GPU 进阶笔记（三）：华为 NPU/GPU 演进

大家读完觉得有意义记得关注和点赞！！！

• 1 术语
  • 1.1 CPU
  • 1.2 GPU
  • 1.3 NPU / TPU
  • 1.4 小结
• 2 华为 DaVinci 架构：一种方案覆盖所有算力场景
  • 2.1 场景、算力需求和解决方案
  • 2.2 Ascend NPU 设计
• 3 路线一：NPU 用在手机芯片（Mobile AP SoC）
  • 3.1 Kirin 970，2017, Mate 10 系列手机
  • 3.2 Kirin 990 5G，2019, Mate 30 系列手机
  • 3.3 Kirin 9000 5G，2020，Mate 40 系列手机
  • 3.4 Kirin 9000s，2023，Mate 60 系列手机
  • 3.5 小结
• 4 路线二：NPU 用作推理/训练芯片（Ascend AI Processor）
  • 4.1 产品：加速卡 Atlas 系列
  • 4.2 Ascend 310，2019，推理
    • Spec
  • 4.3 Ascend 910, 2019，训练
    • 4.3.1 Spec & Performance, vs. Google TPU
    • 4.3.2 计算集群
  • 4.4 Ascend 910B, 2023
• 参考资料

---

本文内容都来自公开资料，仅供个人了解参考。 AI 相关的东西现在迭代非常快，所以部分内容可能已经过时，请注意甄别。

1 术语

CPU/GPU/NPU 等等都是硬件芯片，简单来说，晶体管既可以用来实现逻辑控制单元， 也可以用来实现运算单元（算力）。 在芯片总面积一定的情况下，就看控制和算力怎么分。

• CPU：通用目的处理器，重逻辑控制；
• GPU：通用目的并行处理器（GPGPU），图形处理器；
• NPU：专用处理器，相比 CPU/GPU，擅长执行更具体的计算任务。

1.1 CPU

大部分芯片面积都用在了逻辑单元，因此逻辑控制能力强，算力弱（相对）。

1.2 GPU

大部分芯片面积用在了计算单元，因此并行计算能力强，但逻辑控制弱。 适合图像渲染、矩阵计算之类的并行计算场景。作为协处理器， 需要在 CPU 的指挥下工作，

Image Source [8]

1.3 NPU / TPU

也是协处理器。在 wikipedia 中没有专门的 NPU (Neural Processing Unit) 页面，而是归到 AI Processors 大类里面， 指的是一类特殊目的硬件加速器，更接近 ASIC，硬件实现神经网络运算， 比如张量运算、卷积、点积、激活函数、多维矩阵运算等等[7]。

如果还不清楚什么是神经网络，可以看看 以图像识别为例，关于卷积神经网络（CNN）的直观解释（2016）。

在这些特殊任务上，比 CPU/GPU 这种通用处理器效率更高，功耗更小，响应更快 （比如一个时钟周期内可以完成几十万个乘法运算）， 因此适合用在手机、边缘计算、物联网等等场景。

TPU：这里特制 Google 的 Tensor Processing Unit，目的跟 NPU 差不多。 [11] 对 TPU 和 GPU 的使用场景区别有一个非常形象的比喻：

如果外面下雨了，你其实并不需要知道每秒到底有多少滴雨， 而只要知道雨是大还是小。 与此类似，神经网络通常不需要 16/32bit 浮点数做精确计算，可能 8bit 整型预测的精度就足以满足需求了。

Floor Plan of Google TPU die(yellow = compute, blue = data, green = I/O, red = control) [11]

1.4 小结

GPU 已经从最初的图像渲染和通用并行计算，逐步引入越来越多的神经网络功能 （比如 Tensor Cores、Transformer）； 另一方面，NPU 也在神经网络的基础上，开始引入越来越强大的通用计算功能， 所以这俩有双向奔赴的趋势。

2 华为 DaVinci 架构：一种方案覆盖所有算力场景

2.1 场景、算力需求和解决方案

不同算力场景下，算力需求（TFLOPS）和内存大小（GB）的对应关系 [1]

华为的解决方案：一种架构（DaVinci），覆盖所有场景 [1]

用在几个不同产品方向上，

1. 手机处理器，自动驾驶芯片等等
2. 专门的 AI 处理器，使用场景类似于 GPU

2.2 Ascend NPU 设计

2017 年发布了自己的 NPU 架构，[2] 详细介绍了 DaVinci 架构的设计。 除了支持传统标量运算、矢量运行，还引入了 3D Cube 来加速矩阵运算，

Image Source [2]

单位芯片面积或者单位功耗下，性能比 CPU/GPU 大幅提升：

Image Source [2]

下面看看实际使用场景和产品系列。

3 路线一：NPU 用在手机芯片（Mobile AP SoC）

现代手机芯片不再是单功能处理器，而是集成了多种芯片的一个 片上系统（SoC）， 华为 NPU 芯片就集成到麒麟手机芯片内部，随着华为 Mate 系列高端手机迭代。

