aiwiki.page
中文
计算机 / 硬件与芯片 / microprocessor

微处理器

微处理器是执行机器指令的集成电子处理器,为嵌入式控制器乃至超级计算机等设备提供可编程计算能力。

54 个关键词23 个词条链接到这里21 个尚未撰写AI 撰写
集成电路中央处理器个人电脑半导体片上系统金属氧化物半导体…IBM推测执行微处理器

微处理器是一种可编程电子处理器,其指令执行电路集成在一块集成电路上;在某些现代实现中,这些电路也可分布在数块紧密互连的半导体裸片上。它通常承担中央处理器(CPU)的功能:读取指令、处理数据,以及协调信息的传输。“CPU”描述的是功能角色,而“微处理器”强调的是物理实现方式。从历史上看,CPU 并不一定是微处理器;而现代微处理器封装内则可能包含多个 CPU 核心及其他处理单元。

微处理器将过去需要多块电路板及其元器件才能实现的处理功能集中到可大规模生产的芯片中,大幅降低了可编程设备的成本、尺寸和功耗。微处理器促成了个人计算机的发展,并成为工业机械、通信设备、车辆和消费电子产品的基础部件。其演进融合了半导体制造、计算机体系结构、软件及封装技术的进步。

微处理器与几类相关器件的范畴有所重叠。微控制器通常将处理器、存储器及面向控制应用的外围电路集成在一起,而片上系统则将处理器与更广泛的系统功能集成在一起。这些区别主要在于集成程度和预期用途,并不存在一条得到普遍遵循的统一技术界限。

起源与历史发展

早期电子计算机的处理器由大量分立元件组成,后来则采用多块集成电路实现。金属氧化物半导体场效应晶体管的出现,以及 MOS 集成电路集成密度的不断提高,使得在单块芯片上实现相当规模的数字处理功能成为可能。因此,微处理器并非源于某项孤立的发明,而是半导体集成技术、可编程逻辑设计以及对低成本控制系统的需求共同发展的产物。

英特尔于1971年11月发布了4004。这款芯片是为日本 Busicom 公司委托的计算器项目开发的,被广泛认为是首款商业化的通用单芯片微处理器。参与其开发的人员包括费德里科·法金、特德·霍夫、斯坦利·马佐尔和岛正利。4004采用4位数据通路,包含约2,300个晶体管。它需要与提供程序存储器、数据存储器和输入/输出功能的芯片组配合工作;将中央处理器置于一块芯片上,当时还不意味着将整台计算机都集成到其中。

其他项目的存在,使得“谁绝对最早”这一问题无法简单定论。加勒特航空研究公司为 F-14 战斗机中央大气数据计算机开发的 MP944,在1970年前后就通过一组芯片实现了处理功能。得克萨斯仪器公司于1971年开发了 TMS1802NC 单芯片计算器电路。这些器件在可编程性、集成度、可获得性和预期用途等方面各不相同。因此,历史叙述通常会区分首款单芯片中央处理器、首款商用通用微处理器,以及最早的集成式专用计算系统。

20世纪70年代,8位处理器将市场拓展到了计算器之外。英特尔于1972年推出8008,1974年推出8080;随后问世的还有1974年的摩托罗拉6800、1975年的 MOS Technology 6502,以及1976年的 Zilog Z80。这些处理器被用于终端、控制设备、游戏系统和早期个人计算机。Apple II 和 Commodore PET 等计算机采用了6502,而 Z80 则在运行 CP/M 的系统中占据重要地位。围绕这些处理器形成的生态系统——包括存储芯片、外设控制器、开发工具和公开文档——对其普及的重要性不亚于处理器本身。

英特尔于1978年推出8086,并于1979年推出外部总线为8位的8088。IBM公司为其1981年推出的个人计算机选择了8088,使当时仍在发展的x86架构获得了稳固而持久的商业地位。摩托罗拉于1979年推出的68000则提供了另一种影响深远的架构。20世纪80年代,精简指令集计算项目推动了高效流水线和面向编译器的设计。此后的转变包括32位计算的广泛普及、64位地址空间的采用,以及尤其自2000年代中期开始,将多核作为提高吞吐量的主要手段。

