華為智能汽車部門IntelligentAutomotive Solutions（IAS）下設(shè)包括提供應(yīng)用算法的AutonomousDriving Solution (ADS)部門、提供域控制器的Mobile Data Center（MDC）和提供傳感器系統(tǒng)的集成感知事業(yè)部。其中，ADS負(fù)責(zé)算法研究，下分很多小組，分得特別精細(xì)，比如有Obstacle Detection Team障礙物探測、Prediction and Decision預(yù)測與決策；MDC類似于Tier1，前身為中央計(jì)算部門，主要為華為ARM服務(wù)器業(yè)務(wù)提供硬件。華為智能駕駛使用的芯片由海思提供，華為ARM服務(wù)器芯片也由海思提供，智能駕駛和ARM服務(wù)器芯片共用大部分研發(fā)成果。

華為海思AI產(chǎn)品線規(guī)劃路線圖

圖片來源：https://ggim.un.org/meetings/2019/Deqing/documents/1-3%20Huawei%20slides.pdf

海思AI產(chǎn)品線規(guī)劃有四條，分別為鯤鵬、昇騰、麒麟和鴻鵠。其中，鯤鵬系列主要是CPU，昇騰是AI加速器，麒麟主要是針對手機(jī)，鴻鵠針對電視。智能駕駛是昇騰產(chǎn)品線的延伸。此外基于麒麟990的麒麟990A則是華為汽車座艙芯片。

華為智能駕駛芯片主要有昇騰310、昇騰610和昇騰620，這三款芯片還可以級(jí)聯(lián)增加性能。https://www-file.huawei.com/-/media/corp2020/pdf/publications/huawei-research/2022/huawei-research-issue1-en.pdf，這個(gè)文檔里有華為昇騰系列芯片的詳細(xì)解釋，本文主要資料來源就是這個(gè)文檔。

昇騰610的內(nèi)部框架圖

圖片來源：華為

昇騰910內(nèi)部框架圖

圖片來源：華為

華為設(shè)計(jì)芯片是模塊形式，盡量復(fù)用研發(fā)成果，昇騰系列芯片的CPU和AI核心基本是相同的，只是核心數(shù)量不同。

華為昇騰核心特性一覽表

圖片來源：華為

昇騰核心即AI核，分原始、Max、Mini、Lite、Tiny幾個(gè)版本，針對不同的應(yīng)用使用不同的核心和數(shù)量配置，如針對手機(jī)領(lǐng)域的麒麟990，是兩個(gè)Lite和一個(gè)Tiny核心，三個(gè)加起來是6.88TOPS@INT8算力。昇騰310則是兩個(gè)Mini核心，昇騰610則是10個(gè)原始核心，昇騰910是32個(gè)Max核心。昇騰620可能是10個(gè)Max核心。每個(gè)核心基本是相同的，主要是緩存配置和頻率配置不同。

不同的核心對應(yīng)不同的算法網(wǎng)絡(luò)

圖片來源：華為

昇騰Max核心內(nèi)部框架

圖片來源：華為

上圖為Max核心內(nèi)部框架，主要包括標(biāo)量Scalar、矢量Vector和張量Tensor三個(gè)運(yùn)算單元。標(biāo)量單元負(fù)責(zé)任務(wù)調(diào)度，矢量單元負(fù)責(zé)深度學(xué)習(xí)最后的激活階段，張量負(fù)責(zé)卷積矩陣乘法。

三種運(yùn)算單元的計(jì)算模式

圖片來源：華為

標(biāo)量基本近似CPU，靈活性最高，但針對AI運(yùn)算力最低。1D矢量近似于GPU，靈活性居中，AI算力中等，CUBE針對2D矩陣，也就是一般意義上的張量。

如果按照嚴(yán)格數(shù)學(xué)的定義，那么矢量是一階張量，矩陣是二階張量，CUBE核跟英偉達(dá)的所謂張量核Tensor基本一致。

英偉達(dá)自Turing架構(gòu)開始用的張量核架構(gòu)和華為的CUBE基本一致，都是三維架構(gòu)。

三種運(yùn)算核心的對比

圖片來源：華為

一個(gè)CUBE核是8TOPS@FP16的算力，注意是FP16不是常見的INT8，車載領(lǐng)域一般是INT8。一個(gè)CUBE內(nèi)部包含4096個(gè)FP16 MACs，8192個(gè)INT8 MACs，而一個(gè)MAC是包含兩個(gè)Ops，因此如果運(yùn)行頻率是1GHz，那FP16算力就是1G*2*4096=8T。

