一種集成FPGA和DSP芯粒的異構系統級封裝

隨著機器學習、機器人技術和5G/6G通信等領域的快速發展[1], [2], [3], [4]，用于這些領域的DSP工作負載正變得越來越動態和多樣化。一個靈活且計算效率高的硬件系統能夠很好地滿足這些需求。這樣的系統可以集成多個組件，包括CPU、FPGA以及DSP加速器等，其中CPU或FPGA提供了系統所需的靈活性，DSP加速器提供了高效的內核加速。

實現這類系統的一種方法是設計并制造一個單片系統級芯片（SoC）。然而，構建一個大型SoC有著高昂的時間成本和經濟成本。對此，作為一種成本效益高且可行的替代方案，采用2.5D或3D芯粒集成的異構系統級封裝（SiP）為構建大規模系統提供了一條有希望的途徑，以實現與單片集成相媲美的性能，同時避免了與單片集成相關的高成本、高風險和高工作量。SiP由稱為芯粒（chiplet）的互連組件組成。每個芯粒都包含一個功能模塊，可以在最適合的技術節點上制造，以獲得最佳性能和效率。由于每個芯粒在尺寸上更小、功能上更專一，因此其設計復雜性會降低，而產量則會提高。通過選擇已知良片（KGD）來組裝SiP，可以提高系統產量。在未來設想的芯片生態中，我們可以從不同的供應商那里采購經過驗證的芯片，并在構建多樣化的系統時重復利用它們，這樣就能有效地克服在快速開發新系統過程中遇到的挑戰和障礙。

圖1展示了一種多功能加速器的SiP解決方案，它整合了一個FPGA芯粒、一個DSP加速器芯粒，以及可能包括的擴展芯粒，比如模數轉換器（ADC）或光學收發器。這種異構SiP設計能夠靈活地將各種動態DSP工作負載——從機器學習到通信信號處理，映射到其上。FPGA芯粒提供必要的自適應性，DSP芯粒貢獻高效的計算能力，而擴展芯粒則提供了與前端（FE）組件如傳感器、無線或光接口的連接。在SiP內部，芯粒之間的芯片間接口對于數據傳輸至關重要，它必須提供足夠高的帶寬，以確保與單片SoC相匹敵的性能，同時維持較低的每比特能耗，確保整個解決方案保持競爭力。

圖1  Arvon SiP通過異構集成FPGA、DSP和FE芯粒，實現靈活的工作負載映射

近期的研究展示了在具有高帶寬和高效的die-to-die接口的SiP中集成芯粒的成果[5], [6], [7], [8], [9], [10], [11]。在文獻[5]中，兩個雙Arm核心芯粒集成在chip-on-wafer-on-substrate（CoWoS）上，具有8-Gb/s/pin的低電壓封裝內互連（LIPINCON）接口。在文獻[6]中，36個深度神經網絡（DNN）加速器芯粒使用25-Gb/s/pin的地參考信號（GRS）接口[7]集成在有機基板上。在文獻[8]和[9]中，四個運行時可重配置的通用數字信號處理器（UDSP）集成在具有 1.1 Gb/s/pin SNR-10 接口的硅片互連結構 (Si-IF) 中介層上。IntAct[10]則在活性硅中介層上集成了六個16核芯粒，使用了1.2-Gb/s/pin的3-D-Plug接口。這些成果代表了同構集成的典型應用，通過將模塊化芯粒的多個實例拼接在一起，有效地擴展了計算系統的規模。

在Arvon中，我們展示了不同類型芯粒的異構集成，以構建一個用于DSP工作負載的多功能加速器。Arvon由一個14nm FPGA芯粒和兩個通過嵌入式多芯片互連橋（EMIB）技術[12], [13]集成的22nm DSP芯粒組成。我們原型化了第一代和第二代開放式高級接口總線（AIB）芯片間接口，分別稱為AIB 1.0和AIB 2.0，用于連接這些芯粒。結果在一個SiP中得到展示，該SiP能夠有效地加速各種機器學習和通信DSP工作負載，同時保持較高的硬件利用率。這項工作還展示了AIB 2.0接口，該接口在能效為 0.1 pJ/b的情況下實現了1 Tb/s/mm 的海岸線帶寬密度和 1.7 Tb/s/mm2的面積帶寬密度。