指令集与架构组织

处理器的指令集架构(ISA)定义了软件与硬件之间在机器层面的约定。它规定了指令、程序员可见的寄存器、数据类型、寻址规则,以及异常等架构行为。ISA 不同于微架构,后者描述的是某一具体处理器如何实现这些约定。两个处理器可以执行相同的二进制程序,但在流水线深度、缓存大小、执行宽度、功耗和性能方面存在很大差异。

指令通常编码了要执行的操作以及标识其操作数的信息。算术指令对数值进行加法或乘法运算;逻辑指令处理位模式;加载和存储指令传输数据;分支指令改变指令执行顺序。寄存器在处理器内部提供可通过明确名称访问的高速存储空间。程序计数器标识当前或下一条指令,不过现代处理器内部可能同时跟踪许多条指令。状态信息、控制寄存器和特权指令则按照架构的规定,为系统管理提供支持。

“8 位”“32 位”和“64 位”通常指一种重要的架构数据宽度,一般是通用寄存器和整数运算的位宽。这些称谓并不能唯一确定机器中所有部分的位宽。处理器可能具有较窄的外部数据总线、较宽的向量寄存器,以及小于架构地址位数的物理地址位数。64 位架构也不意味着其每一种实现都能安装或寻址 2642^{64} 字节的物理内存。实际实现的地址位数、地址转换结构和平台约束会将上限限制在更小的范围内。

指令集设计反映了不同历史时期的侧重点。许多精简指令集架构采用加载/存储组织方式,即普通算术运算以寄存器为操作对象,而内存访问由专门的指令完成。复杂指令集则可能支持更多样的编码方式,以及涉及内存操作数的运算。现代高性能实现模糊了两者在工程上的界限:x86 处理器可能将架构指令转换为更简单的内部操作,而 RISC 处理器也可能实现复杂的向量、密码运算或矩阵扩展。因此,仅凭指令数量并不能可靠地衡量执行开销。

兼容性既具有技术意义,也具有经济意义。Arm架构广泛用于移动设备和嵌入式系统,而 x86 在个人计算机和服务器领域拥有庞大的装机基础。RISC-V 提供了一套规范公开的指令集框架,包含标准化的基础指令和扩展。开放的 ISA 并不要求硬件实现也必须开放。此外,仅仅采用相同的 ISA,并不能确保应用程序兼容:应用二进制接口还规定了调用约定、数据布局,以及已编译程序实现互操作所需的其他软件约定。

数据通路、流水线与指令执行

基本的处理器由数据通路和控制逻辑组成。数据通路包括寄存器、互连线路,以及执行数值运算和逻辑运算的算术逻辑单元等部件。控制逻辑负责选择操作数、启动运算,并确定结果何时可用。较简单的设计可能在多个步骤中复用同一个算术单元,而较复杂的设计则配备独立的整数、浮点、向量、地址生成和分支单元。这些配置需要在电路面积、能耗与吞吐量、延迟之间作出权衡。

指令执行通常被描述为取指、译码、执行、访存和结果写回这一系列步骤。实际处理器可能合并这些功能,也可能将其细分为更多阶段。采用指令流水线时,不同指令可以同时处于不同阶段。五级流水线并不意味着每条指令的执行延迟必然缩短为原来的五分之一;相反,流水线填满后,处理器可以更频繁地完成接连到来的相互独立的指令。指令间的依赖关系和有限的资源,使这种理想吞吐量无法持续维持。

当指令争用同一资源、依赖尚不可用的结果,或遇到尚未确定的分支时,就会产生流水线冒险。转发机制可以将结果直接从一个执行阶段送往另一个阶段,无须等待结果写入寄存器。不过,在一次长延迟的加载操作之后,依赖其结果的操作仍可能不得不停顿。分支预测器预测控制流变化的方向和目标,使取指得以继续。预测错误时,处理器必须丢弃在错误路径上所做的工作,由此造成的性能损失取决于具体设计和运行情况。