Image Source [7]

比如，一些典型的功能划分 [7]：

• CPU 主处理器，运行 app；
• GPU 渲染、游戏等；
• NPU 图像识别、AI 应用加速。

Mate 系列手机基本上是跟 Kirin 系列芯片一起成长的，早期的手机不是叫 “Mate XX”， 而是 “Ascend Mate XX”，从中也可以看出跟昇腾（Ascend）的渊源。

3.1 Kirin 970，2017, Mate 10 系列手机

据称是第一个手机内置的 AI 处理器（NPU）[3]。 在 AI 任务上（比如手机上输入文字搜图片，涉及大批量图片识别）比 CPU 快 25~50 倍。

• 10nm，台积电代工
• CPU 8-core with a clockspeed of uP to 2.4GHz i.e. 4 x Cortex A73 at 2.4GHz + 4 x Cortex 53 at 1.8GHz
• GPU 12-core Mali G72MP12 ARM GPU
• NPU 1.92 TFLOPs FP16

3.2 Kirin 990 5G，2019, Mate 30 系列手机

Kirin 990 包含了 D-lite 版本的 NPU [1]：

• World’s st 5G SoC Poweed by 7nm+ EUV
• World’s 1st 5G NSA & SA Flagship SoC
• Wolrd’s 1st 16-Core Mali-G76 GPU
• World’s 1st Big-Tiny Core Architechture NPU

麒麟 990 5G 芯片逻辑拓扑 [1]

一些硬件参数 [1,4]：

• 台积电 7nm+ 工艺
• CPU 8-Core
• NPU 2+1 Core

• GPU 16-core Mali-G76（ARM GPU）

• GPU 16-core Mali-G76 (ARM GPU)
• NPU
  • HUAWEI Da Vinci Architecture,
  • 2x Ascend Lite + 1x Ascend Tiny
• 2G/3G/4G/5G Modem
• LPDDR 4X
• 4K HDR Video

3.3 Kirin 9000 5G，2020，Mate 40 系列手机

Image Source

• 台积电 5nm 工艺
• GPU 24-core Mali-G78, Kirin Gaming+ 3.0
• NPU
  • HUAWEI Da Vinci Architecture 2.0 第二代架构
  • 2x Ascend Lite + 1x Ascend Tiny

这个是台积电 5nm 工艺 [5]，然后就被美国卡脖子了。 所以 Mate 50 系列用的高通处理器，Mate 60 系列重新回归麒麟处理器。

3.4 Kirin 9000s，2023，Mate 60 系列手机

王者低调回归，官网没有资料。

据各路媒体分析，是中芯国际 7+nm 工艺，比上一代 9000 落后一些， 毕竟制程有差距，看看国外媒体的副标题 [6]：

It's tough to beat a 5nm processor with a 7nm chip.

Wikipedia 提供的参数 [10]：

• SMIC 7nm FinFET
• CPU HiSilicon Taishan microarchitecture Cortex-A510
• GPU Maleoon 910 MP4
• NPU 有，但是没提

3.5 小结

手机芯片系列先到这里，接下来看看作为独立卡使用的 NPU 系列。

4 路线二：NPU 用作推理/训练芯片（Ascend AI Processor）

两个产品：301 低功耗；910 高算力。

设计见 paper [2]。

4.1 产品：加速卡 Atlas 系列

型号 Atlas 200/300/500/…，包括了 NPU 在内的 SoC，用于 AI 推理和训练。

4.2 Ascend 310，2019，推理

Spec

用的是 D-mini version：

纸面算力基本对标 NVIDIA T4 [9]。

4.3 Ascend 910, 2019，训练

4.3.1 Spec & Performance, vs. Google TPU

Image Source [1]

Image Source [1]

4.3.2 计算集群

Image Source [1]

Image Source [1]

4.4 Ascend 910B, 2023

GPU 进阶笔记（二）：华为 Ascend 910B GPU 相关（2023）。

参考资料

1. DaVinci: A Scalable Architecture for Neural Network Computing，huawei, 2020
2. Ascend: a Scalable and Unified Architecture for Ubiquitous Deep Neural Network Computing, HPCA, 2021
3. Huawei Unveils The Kirin 970, The World’s First Processor With A Dedicated NPU, 2017
4. Kirin 990 5G Data Sheet, hisilicon.com
5. Kirin 9000 Data Sheet, hisilicon.com
6. Huawei’s sanctions-evading Kirin 9000S processor tested: significantly behind its Kirin 9000 predecessor that used TSMC tech，2023
7. Neural Processing Unit (NPU) Explained, 2021
8. AI 101: GPU vs. TPU vs. NPU, 2023
9. GPU Performance (Data Sheets) Quick Reference (2023)
10. Wikipedia: HiSilicon, wikipedia.com
11. An in-depth look at Google’s first Tensor Processing Unit (TPU), Google Cloud Blog, 2017