本文的其余部分安排如下：第二部分概述了Arvon SiP。第三部分詳細闡述了AIB接口的設計，包括物理層（PHY）I/O、時鐘分布和總線適配。第四部分深入探討了DSP芯粒及其矢量引擎設計的細節。第五部分討論了各種工作負載的映射。第六部分介紹了硅片測量和系統評估。最后，第七部分對本文進行了總結。

Arvon系統概覽如圖2所示。該系統包括一個FPGA芯粒和兩個DSP芯粒實例，分別命名為DSP1和DSP2。DSP2是DSP1的物理旋轉版本。FPGA使用EMIB技術通過AIB 1.0接口連接到DSP1，而DSP1使用EMIB技術通過AIB 2.0接口連接到DSP2。Arvon提供了三種操作模式，如圖2所示。在模式1和模式2中，FPGA分別連接到DSP1和DSP2，并將通用計算核心卸載到DSP上面。這些通用核心包括在神經網絡（NN）和通信工作負載中至關重要的矩陣乘法（MMM）和二維卷積（conv）。在模式3中，DSP1和DSP2被組合起來以增強計算能力。DSP2也可以被FE芯粒（例如光學tile或 ADC tile）取代，以實現完整的通信或傳感系統。

圖2  Arvon SiP支持的數據流模式: 在模式1和模式2中，FPGA連接到其中一個DSP; 在模式3中，FPGA同時連接到兩個DSP

DSP 芯粒可為計算密集型工作負載提供卸載和加速功能。DSP芯粒的設計如圖2所示。芯粒的兩側都放置了芯片間接口。在西側，有24個AIB 1.0接口通道，為與FPGA的通信提供1.536 Tb/s的帶寬。在東側，有24個AIB 2.0接口通道，為與另一個DSP的通信提供7.68 Tb/s的帶寬。芯粒包含三個DSP集群，每個集群提供1024個16位半精度浮點處理元素（PE）。每個集群最多使用8個AIB 1.0接口通道和8個AIB 2.0接口通道進行輸入輸出。使用低抖動環形鎖相環（PLL）為DSP集群以及AIB 1.0和AIB 2.0接口生成時鐘。沿著芯粒頂部和底部有兩排通用輸入/輸出（GPIO）端口，便于進行全局配置和調試。

FPGA在實現Arvon的靈活性方面發揮著關鍵作用。FPGA的可編程邏輯被用來支持各種任務，例如為DSP執行轉置和洗牌等數據處理操作。此外，FPGA也可以用來提供DSP上沒有的特殊功能，從而能夠滿足完整的處理需求。

在Arvon中，FPGA充當主機的角色，采用如圖3所示的基于指令的處理器形式出現。一個簡單的主機處理器配備了指令存儲器、用于存儲輸入輸出數據數據和權重數據的數據存儲器，以及一個用于管理和協調與DSP芯粒進行數據傳輸的直接內存訪問（DMA）單元。指令用于在運行時配置和重新配置DSP，引導數據存儲器和DSP之間的數據流，以及執行DSP的前處理和后處理。

當FPGA內的主處理器觸發并從指令存儲器中讀取首條指令時，工作負載的執行便正式啟動。這些指令詳細說明了所需的所有信息，包括數據內容、寄存器訪問地址、存儲器地址、總線地址、DMA進行讀寫操作的數據長度，以及執行的先后順序。根據指令，主機處理器生成AXI總線事務以訪問發送到DSP的DSP配置寄存器。同時，它也會發布DMA命令，用以從數據存儲器讀取或寫入數據，以及向DSP進行數據的讀取和寫入。鑒于DSP中矢量引擎的處理時間較快，包括主機處理器在內的FPGA實現得到了高度利用，以最小化延遲并防止任何潛在的瓶頸。

