从Tegra K1和Denver 看那些年一直误会的NVIDIA CPU

zzr427

提起NVIDIA，可能99%+的朋友第一反应是“显卡”和“GPU”。世界上两大GPU巨头之一、GPU领域绝对的霸主嘛，地球人都知道，前些天还刚刚发布了全新的Turing架构和RTX 2080Ti/2080/2070显卡呢。

　　这其实也没什么毛病，不过近几年以来，人们在麻木于NVIDIA GPU强大的同时，似乎冥冥之中忽略了某件事情。NVIDIA的GPU强不？确实强，爆炸强，不管是PC端还是SoC上，有目共睹，人尽皆知……emmm，然后嘞？

　　直到前阵子看到了这样一张图：

　　显然，这是一张对目前市面上主流SoC的简要概括，生动形象简明易懂。不过看到最后一个的时候，我瞬间意识到了人们之前忽略了哪里：NVIDIA SoC的CPU怎么样，真的是像图上画的一样么？

　　CPU不行？这还真不服

　　实际上，NVIDIA对SoC的设计并不陌生，到目前为止他们已经发布了7代Tegra系列SoC。NVIDIA一直在Tegra SoC中使用自家的GPU架构，但前几代的CPU部分用的则是Arm公版CPU内核。与同时期的高通三星联发科处理器相比，除了“祖传”的GPU外并无其他出彩之处。倒也有不少手机和平板电脑使用了Tegra处理器，还算差强人意。

　　然而即便时间仅止于此，我们似乎也挑不出NVIDIA SoC中的CPU有什么毛病。非要说的话，不知NVIDIA黄教主是否为苹果乔帮主的铁杆拥趸，这几代Tegra均没有集成neon协处理器，flash播放能力欠佳。至于使用Arm公版CPU内核虽然不假，但是同时期的三星华为联发科德州仪器用的也都是公版内核。

　　更何况，NVIDIA在CPU上的野心和实力，远非人们的固有印象可以衡量。

　　在2011年的CES上，NVIDIA对外公布了Denver计划，宣布将要开发基于64位Arm v8指令集的自研架构，用于从移动设备到服务器等各种设备。短短三年后的2014年CES，NVIDIA便推出了使用自研Denver架构的Tegra K1上，并依此成为了继苹果之后第二个发布基于Arm v8指令集的消费级SoC的公司。

　　时间回退4个月，2013年9月，苹果在其A7处理器上出人意料地使用了基于Arm v8指令集的Cyclone 架构。此后的一年多时间里，市面上基于Arm v7指令集的Cortex A15公版架构和高通Krait自研架构，甚至包括同样基于Arm v8指令集的Cortex A57在内，所有其他同时期的CPU架构均被Cyclone横扫。

　　除了Denver。

　　据雷锋网（公众号：雷锋网）了解，传统的CPU架构设计分为两种：顺序执行和乱序执行。恰如其名，顺序执行体系严格按照接收顺序执行微指令，而乱序执行体系允许在不改变指令运算结果的前提下调整执行顺序。

　　一直以来，乱序执行被认为是顺序执行发展到极限后的一次进化。CPU执行的任务纷繁复杂，某些情况下RAM等周边部件会阻塞指令的顺序执行，这时乱序执行便可以明显改善运算的灵活性，有效提高吞吐量。

　　在此前雷锋网介绍Arm Cortex A76和三星Exynos M3架构的文章中，乱序执行曾不止一次被提及，可见在这些高性能Arm内核中，乱序执行似乎已经成为了不二的选择。不过，换用乱序执行需要增设乱序执行窗口，有效识别可以重新排序的指令，确保指令可以安全的乱序执行，这显然会拉高架构的复杂性，芯片尺寸和功耗都会明显上升。

　　而NVIDIA在提升架构性能方面则另辟蹊径，认为乱序执行并不是解决问题的唯一方案。不光敢想，Denver真的放弃了Arm公版高性能架构中主流的乱序执行方式，转而采用了低功耗处理器上常见的顺序执行，并为其配以一套高效的二进制翻译和代码优化方案。

　　NVIDIA的思路很简单：顺序执行体系面临的基本问题很明确，无外乎内存停滞等硬件问题，以及指令排序不良等软件问题。那么这些问题一定要硬改架构体系么，能否在“软层面”中解决？ 而这就是Denver的核心思想。

　　这个架构不寻常

　　Denver一个不寻常的地方是，它内部的指令格式与ARMv7或ARMv8大相径庭。在具体的内部结构上，Denver使用了在GPU中颇为常见的VLIW（Very Long Instruction Word，超长指令字）格式执行指令（毕竟NVIDIA）。

　　而在架构前端，Denver的指令解码宽度达到了前无古人的7发射，比Cortex A15（3发射）、Cortex A57（4发射）和苹果Cyclone（6发射）都要更宽。NVIDIA官方称其为“7+”架构，其中的“+”指的是NVIDIA为Denver设计的DCO（动态代码优化器）。

　　DCO的任务是将Arm代码转换为Denver的原生格式，并优化此代码以使其在Denver上运行得更好。对于CPU整体而言，DCO是最关键的一个环节，因为它的性能将直接由DCO决定。

　　长期以来，一直有传言称Denver最初的设计意图瞄准的是x86，其底层设计和二进制翻译机制旨在不侵犯任何x86专利的前提下兼容x86指令的执行。不管这传言是不是真的，最终结果是NVIDIA在软层面上有了惊人的成果，打造出了一套可以将硬件设计和指令集分离的架构。

　　然而尽管DCO如此逆天，NVIDIA还是在其之外配备了一套Arm指令解码器。虽然官方表示这个Arm解码器并不是“备胎”，但实际来看显然是“口嫌体正直”，Denver的大部分指令都来自二进制翻译，这个Arm解码器只有区区2指令宽度（Cortex A8级别），只在二进制翻译无法高效处理时才会接手以直接解码Arm指令。

　　与此同时，由于NVIDIA选择了在“软层面”中解决问题的方式，Denver也拥有了其他架构都不具备的可升级性，如果DCO有改进的话，NVIDIA可以进一步部署新版本的DCO。

　　而最终Denver的实际性能也足以用技惊四座来形容，在SPECint2000测试中，Denver相比Cortex A15有了35%的平均提升，最高提升幅度甚至高达67%：

　　更为具体一点，使用Denver核心的Tegra K1性能完全压过了同时期Cyclone核心的苹果A7，相较于Intel Haswell核心的赛扬2955U也是互有来回。