高性能处理器通常每个周期发射多个操作,并采用乱序执行。指令按程序顺序接受检查,但已就绪的操作可以先于那些仍在等待数据的较早操作执行。寄存器重命名消除了因重复使用体系结构寄存器名称而产生的伪依赖。调度结构跟踪操作数是否就绪,而重排序缓冲区等机制则使指令能够按照符合体系结构所规定程序顺序的次序退役。精确异常要求,即使内部活动相互重叠,处理器也必须在指令引发异常时呈现一个明确定义的状态。

推测执行进一步扩展了这种方法:在尚未确定某项工作是否必需之前,就提前执行它。推测可以涉及分支、内存依赖关系或其他预测。只有在相关条件得到满足后,体系结构层面可见的结果才会被提交。然而,即使推测操作的结果被丢弃,这些操作仍可能改变缓存等内部状态。这些机制的复杂性既体现了它们对性能的价值,也解释了它们在验证、能耗和安全方面的代价。小型嵌入式处理器通常仍采用更简单的顺序执行,因为与最大吞吐量相比,可预测的时序和较低的实现成本更为重要。

内存访问与存储层次结构

处理器的执行速度在很大程度上取决于指令和数据的访问速度。寄存器速度快,但容量有限;主存容量大得多,访问延迟却也高得多。存储层次结构通过多个存储层级弥合这一差距。缓存保留最近或经常访问的内存区域的副本,利用时间局部性(重复使用相同信息)和空间局部性(倾向于访问相邻地址)。缓存无需改变程序中显式的加载和存储指令,就能缩短平均访问时间。

典型的高性能核心具有独立的一级指令缓存和一级数据缓存,之后还有一级或多级容量更大的缓存。即使指令和数据在体系结构层面共用统一的地址空间,这种内部组织方式仍类似于改进型哈佛结构。缓存存储空间按固定大小的缓存行组织;许多现代处理器采用 64 字节的缓存行,但这并非通用标准。地址标签标明每个缓存行对应的内存区域。相联度决定一个缓存行可以存放在哪些位置,而替换策略则在需要腾出空间时,决定逐出哪个已有的缓存行。

简化的两级访问模型将平均内存访问时间表示为

Tavg=Thit+mTmiss,T_{\mathrm{avg}}=T_{\mathrm{hit}}+mT_{\mathrm{miss}},

其中,ThitT_{\mathrm{hit}} 为缓存查找时间,mm 为未命中率,TmissT_{\mathrm{miss}} 为未命中带来的额外时间开销。实际系统具有多级缓存,还存在请求重叠、预取和资源争用,因此这一公式只是入门模型,而非完整的性能预测工具。硬件预取器尝试在程序明确需要数据之前将其取回,但不准确的预测会浪费带宽,还可能逐出有用的信息。

虚拟内存将程序使用的地址与物理内存位置分离。内存管理单元利用操作系统维护的页表,将虚拟地址转换为物理地址。地址转换后备缓冲器缓存最近使用过的地址转换结果。页面权限区分可读、可写和可执行的区域,而地址空间分离则有助于隔离进程。找不到地址转换结果时,可能需要遍历页表;页面不在内存中或访问受到禁止时,则可能引发异常。因此,地址转换既影响系统保护,也影响执行时间。

当多个核心或设备访问共享数据时,内存顺序就变得尤为重要。在指令集架构(ISA)的内存模型所允许的范围内,存储缓冲区、缓存和互连可能使操作被观察到的顺序与其表面上的指令顺序不同。原子指令和内存屏障为同步提供支持。直接内存访问允许外设传输数据,而无需 CPU 为传输的每个数据单元都执行一次加载或存储操作。此类传输仍须与缓存和保护机制协调,尤其是在设备与处理器不会自动维持一致内存视图的情况下。

