高通Hexagon NPU架構技術詳解

現代手機要處理很多電話和視頻的信號，還要盡量省電。數字信號處理器（DSP）是一種專門的芯片，可以幫助手機做這些事情，讓CPU不用太累。

Hexagon處理器是Qualcomm公司設計的一種NPU，用在它們的驍龍產品里。不僅可以處理信號，還可以處理機器學習的任務，因為它有一種叫做矩陣乘法的功能。

Hexagon是一種可以一次執行四條指令的芯片，而且有一些特別的功能來處理信號。它可以同時運行多個線程，也就是說它可以同時做幾件事情。Hexagon有一個小的協作器來幫助它執行向量和張量的運算，這些運算可以讓它每秒鐘做很多次計算。

Hexagon也支持虛擬內存和緩存，這些是一些可以讓它更快地讀寫數據的技術。但是它有一個不同的執行模型，就是它先提交指令，然后再執行。這樣做可以讓它有一個深度的執行管道，但是也有一個缺點，就是如果出現了一些錯誤，可能不能及時發現。

在驍龍8 Gen 2里，Hexagon可以同時運行6個線程，比一般的CPU強大，但是也沒有GPU那么強大。每個Hexagon線程默認只有一個標量上下文，也就是說只能做一些簡單的計算。如果要用到向量或張量協作器，就要先申請。

在前端，分支預測是一種可以讓它提前知道接下來要執行哪些指令的技術。這樣可以節省時間和能源。Qualcomm為Hexagon實現了分支預測，并且提供了一些性能監控事件來顯示分支預測的效果，大部分分支只需要兩個周期就能處理好，少數分支需要三個周期。

當分支預測給出了目標地址后，Hexagon就從指令緩存中取出一個128位的VLIW捆綁。每個VLIW捆綁包含最多四條指令，這讓我想知道為什么Qualcomm選擇了“Hexagon”這個名字。

“Qualcomm Quadrilateral”聽起來更合理，也更好聽。VLIW捆綁可以讓它用簡單的硬件來執行多條指令。解碼器便宜，因為每個VLIW位置只能放一種類型的指令。硬件不用解決沖突，因為打包到VLIW捆綁中的指令不能互相影響，并且不能寫入同一個寄存器。執行管道選擇邏輯也更簡單，因為每個VLIW位置對應一個執行管道。

指令取出和解碼后，就被發送到相應的單位或協作器進行執行。

Hexagon有一個32位標量單元，每個線程上下文有32個寄存器。這個標量單元很強大，可以獨立處理一些輕量級的DSP任務。因為VLIW打包，它可以每個周期完成最多四條指令，并且每條指令可以做很多事情。有一些專門的指令用于圖像處理和視頻解碼等任務。“標量”單元甚至可以執行向量操作。比如說，它可以把幾個小的數據放到一個寄存器里，然后一起處理。標量單元的兩個管道也可以處理浮點運算。這有點像Intel的MMX，只是它用的是通用寄存器。

有一些專用的控制寄存器可以讓它自動循環，這樣就不用每次都檢查循環條件。循環緩沖區也是一種可以讓它更快地訪問數據的技術。一個特殊的“全局指針”寄存器可以幫助它訪問全局或靜態數據。這些技術可以減少寄存器的壓力。

Hexagon矢量擴展（HVX）為更重的DSP任務提供了更多支持。HVX提供32個1024位矢量寄存器和一組執行管道，可以做一些向量運算。Hexagon的矢量上下文比標量多，所以線程要用到HVX就要先申請。

向量化應用程序需要訪問很多數據，Qualcomm甚至不在L1里緩存向量訪問。相反，矢量單元直接用L2緩存作為它的第一級緩存。除了L2緩存，Hexagon還有一個大型TCM（緊密耦合內存）。這是一種軟件管理的臨時存儲器，類似于AMD GCN的LDS，但更大。在驍龍8 Gen 2的Hexagon上，有一個8 MB的TCM。

TCM對于Hexagon的散點和聚集操作很重要。散點和聚集操作是一種可以把數據從內存中的不連續位置放到向量里，或者反過來的操作。對于緩存來說，散點和聚集操作很難處理，因為一個1024位向量可能需要訪問128個不同的地址。在關聯組緩存中查找一行需要比較很多次。最壞的情況下，散點操作可能需要比較1024次。因為TCM不是緩存，它不用比較，所以更快。Hexagon甚至不在可緩存的內存上執行散點和聚集操作，只在TCM上執行。