图像处理硬件加速引擎是什么 如何提高CPU芯片性能

什么是硬件加速引擎？

软件在CPU上执行，首先是从控制器从存储器取指（Fetch），接着控制器进行译码（Decode），然后由算数逻辑单元（ALU）执行指令（Execute），这就是指令周期，如下图所示。因此CPU每执行一个运算，都是一个流水线式调用计算的过程。普通计算机用指令运算速度衡量计算性能，而超算通常用浮点运算速度来衡量其性能。但不管是指令运算还是浮点运算，在CPU上都是线程的运算，并且要耗费n个指令周期。线程的机制决定了运算只能按部就班，执行完当前的操作才能进行下一个，所以经常电脑会卡住，因为性能不足以快速执行当前的运算。

想要提高CPU芯片性能，最简单粗暴的办法：要么提升主频，要么增加核数：

1）提高主频：当前流片的制程限制了主频，我们一直徘徊在3-5GHz，且进一步提高主频，功耗和散热也是很大的问题。

2）增加核数：无限制的增加核数是一种非常笨拙的办法 ，并且软件不好优化，同时又受面积、功耗、散热、成本的制约，芯片良品率也将会进一步降低。

除非是云服务器类芯片等以为追求性能为目标，对能耗比不敏感的芯片，否则消费类芯片核心竞争力仍以能耗比和性价比为主。这意味着随着摩尔定律的终结，我们很难再从通用CPU榨出更多的性能，那么架构的演进也许才能突破限制——采用硬件加速器引擎（协处理器），比如采用GPU/DSP/DPU等专用处理单元加速器来完成特定的功能，提升处理的效率。

典型的在2020.11.11，apple在WWDC上发布了采用自研SOC的全芯Macbook系列产品，使用的就是最新自研的号称地表最强的M1芯片。该芯片采用了apple的手机SOC架构，由TSMC最新5nm制程工艺代工，集成了8个CPU，8个GPU（128个执行单元，可同时执行24576个线程，运算能力高达2.6TFLOPS），以及16核的神经网络加速引擎Neural Engine（即上述所谓DPU，每秒可进行11万亿次操作），硬件编解码核（硬件完成AVS、264/5等制式视频的编解码）。

这款地表最强的SOC，在同等功耗下，号称达到了2倍目前最快的CPU性能，再次刷新了数据。这里的GPU与Neural Engine，硬件编解码核等，这就我们所谓的硬件加速器。芯片充分利用硬件加速引擎，有效缓解了CPU线程运算的压力。GPU是专用的图形处理单元，Neural Engine是专用的卷积神经网络计算单元，硬件编解码是专用的视频编解码处理单元，三者异曲同工，无非就是将原本要用CPU计算的卷积/浮点运算进行了硬化，采用门电路进行并行加速运算，而非传统CPU的指令运算流程。

文章出处：【微信公众号：FPGA自习室】

责任编辑：gt