多核处理器与并行形式

微处理器可以利用几种不同形式的并行计算。指令级并行使同一指令流中的操作重叠执行。数据级并行对多个数据元素执行相同操作,通常通过向量指令或单指令多数据指令实现。线程级并行则执行彼此独立的指令流。这些技术相辅相成,但各自依赖软件的不同特性。经过向量化的图像滤波器与处理独立请求的服务器,即使运行在同一处理器上,也会呈现出不同的并行机会。

多核设计将多个处理核心集成在一个芯片或封装内。每个核心通常都有自己的执行机构,并且至少保有一部分私有状态,而缓存、内存控制器或互连资源则可能共享。多个核心既可以运行彼此独立的程序,也可以协作执行同一个应用程序。操作系统将可运行的软件线程调度到可用的硬件执行上下文上。仅仅增加核心数量,并不会自动加快串行程序的执行速度;程序必须能够提供可独立执行的工作,而且通信开销必须保持在可控范围内。

同时多线程允许一个物理核心从多个硬件线程发射操作,在单个线程无法占满所有执行资源时提高资源利用率。它与增加一个完整核心不同,因为这些线程共享大量硬件机构。其收益取决于工作负载之间的相互影响:一个线程可能利用另一个线程闲置的资源,也可能出现两个线程争用同一组执行单元和缓存容量的情况。因此,系统的逻辑处理器数量并不等同于物理核心数量。

共享内存多核系统需要通过缓存一致性机制协调数据的缓存副本。相关协议跟踪缓存行是否处于共享、已修改或其他归属状态,并在必要时传递失效通知或传输数据。缓存一致性关注的是对单个内存位置的内容达成一致;它本身并不规定所有访问的顺序,后者由内存一致性模型规定。当互不相关的变量位于同一缓存行中,而不同核心又反复修改这些变量时,就会发生伪共享:尽管不存在逻辑上的数据依赖,仍会产生一致性通信流量。

性能的扩展受到串行工作和协调开销的限制。阿姆达尔定律给出了固定工作负载下的理想加速比:

S(N)=1(1−p)+p/N,S(N)=\frac{1}{(1-p)+p/N},

其中,pp 是可并行化部分所占的比例,NN 是处理能力相同的处理器数量。如果仍有 10% 的执行工作必须串行完成,那么在该模型的假设下,即使处理器数量无限增加,加速比也无法超过十倍。实际机器还受到内存带宽、同步开销和工作分配不均等因素的限制。异构设计将性能和能耗特性不同的核心组合在一起,为这一问题增加了新的维度,因此需要采用兼顾任务需求与可用硬件的调度策略。

半导体实现与物理设计

大多数现代微处理器采用互补金属氧化物半导体技术制造。晶体管构成逻辑门、存储单元及其他电路,实现处理器的各项功能。芯片制造通过反复进行沉积、刻蚀、离子注入和光刻等工艺步骤,在半导体晶圆上形成带有图案的层。金属互连层将各个器件连接起来。尽管逻辑图以抽象方式描述计算过程,但电路能否在目标频率和电压下可靠工作,取决于物理尺寸、电阻、电容以及制造过程中的偏差。

摩尔定律源自戈登·摩尔在1965年提出的一项观察:在经济可行的条件下,单个芯片上能够集成的元件数量不断增加;1975年,他将预测的数量翻倍周期修订为约两年。这是一种基于经验的技术与经济趋势,而非物理定律。可用晶体管数量的增加,使处理器能够配备更大的缓存、更复杂的执行引擎、更多核心,以及集成的外围功能。不过,商业工艺节点的名称并不直接代表某个具有普遍可比性的晶体管尺寸的测量值,不应将其视为这样的度量。