圖3  FPGA主機實現示例

在 DSP 芯粒內，其西側集成了24個 AIB 1.0 接口通道[14]，東側集成了24個 AIB 2.0 接口通道[14]。AIB 通道由兩層組成：適配器層和物理層 I/O 層。適配器層負責協調 DSP 核與物理層 I/O 之間的數據傳輸。它負責這兩個域之間的數據成幀和同步。狀態機用于啟動 AIB 鏈路并啟用自動時鐘相位調整。這種調整有助于確定數據的眼寬和中心。在 AIB 2.0 中，適配器還支持可選的數據總線反轉 (DBI)，從而減少了總線切換活動并提高了能效。

AIB 接口的物理層實現了源同步、短距離、低延遲和并行單端 I/O。在雙數據速率(DDR)模式下，AIB 1.0的每個I/O端口通過全軌信號傳輸，提供從1 Mb/s到2 Gb/s的帶寬范圍。而AIB 2.0則進一步在DDR模式下，通過0.4 V至全軌信號的擺幅變化，實現了從1 Mb/s至4 Gb/s的帶寬，從而顯著提升了數據傳輸速率。單個 AIB 1.0 通道由 96 個引腳組成，其中包括2個 TX 時鐘引腳、2個 RX 時鐘引腳、20 個 TX 數據引腳、20 個 RX 數據引腳以及用于邊帶控制的和冗余的附加引腳。相比之下，單個 AIB 2.0 通道由 102 個引腳組成，其中包括兩個 TX 時鐘引腳、兩個 RX 時鐘引腳、40 個 TX 數據引腳、40 個 RX 數據引腳以及用于邊帶控制的和冗余的附加引腳。AIB 2.0 在 AIB 1.0 的基礎上進行了改進，它將每個引腳的數據傳輸速率和每個通道的數據引腳數量增加了一倍，從而將數據傳輸帶寬提高了四倍。此外，AIB 2.0 還通過使用低擺動信號提高了能效。AIB 1.0 和 AIB 2.0 的對比總結見表 I。值得注意的是，AIB 1.0 與 AIB 2.0 有著相似的設計結構。

表 I

AIB 適配器管理 DSP 核與 PHY I/O 層之間的數據傳輸。數據路徑包括 TX 端的串行器和 RX 端的并行器。圖 4 展示了一個數據傳輸實例。在芯粒 1 中，一個 AIB 2.0 TX 通道每次從 DSP 核收集四條 80 位寬的數據流，DSP 核的時鐘頻率為 500 MHz。使用兩級 2:1 多路復用器實現的串行器將并行數據流轉換為單條 80 位寬的數據流進行傳輸。在可選用的 DBI 之后，80位數據被分為高低兩個40位的段，這兩個數據段分別發送至40個TX I/O單元的data0和data1引腳。在 DDR 模式下這些TX I/O單元以2 GHz的頻率運行，每個單元每次傳輸2位數據，從而實現了4 Gb/s的有效數據傳輸速率。差分的2 GHz TX 時鐘與數據一起被轉發到芯粒2。在芯粒2 中，一個 AIB 2.0 RX 通道負責接收來自40個 RX I/O 單元的80位寬數據。在 DDR 模式下，數據以2 GHz的頻率進行采樣。隨后，接收到的數據流通過并行器處理，其采用兩級1:2的解復用器實現，將數據恢復成四路80位寬的數據流。接收到的TX端的時鐘信號通過可調節的延時線進行微調，以適配RX端I/O單元的采樣時鐘需求。

1）自動時鐘相位調整：在鏈路的初始化階段，RX 時鐘相位會進行調整，以便在最佳點對 RX 數據進行采樣。適配器采用自動 RX 時鐘相位調整機制。TX負責發送一個已知的偽隨機二進制序列（PRBS），而后RX則利用可配置的延遲線掃描從TX接收到的時鐘信號的延遲，從而監測潛在的錯誤。通過分析接收到的PRBS序列中的錯誤模式，RX端能夠估算出眼圖的邊界。這樣做的目的是將延遲以及采樣點設置在估計的眼圖中點。