同樣，谷歌的TPU V1是65000個(gè)FP16 MAC，運(yùn)行頻率0.7GHz，那么算力就是65000*0.7G*2=91T。特斯拉第一代FSD兩個(gè)NPU，每個(gè)NPU是9216個(gè)INT8 MAC，運(yùn)行頻率是2GHz，算力就是2*2*2G*9216=73TOPS。所謂算力基本就是MAC數(shù)量的堆砌，堆的越多，算力越高，面積也越大，成本就越高。

算力這個(gè)數(shù)字不用較真。

幾個(gè)手機(jī)芯片的AI算力對比

來源：華為

高通驍龍865標(biāo)稱最高，有8TOPS，但AI得分很低，遠(yuǎn)低于4.5TOPS的聯(lián)發(fā)科天璣1000，更低于華為的麒麟990，顯然高通的水分很大，聯(lián)發(fā)科則太老實(shí)了，標(biāo)稱比實(shí)際低了至少1TOPS。

華為在2019年在IEEE上發(fā)表論文《Kunpeng 920: The First 7-nm Chiplet-Based 64-Core ARM SoC for CloudServices》，鏈接為https://ieeexplore.ieee.org/document/9444893，這可是要付費(fèi)瀏覽的論文，不是ARXIV那種只要你投就發(fā)表的論文，IEEE的論文是要嚴(yán)格審核的。

華為的論文主要說了LLC，即最后一級(jí)緩存。鯤鵬920的設(shè)計(jì)中，將SoC的全局LLC切片到各個(gè)CPU Cluster中，使LLC與CPU Cluster形成NUMA關(guān)系。因此，需要仔細(xì)考慮如何選擇每個(gè)集群的適當(dāng)大小，以最大限度地發(fā)揮其效益。綜合考慮多種因素，選擇每個(gè)集群4個(gè)CPU核心，以獲得當(dāng)前進(jìn)程節(jié)點(diǎn)的最佳PPA分?jǐn)?shù)。

LLC采用私有模式或共享模式：私有模式通常用于每個(gè)CPU核心承載相對獨(dú)立的任務(wù)數(shù)據(jù)時(shí)；當(dāng)SoC內(nèi)的任務(wù)共享大量數(shù)據(jù)時(shí)，通常使用共享模式。

在私有模式下，每個(gè)CPU集群和對應(yīng)的LLC切片組成一個(gè)私有組，可以避免集群訪問高延遲的緩存切片。

在共享模式下，所有 LLC切片組合在一起充當(dāng)一個(gè)塊，以提高 SoC 內(nèi)部數(shù)據(jù)的重用率。

再來看CPU部分，昇騰610里是16核心的CPU，按照慣例這里的CPU核心很可能就是鯤鵬里的CPU核心，即《Kunpeng 920: The First 7-nm Chiplet-Based 64-Core ARM SoC for CloudServices》里所說的TAISHAN V110，眾所周知，泰山也是華為服務(wù)器的產(chǎn)品線名稱。TAISHAN V110是ARM系列的魔改，因?yàn)門AISHAN V120內(nèi)核是基于ARM Cortex-A76的魔改，https://www.huaweicentral.com/kirin-990a-huaweis-first-auto-chipset-installed-in-arcfox-alpha-s-smart-car/，這里提到了麒麟990A的CPU是TAISHAN V120的lite版，而https://www.hisilicon.com/en/products/Kirin/Kirin-flagship-chips/Kirin-990-5G，則直接承認(rèn)麒麟990的CPU就是ARM Cortex-A76，因此TAISHANV110很可能是ARM Cortex-A75或A73或者是ARM服務(wù)器系列的N1。和英偉達(dá)的Orin使用的ARM Cortex-A78AE差距很大，但華為用數(shù)量彌補(bǔ)了這一差距，基本與英偉達(dá)旗鼓相當(dāng)。

NoC方面是2D的4*6 MESH網(wǎng)格，節(jié)點(diǎn)間工作頻率2GHz，帶寬1024位即256GB/s，這個(gè)在2019年是比較高端的配置，但現(xiàn)在是2023年了，只能是中等配置。

華為與其他智能駕駛芯片的對比

圖片來源：華為

華為最后也做了與其他智能駕駛芯片的對比，從中也可以看出昇騰610的die size尺寸很大，有401平方毫米。根據(jù)TechanaLye的分析，英偉達(dá)Orin的die size是455平方毫米，不過英偉達(dá)是三星的8納米工藝，如果用和昇騰一樣的臺(tái)積電7納米工藝，那么面積應(yīng)該與昇騰610差不多，也就是說昇騰610的硬件成本和英偉達(dá)Orin是基本一致的。依照昇騰610的功率，水冷散熱是少不了的。

