音頻和視頻處理、雷達、電信、驅動電機控制、虛擬現實 (VR)、增強現實 (AR) 以及最近的人工智能 (AI) 算法等應用都強烈依賴于 DPS（數字信號處理器），因為它們采用物理模擬信號的數字化形式按照特定算法在數學上對其進行操作。

許多 DSP 僅支持定點數學表示并能夠提供大多數科學應用所需的精度，但另一方面，浮點提供了一種更相關和更準確的方式來表示主要是模擬信號的現實世界數據. 此外，浮點支持與 DSP 代碼的集成和移植，因為它們根據標準 IEEE754 的算術表示被編譯器、開發和建模工具廣泛使用。

“Tensilica 在 DSP 領域已經有很長時間了。我們已經為音頻和語音、雷達、激光雷達和計算機視覺（包括人工智能）提供了經過驗證的產品。這是 Tensilica 產品組合中的一個全新系列，也是我們第一款專為支持浮點運算而設計的 DSP”，Cadence 的 Tensilica DSP 產品管理和營銷總監 Ted Chua 說。

新的 Cadence Tensilica FloatingPoint DSP 系列以極低的功耗為廣泛的計算密集型應用提供可擴展的性能。低能耗 DSP IP 優化了功耗、性能和面積 (PPA)，可為移動、汽車、消費類和超大規模計算應用節省高達 40% 的面積，并為無縫軟件遷移提供簡單的編程環境。

“在某些應用中，例如電機控制，浮點可以比定點系統做得更好，因為代碼更小，或者因為它運行得更快，或者更準確、更有效地控制速度和扭矩”，蔡說。

Tensilica 浮點 DSP 系列

新的浮點 DSP IP 內核系列針對 PPA 進行了優化，從小型和超低功耗擴展到非常高性能的設備，為最具挑戰性的應用提供節能解決方案，包括電池供電設備、人工智能 (AI)機器學習 (ML)、電機驅動控制、傳感器融合、增強現實 (AR) 和虛擬現實 (VR)。

基于 Tensilica Xtensa 32 位 RISC 微架構，新系列（圖 1）包括四個內核：Tensilica FloatingPoint KP1 DSP、Tensilica FloatingPoint KP6 DSP、Tensilica FloatingPoint KQ7 DSP 和 Tensilica FloatingPoint KQ8 DSP。新的 DSP 不僅提供從 128 位向量寬度到 1024 位向量寬度的高可擴展性，而且還可以配置為僅啟用特定應用所需的功能，從電池供電設備的節能解決方案到高-性能計算（HPC）。

圖 1：Tensilica 浮點 DSP 系列

新系列 DSP 內核與現有 Tensilica DSP 的可選矢量浮點單元 (VFPU) 共享通用指令集架構 (ISA)，并在 Tensilica Xtensa LX 上具有從 128 位 SIMD 到 1024 位 SIMD 的可擴展矢量寬度和 NX 平臺。使用 VFPU 插件的 Tensilica 定點 DSP 的性能得到了改進，在融合乘加 (FMA) 操作中的操作吞吐量增加了 25%。使用 Tensilica 指令擴展 (TIE) 語言可以進一步增強和區分性能，這是一種 Cadence 專有的類似 Verilog 的語言，允許定義由 Xtensa 工具鏈自動集成和識別的自定義操作。此外，與采用 VFPU 的同類定點 DSP 相比，浮點 DSP 可節省高達 40% 的面積。

圖 2：Tensilica FloatingPoint KQ7 和 KQ8 框圖。

如圖 2 所示，可擴展的 Tensilica FloatingPoint DSP 系列為 SoC 設計人員提供了能夠滿足其 PPA 預算范圍的設計靈活性。對于對能量敏感的應用，FloatingPoint KP1 DSP 提供了超低能耗的解決方案，適用于電池供電的應用。FloatingPoint KP6 DSP 在高性能和減少占用空間之間提供了適當的折衷，提供了出色的單位面積性能設計。對于高性能應用，FloatingPoint KQ7 和 KQ8 DSP 提供了最大系列的矢量浮點運算吞吐量。

此外，通用 ISA 架構簡化了軟件的可移植性和遷移。FloatingPoint DSP 還支持自定義接口，例如隊列和端口，簡化連接和與外部硬件模塊的集成，或匹配現有第三方 IP 提供的接口。

大多數具有挑戰性的應用程序都在快速發展并從云端轉移到邊緣。計算機視覺、物聯網傳感器、自動駕駛汽車和智能設備只是人工智能 (AI) 算法在邊緣移動的幾個例子，它們為嵌入式系統提供了增強的自主決策技能。所有這些應用都需要一系列浮點 DSP 內核，這些內核可以滿足不同的市場需求、縮短上市時間，并針對功耗、性能和芯片面積進行優化，以保持產品成本競爭力。

“今天，邊緣的人工智能推理主要是通過定點加速器完成的。浮點 DSP 提供了以浮點格式執行 AI 推理或訓練的選項，我們都知道神經網絡訓練是使用浮點表示完成的”，Chua 說。

如前所述，可配置性是 Tensilica FloatingPoint DSP 系列的另一個相關關鍵因素。Chua 評論說：“我們的 Tensilica DSP 是可配置的，這意味著設計人員可以只選擇他們需要的硬件功能，而不會消耗不必要的功率。”

最有用的選項之一是分散收集功能，它允許設計人員從特定的內存位置加載數據并將其放入矢量格式。

“DSP 內部的浮點單元是一個向量機。對于未存儲在連續內存位置的數據，分散收集功能允許您將分散的數據加載為一種矢量格式，從而提高整體性能”，Chua 補充道。

在與軟件開發相關的方面，Tensilica FloatingPoint DSP 附帶一整套軟件工具，包括具有自動矢量化和指令捆綁功能的高性能 C/C++ 編譯器，以支持 DSP 中的 VLIW 流水線、鏈接器、匯編器、調試器、分析器和圖形可視化。一個有用的工具是指令集模擬器 (ISS)，它允許設計人員快速模擬和評估性能。在處理大型系統或冗長的測試向量時，Tensilica TurboXim 模擬器選項聲稱可以實現比 ISS 快 40 到 80 倍的速度，以實現高效的軟件開發和功能驗證。

Tensilica Xtensa SystemC (XTSC) 和基于 C 的 Xtensa 建模協議 (XTMP) 系統建模可用于全芯片仿真。引腳級 XTSC 提供協同仿真或 SystemC 和 RTL 級卸載加速器模塊，用于快速、周期精確的仿真。Tensilica FloatingPoint DSP 支持所有主要的后端 EDA 流程，包括優化的 Eigen 庫、NatureDSP 庫、SLAM（同時定位和映射）庫和數學軟件庫，使移植和遷移浮點軟件更加容易。

“通過我們的浮點 DSP 系列，我們提供了一套軟件工具，這些工具與用于 Tensilica DSP 的所有其他軟件工具都是通用的。對于任何已經熟悉 Tensilica 軟件工具的開發人員來說，實際上沒有學習曲線，因為它是完全相同的工具”，Chua 說。

　　審核編輯：湯梓紅