M的L2缓存，小核共用512k L2缓存，这些核共用16M L3缓存。

L1缓存一般集成在了各个核内部，从下面这张图可以看出来（图片来自ARM官网，相关技术手册）。

除此之外，不同的核，电源与工艺也不一样。

可见，超大核和大核由于功耗较高，可以根据任务的不同而选择睡眠或工作，而小核处于常开状态，从而在整体上控制可功耗，当然多核的调度策略远远没有这么简单，在下面章节中我们将重点讨论。

2.2 多核任务调度策略

2.2.1 多核任务调度核心逻辑

(1) 任务分类与优先级映射

• 实时性任务（如触控响应、音频处理）→ 由 X925超大核 处理，确保低延迟；
• 计算密集型任务（如游戏渲染、视频导出）→ 分配至 X925+A725大核，利用多线程并行；
• 能效敏感型任务（如后台同步、消息推送）→ 交由 A520小核，减少唤醒大核的功耗。

(2) 调度器算法（Linux CFS + 小米定制优化）
玄戒O1基于 Linux内核的完全公平调度器（CFS: completely Fair scheduler），但小米做了以下深度优化：
负载预测模型：通过历史使用数据（如APP启动模式）预判任务类型，提前分配核心；
能效感知调度（EAS）：结合芯片的 能量模型（EM），计算每个任务在不同核心的 功耗/性能比，选择最优解；
线程迁移成本控制：避免频繁跨丛集迁移线程（如从X925切到A520），减少缓存失效带来的性能损失。

(3) 硬件级调度辅助（PMU与IPC监控）
性能监控单元（PMU）：实时监测各核心的 IPC（每周期指令数）、缓存命中率，动态调整调度策略；
中断负载均衡：硬件中断（如网络数据包到达）会优先路由到空闲小核，避免打断大核的关键任务。

以上的内容，其他的都比较好理解，那么什么是完全公平调度器（CFS），什么又是能效感知调度（EAS)呢？

2.2.2 完全公平调度器

1. 核心目标
   公平性：确保所有任务按权重（优先级）公平分享CPU时间，避免饥饿。
   低延迟：通过细粒度时间片分配（最小调度周期约1ms），快速响应交互任务。
   普适性：适用于同构多核系统，不依赖特定硬件特性。

2. 实现原理
   虚拟运行时间（vruntime）：
   每个任务维护一个vruntime，表示其已消耗的“虚拟CPU时间”。CFS优先调度vruntime最小的任务，保证长期公平。
   红黑树管理：
   所有可运行任务按vruntime排序存入红黑树，调度器每次选择最左侧（最小vruntime）任务执行。
   负载均衡：
   定期检查各CPU负载，通过任务迁移平衡负载，但不感知能效差异。

3. 局限性😟
   异构核盲视：
   将大核（高性能高功耗）与小核（低性能低功耗）视为等同，可能将轻量任务错误分配到大核，导致能效低下。
   能耗不敏感：
   调度决策仅基于CPU时间公平性，无法优化整体系统功耗。

鉴于以上的局限性，有了又来的能效感知调度策略。

2.2.3 能效感知调度

1. 核心目标
   能效优化：在满足性能需求的前提下，最小化系统功耗。
   异构核适配：根据大核/小核的功耗特性，智能分配任务。
   动态调节：结合CPU频率（DVFS）与任务需求，实现精细化控制。

2. 实现原理
   能量模型（Energy Model, EM）：
   预置每个CPU核心在不同频率下的功耗曲线（如X925@3.9GHz功耗4.2W，A520@1.8GHz功耗0.1W）。
   能效成本函数：
   计算任务在候选核心的 能效得分 = 性能需求 / 预期功耗，选择得分最高的目标核心。
   与CFS的集成：
   继承CFS的vruntime和红黑树机制，维持公平性基础。
   负载均衡增强：在任务迁移时，优先考虑能效而非单纯负载均衡。

3. 关键创新
   CPU容量感知：
   定义每个核心的“计算容量”（如X925容量=1024，A520=256），任务负载按容量归一化。
   能效导向的唤醒决策：
   唤醒空闲核心时，选择能效比最高的候选（而非默认的最小负载核心）。

2.3 超大核的分支预测方案

核心越大，流水线深度越深，则在预测失败后进行相关处理的成本越大。那设计一个优秀的分支预测算法就显得尤为重要。所以我们在此仅对该SOC超大核X925的分支预测原理进行分析（具体的分支预测方案这属于技术机密，我们不得而知，但是可以根据目前已知的一些分支预测方案做出合理推测）。

下图是一种常见的五级流水线内部结构图，作为参考：

可能的分支预测解决方案有以下几个：

2.3.1 自适应混合预测算法

TAGE-SC-L 预测器：
采用多历史长度组合的预测机制，动态选择最佳历史深度（如4-bit至128-bit历史记录），通过几何级数分布的历史表覆盖不同分支模式（循环、条件跳转等）。

示例：对于频繁跳转的循环体（如for(i=0; i<N; i++)），短历史长度快速捕捉规律；对嵌套条件分支（如if(A && B || C)），长历史记录分析上下文依赖。

感知局部性增强：
引入分支地址哈希优化，减少BTB（Branch Target Buffer）冲突。例如，玄戒O1可能使用XOR折叠算法对分支指令地址进行哈希处理，分散到不同预测表项，降低别名（Aliasing）导致的误判。

2.3.2 硬件结构深度优化

分层式BTB设计：
L1 BTB：小容量、低延迟（1周期访问），缓存最近高频分支目标（如4K条目）。
L2 BTB：大容量、稍高延迟（3-4周期），存储低频但重要的分支（如16K条目），通过预取机制提前加载可能需要的条目。

使得CPU可以在较短时间内读取高频分支目标，提升整体处理效率。

分支目标预计算：
在指令解码阶段，对间接跳转（如switch-case、虚函数调用）的目标地址进行硬件加速计算，利用专用电路快速解析跳转表或寄存器值，减少目标查找延迟。

采用专用电路缩减跳转时间。

2.3.3 推测执行与恢复机制

误预测快速回滚：
采用Checkpoint寄存器堆，在分支预测时保存关键寄存器状态，误判时直接回滚至检查点，而非完全清空流水线，将恢复时间从20+周期缩短至5周期内。

动态推测深度调整：
根据工作负载特征（如高分支误判率时），自动限制推测执行的指令窗口大小（如从200条缩减至50条），避免因深度推测浪费能耗。

这也属于一种自我优化机制，去掉了部分高分支误判率的指令窗口，理论上就可以降低误判率。

2.3.4 AI驱动的动态学习

运行时行为建模：
集成轻量级神经网络协处理器，实时分析分支历史模式（如周期性、随机性），动态调整预测器权重。例如，检测到某分支近期误判率升高，自动切换至备选预测策略。

相当于一种自适应的分支预测，当然，这个神经网络不能设计得过于复杂，不然本身的功耗就不小，估计也就是哥多层感知机。

编译器反馈优化：
与定制化编译器（如玄铁LLVM）协作，通过__builtin_expect等指令标记高概率分支路径，辅助硬件预测器初始化历史状态。

3. 后记

总觉得还有很多东西可以写，比方说多核调度策略和分支预测很多细节没有写到。而且GPU, NPU和ISP部分没有单独作为一个章节进行展开。但我觉得可以将玄戒O1的分析做个系列文章。欢迎继续关注后续更新。

参考资料：

1. 哔哩哔哩up主极客湾的视频小米自研玄戒O1芯片深度评测：直逼8 Elite！
2. 《大话计算机》
3. ARM官网数据手册