1000亿晶体管！IntelXeHPC顶级计算卡秀肌肉

　　我们知道，IntelXeGPU架构分为四个层级，或者说四种微架构，其中以上是的XeLP低功耗版仅供核显、入门独显，即将到来的XeHPG高性能图形版面向中高端游戏显卡，XeHP高性能版适合加速计算、AI、ML等但所知最少，XeHPC高性能计算版则是最顶级的存在，主攻大型数据中心、超算。
　　XeHPG微架构的Alchmest（DG2）之前已经聊过了，这里来看看XeHPC和首款产品PonteVecchio，竞争对手是NVIDIAA系列、AMDInstinct系列。
　　当然，它们距离普通人非常非常遥远，但却是技术实力的最高体现。
　　XeHPC架构的基础也是Xe核心（XeCore），但因为面向的是计算而非图形，内部结构有所不同，包括8个512bit矢量引擎、8个4096bit矩阵引擎，数量对比XeHPG都减半，但位宽分别翻了一倍、两倍，算力更凶猛。
　　矢量引擎每时钟周期可执行256个FP32、256个FP64、512个FP16等数据操作，矩阵引擎则每时钟周期支持2048个FP32、4096个FP64、4096个BF16、8192个INT8。
　　与矢量引擎、矩阵引擎搭档的，是一个更宽的宽加载存储单元，每个时钟周期取回512字节数据。
　　每个Xe核心集成512KB一级数据缓存，这是目前业内最大的，而且可以通过软件配置作为暂存区使用，又称共享内部显存。
　　Xe核心的上一层级叫做ldquo；切片rdquo；（Slice），不同于XeHPG上的渲染器切片（Slice），毕竟一个是做计算，一个是做图形渲染。
　　XeHPC每个切片集成多达16个Xe核心，四倍于XeHPG渲染切片的规模，同时还有8MB一级缓存、16个光追单元、一个硬件上下文（HardwareContext）单元，其中光追支持光线遍历、边界框相交、三角形相交，提供固定函数计算。
　　硬件上下文单元大家可能比较陌生，它能让GPU同时执行多个应用，而无需昂贵的基于软件的文本切换。
　　切片的上一级则是ldquo；堆栈rdquo；（Stack），至此才算一个完整的GPU。
　　一个堆栈包含4个切片，因此总计64个Xe核心、64个光追单元、4个硬件上下文。
　　同时，堆栈内还有大规模二级缓存、4个HBM2e内存控制器、1个媒体引擎、8个Xe链路，以及拷贝引擎、PCle控制器。
　　XeHPC架构是可以轻松扩展的，支持多堆栈设计，属于业内首创，依靠的是EMIB封装和堆栈间互连通道，可保持堆栈之间的内存一致性。
　　比如这是双堆栈，整体规模直接翻番，它就是后边要说的首款PonteVecchio，但看架构图，似乎不支持四堆栈。
　　不同的XeHPCGPU之间通过Xe链路互连，支持最多8颗并行，算力直接暴力乘以8。
　　PonteVecchio作为基于XeHPC架构的首款产品，一切的一切都是全新的，包括验证方法、软件、可靠性方法、信号完整性机制、互连、供电、封装、IO架构、内存架构、IP架构、SoC架构。
　　PonteVecchio是个庞然大物，集成晶体管数量突破1000亿个，使用5种不同的制造工艺，在内部封装了多达47个不同的单元（Tile），包括计算单元、Rambo缓存单元、Foveros封装单元、基础单元、HBM单元、Xe链路单元、EMIB单元，等等。
　　如此复杂的芯片设计，面临的挑战自然是空前的，首席架构师MasoomaBhaiwala直言这是她30年来设计的最复杂的芯片，堪称制造奇迹。
　　其中，Foveros3D封装是一个关键，最终的数据传输速度不得不提高到最初规划的1。5倍，以便以把Foveros连接数量降至最低，但依然比之前任何设计都高了两个数量级。
　　开发团队还必须在设计初期就锁定Foveros在所有单元上的位置，这意味着必须一开始就搞定整个平面图布局，中途也不允许有明显变更。
　　芯片设计和验证也是全新流程，为此开发了大量新的工具、方法、脚本，并独立安排4个主要单元，开发各自的调试软件包，分而治之，加速开发，最终在SoC整体封装完成几天内就成功启动，运行了HelloWorld。
　　再来看几个关键的部分，计算单元采用台积电N55nm工艺，每个集成8个Xe核心、4MB一级缓存，Foveros封装凸点间距36微米。
　　基础单元是一个连接器，所有复杂的IO和高带宽组件都在这里汇聚，包括PCIe5。0总线、HBM2e内存、MDFI链路、EMIB桥接，几乎是在挑战物理极限。
　　它采用Intel7工艺、Foveros封装，面积达640平方毫米，集成了多达144MB二级缓存。
　　Xe链路单元是台积电N77nm工艺制造，负责不同GPU之间的连接，是面向HPC、AI的纵向扩展的关键，每个单元有8条，实现了最高90GSerdes，可以满足ldquo；极光rdquo；（Aurora）这样百亿亿次级级超级计算机的需求。
　　PonteVecchio目前处于A0版本阶段（一般到A1就投入量产），成功运行了数百个工作负载，实测FP32吞吐性能超过45TFlops，MemoryFabric缓存带宽超过5TBs，互连带宽超过2TBs。
　　PonteVecchio将有多种产品形态，最基本的单芯片做成OAM模块，集成到一个载体基板上，AMDInstinct也有这种。
　　四芯并联组成一个子系统，再搭配双路的下一代SapphireRapids至强处理器，就是一个超算节点，将用于ldquo；极光rdquo；超算。
　　【来源：快科技】【作者：上方文Q】