算力實(shí)際上很難對比，英偉達(dá)的一般都是稀疏算力，而華為據(jù)說是稠密，通常兩者會(huì)差一倍。英偉達(dá)Orin有多個(gè)版本，最頂級(jí)版本的275TOPS@稀疏INT8，算力實(shí)際上是兩部分：一部分由2048個(gè)CUDA貢獻(xiàn)，最高頻率1.3GHz，貢獻(xiàn)170TOPS@稀疏INT8算力；另一部分是64個(gè)張量核貢獻(xiàn)，最高頻率1.6GHz，貢獻(xiàn)105TOPS@INT8稀疏算力，如果是FP32稠密格式那么算力僅為5.3TOPS（此時(shí)只有CUDA能處理FP32數(shù)據(jù)），并且CUDA核和張量核很難同時(shí)達(dá)到最大化性能。張量核主要做矩陣乘法，CUDA主要做矩陣與矢量乘法，矢量與矢量之間乘法，CPU會(huì)根據(jù)數(shù)據(jù)和任務(wù)的不同安排誰來工作。

此外稀疏和稠密有三種不同的定義，一種稀疏是計(jì)算稀疏，稀疏指計(jì)算密度低，谷歌第四代TPU就特設(shè)稀疏核，就是針對稀疏計(jì)算部分如transformer的嵌入部分。另一種是輸入數(shù)據(jù)本身就是稀疏矩陣，還有一種是密集權(quán)重模型經(jīng)過剪枝后的稀疏模型。天然稀疏矩陣指原始數(shù)據(jù)就包含很多0的矩陣，激光雷達(dá)的信息矩陣就是典型的稀疏矩陣，RGB攝像頭一般是稠密矩陣。

在汽車這種嵌入式領(lǐng)域，算力和存儲(chǔ)帶寬限制需要盡可能地降低權(quán)重規(guī)模，對模型進(jìn)行剪枝或者說蒸餾，這種屬于主動(dòng)將模型稀疏化，通常有四級(jí)，分別是Fine-grained、Vector、Kernel和Filter，分別對應(yīng)單個(gè)權(quán)重、行或列、通道和卷積核。

英偉達(dá)對于最高級(jí)的fine grained做了特別優(yōu)化，相對稠密模型，計(jì)算速度提高一倍，也就是算力數(shù)值高了一倍，英偉達(dá)公布的算力數(shù)值，一般默認(rèn)是稀疏。如果沒有針對fine grained優(yōu)化，那么計(jì)算速度還是與稠密模型時(shí)一致。順便說一句，對于激光雷達(dá)這種稀疏矩陣，人類目前沒有找到好的優(yōu)化加速的方法。

算力數(shù)值實(shí)際和算法高度捆綁。若算法不匹配，最糟糕的情況下，算力只能發(fā)揮1%不到，也就是如果是100TOPS的算力，那么實(shí)際只發(fā)揮了不到1TOPS，這種情況不算罕見。

昇騰的軟件開發(fā)棧

圖片來源：華為

上圖是昇騰的軟件開發(fā)棧，CUDA還是必須使用，算子庫還是常見的cuBLAS，英偉達(dá)的GPU此時(shí)會(huì)更占優(yōu)勢。

Transformer時(shí)代，存儲(chǔ)帶寬比算力數(shù)值更有價(jià)值。CNN時(shí)代，卷積之類的稠密算子占了90%以上的計(jì)算，而Transformer時(shí)代稠密算子所占的部分大幅下降，對存儲(chǔ)帶寬要求高的存儲(chǔ)密集型算子大幅增加數(shù)倍，80-90%的計(jì)算延遲都是由這些算子造成的。

存儲(chǔ)帶寬方面，昇騰910不計(jì)成本使用了HBM，不過2019年只有HBM一代，昇騰910的存儲(chǔ)帶寬是1TB/s，和目前主流AI加速器比差距較大；昇騰610自然無法用昂貴的HBM，只能是LPDDR4/5，估計(jì)是100-200GB/s之間；昇騰310考慮成本，存儲(chǔ)帶寬只有47.8GB/s。特斯拉二代FSD用了GDDR6做存儲(chǔ)，可輕易超過400GB/s。

考慮到華為的智能駕駛芯片是2019年確定設(shè)計(jì)框架的，這在2019年毫無疑問是全球最先進(jìn)的，沒有之一，即便到了2023年，這個(gè)設(shè)計(jì)仍然不算落伍，但與英偉達(dá)和高通的下一代相比，難免出現(xiàn)差距。特別是Transformer對AI運(yùn)算有非常大的改變，必須做出對應(yīng)的修改。