在數字化高速發展的當下，人工智能、大數據處理、物聯網等前沿技術日新月異，現代計算需求面臨著嚴峻挑戰。海量數據的爆發式增長，讓傳統計算架構在處理大規模數據時顯得力不從心，效率低下、能耗過高、處理速度瓶頸等問題愈發突出。以人工智能領域為例，深度學習模型訓練需要進行海量矩陣運算和復雜的神經網絡計算，對計算設備的計算能力和并行處理能力要求極高；在大數據分析場景中，快速處理TB甚至PB級數據，傳統架構難以在可接受時間內完成任務。這些挑戰迫切需要計算架構創新，以突破現有局限，滿足不斷增長的計算需求。

為應對上述難題，向量擴展（Vector Extension，RVV）作為RISC-V指令集架構的重要拓展被正式引入。RISC-V指令集架構以其開源開放特性著稱，賦予了開發者在設計處理器時極大的靈活性與可擴展性，可針對不同應用場景進行定制化設計。RVV向量擴展通過引入向量指令，實現了對多個數據元素的并行處理，為提升計算性能提供了全新的途徑。相較于傳統的標量計算模式，向量計算在多媒體數據處理、科學計算等領域展現出顯著優勢，能夠有效減少指令執行次數，進而降低計算延遲，全面提升系統整體性能。RVV的出現，為開發者提供了一種高效、靈活且具有成本效益的解決方案，有力推動了計算架構的創新發展，在諸多領域呈現出巨大的應用潛力。在RVV發展浪潮中，賽昉科技昉·天樞-83（Dubhe-83） CPU IP 嶄露頭角。

昉·天樞-83 RISC-V CPU IP

Dubhe-83是一款能效卓越的處理器，具備諸多先進特性：

1. 指令集支持

全面兼容RVA23與RVV Crypto指令集，賦予芯片卓越的指令處理能力，從容應對復雜計算任務。在加密應用場景中，RVV Crypto指令集提供硬件級加密加速，極大提升數據加密與解密效率，為數據安全提供堅實保障。

2. 前端取指和分支預測策略

前端取指和分支預測采用Decouple策略，將取指和分支預測兩個關鍵操作解耦，更高效地處理指令流。同時，分支預測采用業界先進的TAGE-Style算法，能更精準預測程序分支走向，減少因分支預測錯誤導致的流水線停頓，提升處理器執行效率。

3. 流水線設計

擁有10-14 Stage的Pipeline，合理的流水線深度設計在保障指令處理效率的同時，兼顧硬件復雜度與成本。通過多級流水線操作，指令可在不同階段并行處理，加快指令執行速度。

4. 解碼和提交機制

采用3-Way Decode/Rename/Commit機制，可同時對三條指令進行解碼、重命名和提交操作，進一步提升指令處理并行度，提高處理器整體性能。

5. 性能表現

在Benchmark SPECint2006測試中，Dubhe-83分數達9.4/GHz，充分展現其在整數計算性能方面的出色表現，能滿足多種對整數運算要求較高的應用場景。

Dubhe-83在RVV上具有顯著的技術亮點和優勢：

1. 向量計算單元設計

Dubhe-83的Vector的VLEN=DLEN=256，配備2條128-bit的計算單元。此設計大幅提升向量計算能力，可同時處理2x128-bit的數據元素，在向量運算中充分發揮并行計算優勢，加速數據處理。

2. 存儲加載單元（LSU）設計

LSU采用2條Pipeline實現方式，Vector Load/Store和 Scalar Load/Store深度融合。Vector Load/Store帶寬為2x128-bit，這種融合設計在滿足高帶寬需求的同時盡可能節省資源（面積）的開銷，在數據加載和存儲過程中，無論是向量數據還是標量數據，均可高效傳輸和處理，減少數據訪問延遲，提高數據處理效率。

3. 向量工作方式與指令實現

Vector支持LMUL工作方式，每條Vector宏指令采用拆分uop實現方式。只要uop的所有Element在連續兩個Cache Line范圍內，則該 uop可一次性完成讀/寫操作。該設計優化了向量指令執行過程，減少指令執行周期，提升向量帶寬。

4. 向量Load/Store uop實現優勢

Vector Load/Store采用拆分uop實現方式，相較于一些廠商拆分Element的實現方式，在絕大多數應用場景中具有絕對性能優勢。這種實現方式能更高效利用存儲帶寬，減少數據傳輸次數，提高數據加載和存儲效率，進而提升整個系統性能。

5. 亂序執行機制

不僅Scalar采用深度亂序實現方式，Vector也采用深度亂序實現機制。與Vector按序實現方式相比，亂序方式能天然解決許多數據依賴場景。在實際應用中，數據間存在復雜依賴關系，按序執行可能因數據未準備好導致流水線停頓，而亂序執行可靈活調整指令執行順序，優先執行不依賴未就緒數據的uop，顯著提升性能。

6. RVV性能表現

與市場上一些通過In-Order實現的RVV產品相比，Dubhe-83在RiVEC基準測試套件（RiVEC Benchmark Suite，是一個由來自不同領域的數據并行應用程序組成的集合，該套件專注于對向量微架構進行基準測試，各個case的描述詳見下表格）上有著顯著的性能提升，提升從最少22%（Pathfinder）到最高817%（Matmul），其中，應用于高性能計算領域的幾個BLAS算子模型的平均性能提升為357.55%，應用于金融分析/物理仿真/數據挖掘等領域的幾個Dense Linear Algebra算子模型的平均性能提升為315.70%。這些實際應用場景中的性能優勢，充分證明 Dubhe-83在RVV架構和微架構上的先進性和卓越性能表現，能更好滿足用戶對高性能計算的需求。

RiVEC Benchmark Suite