RISC-V为开源GPU铺平道路

发布者:Shuangfei最新更新时间:2021-02-01 来源: 半导体行业观察关键字:RISC-V  GPU 手机看文章 扫描二维码
随时随地手机看文章

开源GPU的时代可能会到来。众所周知,RISC-V架构使小型公司无需支付专利使用费即可开发专用的处理器和微控制器。基于RISC-V的片上系统(SoC),有许多免费和商业IP构建模块,但是产品组合缺少图形选项。随着一群发烧友开始开发基于RISC-V架构的开源GPU,这种情况将在几年后改变。

 

目前,还没有计划在可预见的未来与AMD、Arm、Imagination和Nvidia竞争。有消息显示,现在有一些团队正在计划开发一种可扩展的融合CPU-GPU ISA,它可以从简单的微控制器扩展到支持光线追踪、机器学习和计算机视觉应用的高级GPU,并可以通过定制来实现硬件扩展。

 

在较高级别,RV64X设计的GPU使用基本的RV32I或RV64I内核,这些内核支持基于基本向量指令集的新指令。Jon Peddie写道:最初,它将使用RV32I内核,但是最终,将由RV64I内核取代,因为其目标是创建具有自定义可编程性和可扩展性的可用于CPU,GPU和VPU的区域高效设计。 

                                              image.png

为了正确处理图形,基本的RISC-V内核将支持特定于新图形和机器学习的RV32X数据类型,包括标量(8、16、24和32位固定和浮点数,向量(RV32-V)和矩阵) (2x2、3x3和4x4);矢量/数学指令;像素/纹理指令;帧缓冲区指令;特殊寄存器集(具有可配置的136位矢量寄存器);以及一些图形专用指令。最初,图形核心将 支持Vulkan API,但该小组致力于使其兼容DirectX(着色器模型5)和OpenGL / ES。

 

RV64X小组表示,其图形处理器将以微代码实现标准图形流水线,但也将能够添加自定义光栅化器(样条,SubDiv表面,补丁)和自定义流水线阶段,以支持商用GPU设计不支持的功能。。

 

hardware luxx报告说,该小组提出了一种RV32X参考实现,该实现具有hardware texture单元、特殊功能单元、32KB L1缓存、8K uCode SRAM缓存和四个32位dsp / alu(可以处理FP32和INT32数据)。参考设计将很可能使用FPGA实现。 

image.png

Jon Peddie Research总裁Jon Peddie认为,RV64X项目尚处于开发的初期阶段,至少需要几年时间才能最终确定规格并实现任何硬件实现。实际上,即使是规范也会根据利益相关者和社区的意见而更改,因此现在讨论性能或任何其他问题还为时过早。

 

该小组自称为RV64X,因为其计划是开发64位通用ISA,由Pixilica的Atif Zafar,GOWIN Semiconductor的Grant Jennings和CHIPS Alliance and Western Digital的Ted Marena领导。

 

最初,由于成本方面的考虑,RV64X设计的图形控制器将用于非常简单的微控制器,这些微控制器需要非常小的单元。但是随着设计的发展,从最初的实施开始,它的后代就可以满足更多苛刻的应用需求。

 


