从H.T.Kung的论文到Google TPU:脉动阵列的40年技术演进与AI算力革命
1982年,卡内基梅隆大学教授H.T.Kung在论文《Why Systolic Architecture?》中提出了一个颠覆性的设计理念——通过规则排列的处理单元阵列和流水线化的数据流动,实现计算与I/O的完美平衡。谁曾想到,这个当时看似超前的学术构想,会在35年后成为Google TPU的核心架构,支撑起全球人工智能基础设施的算力需求。本文将带您穿越这段技术演进史,揭示脉动阵列如何从实验室走向数据中心,最终成为AI芯片设计的黄金标准。
1. 脉动阵列的诞生:H.T.Kung的原始构想
在计算机体系结构发展的早期阶段,研究者们面临着一个根本性矛盾:处理器速度的快速提升与内存带宽的缓慢增长。H.T.Kung敏锐地发现,传统冯·诺依曼架构中"计算单元-存储器"的分离设计已成为性能瓶颈。他在论文中提出了三个关键设计原则:
- 简单规则的设计:通过模块化单元重复排列,降低设计复杂度
- 并发与通信优化:利用空间并行性替代单纯提升时钟频率
- 计算与I/O平衡:每个数据项进入系统后参与多次计算
这些原则在当时的卷积运算实验中得到了验证。Kung设计了两种基本数据流模式:
| 设计类型 | 数据流动方式 | 适用场景 |
|---|---|---|
| 权重静止型 | 输入数据流经固定权重单元 | 固定滤波器应用 |
| 输出静止型 | 输入与权重相向流动在PE处相乘累加 | 动态权重场景 |
注:PE(Processing Element)指脉动阵列中的基本计算单元
这些早期实验证明了脉动架构在特定计算密集型任务中的优越性。但受限于当时的半导体工艺,这种设计并未立即获得广泛应用。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 技术蛰伏期:从理论到实践的挑战
在1980-2000年间,脉动阵列主要停留在学术研究领域。这一时期的关键技术障碍包括:
- 制造工艺限制:早期集成电路难以实现高密度PE阵列
- 编程模型缺失:缺乏将通用