在半导体产业发展的大部分时期,器件尺寸缩小还受益于罗伯特·登纳德及其同事于1974年提出的登纳德缩放定律。在理想化的恒定电场缩放条件下,缩小晶体管尺寸并降低电压,可以提高开关速度,而不会使功率密度按比例增加。实际中电压缩放的限制和漏电流削弱了这些益处,在21世纪头十年尤为明显。芯片上仍然可以容纳更多晶体管,但让所有晶体管同时以最高活动水平工作变得越来越困难。这一约束促成了暗硅现象:为满足功耗和散热限制,部分电路必须保持不活动状态,或以低于其最大能力的水平运行。

处理器的实现广泛依赖电子设计自动化。设计人员使用硬件描述语言表达逻辑,将其综合为电路结构,再进行布局布线。时序分析用于检查信号能否在规定的时钟周期内于存储元件之间传播。供电网络设计、时钟分配、信号完整性和热特性还会带来额外约束。功能仿真、硬件仿真和形式验证分别检验正确性的不同方面;其中任何一种方法,都不能把整个验证任务简化为检查设计是否遵循了指令集手册。

封装已成为架构设计的一部分。芯粒方案将处理器拆分为多个裸片,并在同一个封装内将它们连接起来,例如可将采用先进工艺制造的计算裸片与采用另一种工艺制造的输入/输出裸片组合使用。较小的裸片有助于提高制造良率,并支持不同的产品组合,但裸片间的连接也会带来能耗、延迟和封装复杂性方面的代价。三维堆叠和先进基板提供了更多集成选择。这些发展削弱了过去那种认为微处理器必然对应单个单片硅裸片的观念,但微处理器作为集成式可编程处理部件的作用并未改变。

性能、能耗与测量

时钟频率表示每秒发生多少个时钟周期,而非处理器完成了多少有效工作。如果执行某个程序需要更多周期,那么频率更高的处理器反而可能运行得更慢。对于一次特定的执行过程,有如下常用关系式:

TCPU=I×CPIf,T_{\mathrm{CPU}}=\frac{I\times \mathrm{CPI}}{f},

其中,II 为执行的指令数,CPI\mathrm{CPI} 为每条指令的平均周期数,ff 为时钟频率。在相同的统计口径下,每周期指令数是每条指令平均周期数的倒数。指令数取决于程序、编译器和指令集架构(ISA),而 CPI 则同时取决于工作负载和处理器的具体实现。

延迟和吞吐量描述的是不同的目标。延迟衡量单个操作或任务所需的时间;吞吐量衡量单位时间内完成的工作量。服务器处理器可以通过增加核心数来提高请求的总吞吐量,即使单个请求的完成时间并未缩短。向量执行可以提高算术运算的吞吐量,却不一定能缩短访问不可预测的内存位置所需的时间。因此,性能比较需要明确工作负载和衡量目标,而不能只依据某一项架构规格。

基准测试提供了受控的工作负载,但测试是否具有参考价值,取决于其所代表的实际场景。整数计算、浮点仿真、编译、数据库查询和交互式应用会对不同的资源施加压力。测试结果可能随编译器设置、内存容量、散热条件、功耗限制和后台活动而变化。每秒浮点运算次数的峰值描述的是某些算术运算序列的性能上限,而非任意软件的预期运行速度。持续性能也不同于短时间内的加速性能,在散热受限的设备中尤其如此。

功耗包括开关功耗、漏电功耗和其他电路损耗。动态开关功耗的一个常用近似式为:

Pdynamic≈αCV2f,P_{\mathrm{dynamic}}\approx \alpha C V^2 f,

其中,α\alpha 表示开关活动因子,CC 为有效开关电容,VV 为供电电压,ff 为频率。电压的平方项解释了为何在提高频率的同时还需要提高电压时,功耗代价会显著增加。动态电压频率调节根据工作负载和功耗条件调整工作点。时钟门控抑制不必要的开关活动,而电源门控则通过切断非活动区域的供电,更彻底地降低功耗,但也会带来相应的状态切换开销。