关键字:RISC-V  GPU 引用地址:RISC-V为开源GPU铺平道路

上一篇:云原生平台Wind River Studio,可显著提高生产效率
下一篇:瑞萨推出精密时钟协议Clock Manager软件,提升时间同步精度

推荐阅读最新更新时间:2024-11-19 22:41

RISC-V芯片上首次运行LibreOffice!平头哥“无剑600”新平台适配龙蜥OS
8月24日,在2022 RISC-V中国峰会上, 阿里平头哥发布首个高性能RISC-V芯片平台“无剑600”及SoC原型“曳影1520”,首次兼容龙蜥Linux操作系统并成功运行LibreOffice,刷新全球RISC-V一系列纪录。 基于无剑600软硬件全栈平台,开发者和厂商可快速开发RISC-V芯片,推动迈向2GHz高性能RISC-V边、云应用新时代。 RISC-V架构简洁、灵活、开放,已成为业界主流架构之一。尽管RISC-V发展潜力巨大,但相关软硬件技术和生态未完全成熟,应用主要集中在中低端的IoT领域,尚未实现高性能芯片的商用突破。 “为了更快、更好地孵化出更多高性能的RISC-V芯片,满足更多不同行业的需求,丰富
[嵌入式]
<font color='red'>RISC-V</font>芯片上首次运行LibreOffice!平头哥“无剑600”新平台适配龙蜥OS
Codasip加入OpenHW® Group以力助RISC-V验证
Codasip加入OpenHW® Group以力助RISC-V验证 德国慕尼黑,2022年9月—可定制RISC-V处理器知识产权(IP)的领导者Codasip日前宣布已加入OpenHW Group。结合现有的OpenHW生态系统,Codasip将为包括形式验证在内的各种技术的标准开发做出贡献。Codasip 将提供辅助性的IP、工具和方法,以帮助更广泛的社群从该公司在开发高质量、符合标准和可定制RISC-V内核方面的丰富经验中受益。 OpenHW Group通过一种协同化的、采用分布式工程的、开源的生态系统,实现了微处理器技术和相关子系统外围设备开发流程的转变。作为一个由其成员和个人贡献者驱动的非营利性全球组织,Op
[嵌入式]
Codasip加入OpenHW® Group以力助<font color='red'>RISC-V</font>验证
Codasip 700系列正式问世,赋能定制计算!
如今,利用新的方法来创造差异化的产品是当今技术创新者们所追求的目标。当半导体扩展规律已经显示出极限时,我们该如何满足对更高计算性能的需求?办法只有一个:为特定需求定制计算。具体来说满足定制计算需要具备架构优化、应用剖析、硬件/软件协同优化,以及建立在强大设计基础上的领域专用加速等要素。这些要素加上尽可能简洁的设计流程以提高效率,并缩短上市时间,同时可以让客户掌握自主权并保持灵活性。 用于定制计算的下一代 RISC-V处理器 - Codasip全新700系列 Codasip的全新700系列是一个可配置且可定制的RISC-V基准处理器系列,可实现无限创新。700系列是对Codasip广受欢迎的嵌入式内核的补充,它提供了一个
[半导体设计/制造]
Codasip 700系列正式问世,赋能定制计算!
物联网的突破口在无人驾驶?ARM借Mali-C71发力GPU
    为了争夺通往物联网世界的船票,孙正义花了320亿美元。他眼中下一个阿里巴巴,正是专注芯片设计的ARM。扼守未来的咽喉,一切代价都相当超值。   日前,ARM正式发布Mali-C71图像信号处理器(ISP),应对汽车图像处理所面临的挑战,包括在极端条件下对图像进行快速的处理和分析,符合严苛的汽车安全标准的设计要求。Mali-C71也是ARM Mali Camera系列的第一款产品。   无人驾驶汽车正在成为半导体先驱镜像追逐的热点,如高通推出骁龙车用处理器、三星电子与奥迪联姻、英伟达和梅赛德斯奔驰合作等。这一次ARM来了,它将如何改变这一行业呢?      可怕的是,ARM在移动领域似乎没有天敌。从Cortex-A7
[嵌入式]
NVIDIA黄仁勋:物联网爆炸成长驱动GPU投资
NVIDIA近日于德国慕尼黑(Munich)举行GTC Europe大会,NVIDIA执行长黄仁勋除了发表全新自驾车平台Drive PX Pegasus以及开放Holodeck虚拟实境(VR)设计实验室外,也就绘图芯片(GPU)未来发展市况以及NVIDIA的人工智能(AI)计划发表看法,表示全球物联网(IoT)装置的爆发,将推动未来几个月至几年间进一步对GPU的投资及发展,并认为人类的善良本性,不会导致AI技术朝向不好的方面发展,对人类社会反过来形成伤害。   根据Betanews及The Inquirer网站报导,黄仁勋表示,摩尔定律(Moore’s Law)的终结以及深度学习(DL)发展的大爆炸,成为如今重塑全球科技产业的基本
[半导体设计/制造]
详解美信MAX78000边缘人工智能处理器
日前,Maxim Intergrated发布了其最新产品,一款低功耗的神经网络加速器芯片,适用于边缘人工智能。就人工智能加速器,低功耗,嵌入式以及该产品结合的RISC-V和Arm双内核等相关问题,All About Circuit采访了Maxim微处理器、安全和软件业务执行总监Kris Ardis。 人工智能和物联网似乎是天作之合,然而要将这两种技术完美结合,还需要克服许多障碍。一般来说,物联网是一种低功耗、电池供电的技术。另一方面,人工智能,特别是卷积神经网络(对于机器视觉来说是必不可少的),算力非常昂贵。 边缘计算提供实时数据处理 为了克服这些挑战,通常的做法是将计算转移到云上。然而,这会带来大量的延迟和安全问题
[嵌入式]
详解美信MAX78000边缘人工智能处理器
GPU运算力大增 医疗与工业的AI应用逐渐普及
GPU目前已是深度学习不可或缺的手段之一,但如何跨进此领域或更有效率的研发依然是很多人的疑问,若能透过AI达到此目标,将能大幅减少人力失误并提升生产效能,丽台科技董事长卢昆山表示,制程产线的相关数据数据相当庞大且环环相扣,因此需要寻找好的软硬件系统架构进行大量数据运算,而GPU在硬件高速演算与平行运算的特性足以实时处理巨量的产线数据,再利用AI与深度学习算法,即可进行设备状态预诊与生产质量监控。 AI深度学习研讨会,讲师均认为随着处理器运算能力的提升,AI在制造与医疗领域的应用将快速加深。 长庚大学信息工程学系林俊渊副教授也指出,生物影像的魅力在于揭示了生命运作的过程,长庚大学在生物影像研究多年,发现透过细胞与粒子活动的生物影
[半导体设计/制造]
GPU/FPGA/ASIC 三种芯片有什么不同
根据赛迪咨询发布报告,2016年全球人工智能市场规模达到293亿美元。我们预计2020年全球人工智能市场规模将达到1200亿美元,复合增长率约为20%。人工智能芯片是人工智能市场中重要一环,根据英伟达,AMD,赛灵思,谷歌等相关公司数据,我们测算2016年人工智能芯片市场规达到23.88亿美元,约占全球人工智能市场规模8.15%,而到2020年人工智能芯片市场规模将达到146.16亿美元,约占全球人工智能市场规模12.18%。人工智能芯片市场空间极其广阔。 芯片承载算法,是竞争的制高点 人工智能的基础是算法,深度学习是目前最主流的人工智能算法。深度学习又叫深度神经网络(DNN:Deep Neural Networks),从
[嵌入式]
小广播
最新嵌入式文章
何立民专栏 单片机及嵌入式宝典

北京航空航天大学教授,20余年来致力于单片机与嵌入式系统推广工作。

换一换 更多 相关热搜器件

 
EEWorld订阅号

 
EEWorld服务号

 
汽车开发圈

电子工程世界版权所有 京B2-20211791 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2024 EEWORLD.com.cn, Inc. All rights reserved