文|半導體產業縱橫
在Hot Chips 34(2022)大會上，Emil Talpes公開了特斯拉Dojo處理器的關鍵細節。
Emil Talpes 本人在 AMD 工作了近 17 年，曾研究各種 Opteron 處理器以及 “K12”Arm服務器芯片。
D1處理器由臺積電制造，采用7納米制造工藝，擁有500億個晶體管，芯片面積為645mm2，小于英偉達的A100（826 mm2）和AMD Arcturus（750 mm2）。要知道，這個D1處理器可是特斯拉人形機器人的核心，意義重大。
千芯科技陳巍博士就D1架構、D1訓練模塊、D1訓練網格以及訓練矩陣整體架構做了解析。
D1處理器架構
D1處理器結構
每個D1處理器由 18 x 20 的D1核心構成。每個D1處理器中有354個D1核心可用。估計是出于良率和處理器核心穩定考慮，D1處理器由臺積電制造，采用7nm制造工藝，擁有500億個晶體管，芯片面積為645mm2。
這個尺寸小于英偉達的A100（826 mm2）和AMD Arcturus（750 mm2）。但是每個核心都是一個完整的帶矩陣計算能力的CPU，其計算靈活性是遠超眾核架構的GPU的，這也會帶來極高的成本。這個架構有點類似于SambaNova。
D1芯片運行在2GHz，擁有巨大的440MB SRAM，是存算一體架構（近存計算）。
D1核心的架構
D1核心結構
從18x20陣列中每個D1核心的結構上看，每個D1核心是帶有向量計算/矩陣計算能力的處理器，具有完整的取指、譯碼、執行部件。處理器運行在2GHz，具有4個8x8x4矩陣乘法計算單元。
D1處理器指令集
據稱D1以RISC-V架構ISA為基礎進行擴展。
D1核心具備FP32和FP16這兩個標準的計算格式，同時還具備更適合Inference的BFP16格式。為了達到混合精度計算提升性能的目的，D1還采用了用于較低精度和更高吞吐量的 8 位 CFP8 格式。Dojo 編譯器可以在尾數精度附近滑動，以涵蓋更廣泛的范圍和精度。在任何給定時間，最多可以使用 16 種不同的矢量格式，靈活提升算力。
D1處理器的數據格式
D1訓練塊架構
D1訓練模塊展開圖
在D1訓練模塊方面，每個D1訓練模塊由5x5的 D1芯片陣列排布而成，以二維Mesh結構互連。片上跨內核SRAM達到驚人的11GB，這也算是一個非常典型的近存計算架構了。當然耗電量也達到了15kW的驚人指標。能效比為0.6TFLOPS/W@BF16/CFP8。對于CPU架構來說，這一能效比非常不錯。顯然存算一體架構帶來的優勢非常大。外部32GB共享HBM內存。（HBM2e或HBM3）
每個訓練模塊外部邊緣的 40 個 I/O 芯片達到了 36 TB/s的聚合帶寬，或者10TB/s的橫跨帶寬。
數據傳輸方向與芯片平面平行，供電及水冷卻方向與芯片平面垂直。這是一個非常優美的結構設計，不同的訓練模塊之間還可以互連?？上攵?，這是一個可以橫向擴展的超級計算機架構。
當然，一開始的那個圖是展開圖。實際的D1訓練塊像是個扁扁的披薩餅盒子。
D1訓練模塊
D1訓練網格與訓練矩陣
D1訓練網格
D1擴展的方式就好像自家鋪地磚一樣。在 D1 網格的邊緣有Dojo 接口處理器（DIP）。
每個DIP包括了32GB HBM（800GB/s存儲帶寬），以及900GB/s的對外傳輸帶寬（特斯拉自定義的TTP協議），32GB/s PCIe Gen4接口，以及50GB/s的以太網帶寬（特斯拉自定義的TTPoE協議）
Dojo V1訓練矩陣
Dojo V1 訓練矩陣由 6 個訓練塊、4 個主機服務器上（裝有20個 DIP），以及一組連接到以太網交換結構的輔助服務器構成。
這樣算下來，Dojo V1 系統有 53,100 個D1 內核，在 BF16 和 CFP8 格式下算力 1 Exaflop，1.3 TB 的SRAM 內存，以及 DIP 上的 13 TB 的 HBM內存。
與其一同被揭秘的還有特斯拉ExaPod超算。
總的來說，特斯拉D1芯片有以下幾個特點：
1）2D Mesh架構；
2）具備向量及矩陣計算加速單元的眾核架構；
3）存算一體架構（近存計算）。
據Dojo項目負責人Ganesh Venkataramanan介紹，特斯拉Dojo是史上最快的AI訓練計算機。相比于業內其他芯片，同成本下性能提升4倍，同能耗下性能提高1.3倍，占用空間節省5倍。而使得Dojo完成訓練AI算法的重任，就是特斯拉自研神經網絡訓練芯片——D1芯片。
馬斯克透露，不久后，特斯拉即將開始Dojo超級計算機的首批組裝，特斯拉Dojo超級計算機將于明年投用。