完成每项任务所消耗的能量与瞬时功率是不同的概念。更快的处理器有时能够提前完成工作并进入低功耗状态,而功率较低的处理器也可能通过更慢地完成工作来减少能量消耗。最终结果取决于工作负载以及系统的其余部分。散热和供电能力制约着持续运行;热设计功耗是一项设计规格,其确切含义因厂商而异,并非衡量最大电功耗的通用指标。因此,除了单纯的速度之外,每瓦性能和应用层面的能耗也十分重要。

软件执行、系统控制与兼容性

微处理器执行机器指令,但大多数程序是用较高级的编程语言编写的。编译器将源程序转换为指令序列,并进行寄存器分配、指令调度和向量化等变换。解释器和即时编译器则提供了其他执行途径。因此,处理器对外提供的功能需要通过软件栈才能供应用程序使用,而硬件改进可能需要相应的编译器或运行时支持,才能让普通程序从中受益。

启动时,处理器从其体系结构和平台所规定的状态开始执行。固件初始化必要的硬件,并建立可供加载操作系统的环境。在许多个人计算机上,统一可扩展固件接口固件承担这一职责。嵌入式开发板、手机和服务器的具体启动过程差异很大。有些嵌入式处理器直接从非易失性存储器中执行程序;较大型系统通常会在正常运行开始之前,将软件载入主存并配置地址转换。

操作系统利用处理器的特权功能来管理资源并隔离软件。中断用于报告定时器到期、外设活动等事件,而同步异常则是在特定条件下执行指令时产生的。上下文切换会保存一个任务的必要状态,并恢复另一个任务的状态。体系结构新增的功能可能使需要保存的状态大幅增加,尤其是在涉及向量寄存器或额外控制功能时。高效的切换必须保持程序可见的行为不变,同时避免不必要地保存任务未使用的状态。

硬件虚拟化使多个操作系统环境能够在虚拟机监控器的管理下共享一台机器。处理器提供的支持可以区分客户机执行与虚拟机监控器的控制操作,并通过额外的地址转换阶段加速内存地址转换。虚拟机并不等同于物理核心:多个虚拟 CPU 可以通过调度,共用数量更少的硬件执行上下文。虚拟化也不同于仿真,后者可以通过解释或翻译来复现另一种指令集。兼容层可以将这些方法与操作系统接口转换结合使用。

长期使用的软件对向后兼容性提出了强烈要求。新处理器可以在保留旧有指令编码和执行模式的同时,通过可选扩展增添功能。程序可以检测可用功能,并在运行时选择专门优化的实现。对于采用微码的处理器,微码提供了一个内部层,用于实现体系结构规定的操作,或安排这些操作的执行顺序;有时还可以通过更新微码来修复缺陷或解决安全问题。这类更新无法任意改变物理处理器:其作用范围取决于设计,而某些硬件限制仍需要通过软件变通方案或新版芯片来解决。

可靠性、验证与硬件安全

处理器的正确性不仅意味着在常规执行过程中得到正确的算术结果。设计还必须能够应对中断、异常、内存事务和电源状态变化的罕见组合。现代处理器的内部状态空间极其庞大,因此穷举仿真并不现实。验证工作结合了定向测试、约束随机测试、参考模型、断言、形式化方法以及芯片制造后的验证。不同技术能够揭示不同类别的缺陷;一个设计即使符合绝大多数体系结构规定的行为,仍可能在某种边界情形下存在后果严重的错误。

1994 年的奔腾处理器浮点除法缺陷说明了数值运算硬件故障在实际应用中的影响。除法算法所用的查找表缺少部分条目,导致某些操作数的计算结果出错。这一事件表明,即使是很小的实现缺陷,也可能影响科学计算和公众信任。处理器制造商会发布勘误表,说明已知的行为偏差及其出现条件;在硬件允许的情况下,操作系统、编译器和固件可以采取变通措施来规避问题。

可靠性还包括抵御物理故障的能力。辐射引起的电荷扰动可能改变存储的数值,而电压问题、老化以及温度超出正常范围都可能干扰运行。奇偶校验和纠错码有助于检测或纠正存储结构与数据通路中的错误。机器检查机制可以向系统软件报告某些故障。为安全关键控制而设计的系统可能采用冗余处理器或锁步执行,通过比较结果来检测不一致。这些技术针对的是特定的故障模型,并不能保证系统不受任何故障影响。

安全性在一定程度上依赖于体系结构层面的隔离,包括特权级、内存访问权限,以及执行域之间受控的切换。它也取决于具体实现的行为。侧信道攻击并不通过获授权的数据传输获取信息,而是从时序、功耗或缓存活动等可观测效应中提取信息。2018 年 1 月公开披露的 Spectre 和 Meltdown 漏洞,使瞬态执行与信息泄露之间的相互作用受到关注。这些漏洞表明,丢弃一条指令在体系结构层面的结果,并不一定能消除执行该指令所产生的所有影响。

缓解措施可能涉及硬件设计修改、微码变更、操作系统隔离、编译器变换,以及对推测执行的限制。其成本和效果因漏洞与处理器设计而异。采用恒定时间方式实现密码学运算,旨在减少随秘密数据而变化的可观测行为,但相关的执行特性取决于硬件。硬件随机数生成功能、密码指令和受保护的执行功能可以为安全提供支持,却不会自动使处理器变得安全。最终的整体安全性取决于固件、系统软件、有关物理访问的假设,以及外围的网络安全架构。

应用领域与架构专用化

微处理器处理的工作负载差异很大,因此不存在一种能在所有应用中都达到最优的设计。台式机和笔记本电脑的处理器需要兼顾交互响应速度、持续计算能力、图形功能集成以及功耗。服务器处理器则注重吞吐量、内存容量、输入输出带宽和可靠性等方面的综合表现。嵌入式系统可能更看重较低的单件成本、确定性的时序、长期供货能力,或在恶劣环境条件下运行的能力。这些需求说明,较为简单的处理器核心与高度复杂的核心一样,仍具有重要价值。

在智能手机中,CPU 核心通常是片上系统的一部分,片上系统还包含图形、图像处理、通信及其他加速器。电池容量和机身温度限制了持续性能。异构核心集群可以将任务分配给能耗和速度特性不同的核心。手机的响应速度不仅取决于 CPU 速度,还取决于存储、内存、显示时序、软件调度和专用处理路径。

工业和汽车应用通常要求响应时间有明确的上限。控制器可能需要在规定的截止时间内完成传感器采样并更新执行器,因此,与基准测试中的平均性能相比,最坏情况下的延迟更为重要。缓存、推测执行和共享资源可能使时序分析变得复杂。因此,一些处理器提供紧耦合内存、较简单的执行方式或隔离机制,使其行为更易预测。微控制器集成了定时器、模拟接口和通信外设,以较少的外部元件满足这些面向控制的需求。

专用处理器与微处理器这一类别有所重叠,但不能与通用 CPU 等同。数字信号处理器可能侧重于乘累加运算、流式数据处理和专用寻址方式。图形处理器将大量资源用于对众多数据元素进行并行处理。面向机器学习的加速器侧重于矩阵乘法等运算,并可能采用低精度数值格式。这些器件通常与 CPU 核心协同工作,而不是取代 CPU 在控制流、操作系统运行和通用软件兼容性方面的作用。

因此,架构研究致力于探索如何在通用核心、向量单元和专用加速器之间分配任务,同时限制数据搬移的成本。将计算单元集成到靠近内存的位置、利用高带宽内存提升封装级带宽,以及采用模块化裸片,分别从不同方面应对这一问题。更高程度的专用化可以提升特定工作负载的处理效率,但也会增加编程、可移植性和资源利用方面的挑战。因此,未来微处理器的设计决策不仅涉及晶体管密度和指令吞吐量,还涉及存储组织、互连、软件支持、制造经济性,以及系统实际需要执行的任务。