2）數據總線反轉（DBI）：AIB 2.0支持數據總線反轉，這有效地減少了單端及源同步接口中的轉換和同步開關輸出（SSO）噪聲。圖5展示了一個1:19比例的DBI編碼器和解碼器。在TX端，80位數據由四個并行DBI編碼單元進行編碼。每個單元獲取19位數據線的值（在圖5中由icurr[18:0]表示），并計算先前編碼的數據（iprev[18:0]）中已發生轉換的位數。如果計數超過10（20比特的一半），則DBI編碼單元會反轉這些位，并給DBI位分配一個高（HIGH）值。如果計數等于10，并且前一個DBI位已經是高（HIGH），則DBI位保持高（HIGH）。如果上述條件都不滿足，數據保持不變，DBI位被設置為低（LOW）。然后，DBI位與編碼后的19位數據結合，打包成20位的TX數據，并發送到20個I/O單元。在RX端，采用四個并行DBI解碼單元。如果DBI位（接收到的20位數據塊的最高位）為高（HIGH），則每個單元將反轉接收到的19位數據位，如果DBI位為低（LOW），則數據保持不變。

圖4  AIB 2.0 通道頂層圖和自動時鐘相位調整

圖5  1:19比例DBI編碼器(上)和解碼器(下)

圖6展示了一種緊湊型統一 AIB 2.0 I/O 單元設計的原理圖和布局。為了實現36 μm微凸塊間距的目標，該I/O 單元的布局經過了精心的優化，每個單元都在相應的微凸塊下連接，以確保布局符合規定的凸塊間距。統一I/O單元支持多種模式。首先，傳輸方向可以靈活設置為TX或RX模式，這不僅有助于進行冗余修復，也便于芯粒間的靈活連接。在TX模式下，為了降低功耗，RX組件的時鐘被門控；反之，在RX模式下，TX組件的時鐘被門控。其次，對于 AIB 1.0 和 AIB 2.0，I/O 信號擺幅可設置為全軌，而對于 AIB 2.0，擺幅還可以降低至 0.4 V。第三，傳輸模式可以設置為單數據速率（SDR）模式或雙數據速率（DDR）模式。在DDR模式下，數據0和數據1被串行化后進行傳輸，其中數據1比數據0延遲半個時鐘周期。這意味著，在TX時鐘的正邊沿，數據0被發送至驅動器，而在負邊沿，數據1被發送。在RX端，這一過程則相反，數據通過并行化恢復。SDR模式僅使用數據0，它在TX時鐘的正邊沿發送到驅動器。最后，I/O 單元可設置為在時鐘和其他邊帶信號的異步模式下運行。

圖6  一個統一AIB I/O單元的原理圖和布局

圖7  基于 CMOS 的 TX 驅動器（左）和基于 strongARM 的 RX（右）示意圖

1）TX驅動器：如圖7（左）所示，TX驅動器的設計采用了分段技術，由四部分組成。該設計允許將最多四段驅動器連接起來，以實現可調節的驅動強度，這樣就可以根據通道變化靈活調整，同時平衡傳輸速度和功耗之間的關系。每個驅動器段包括一個用于下拉的NMOS晶體管，以及一個可切換的PMOS或NMOS上拉驅動器，后者可以根據需要提供全軌或低擺幅的驅動力。在低擺幅模式下，NMOS上拉驅動會被適度增強，以確保與下拉驅動力的平衡。此外，系統還允許通過設置弱上拉和下拉來配置初始開機值。

2）RX緩沖器：RX緩沖器的設計區分了全軌輸入和低擺輸入。對于全軌輸入信號，采用了標準單元緩沖器進行處理；而對于低擺輸入信號，則使用了再生比較器，如圖7（右）所示。該比較器是StrongARM鎖存器的優化版本[15], [16]，無需校準即可將平均偏移降低到 4.1 mV。此外，設計中還利用PMOS增強了對低波動輸入的檢測。該設計采用了一個簡單的基準電壓發生器。比較器可在 2 GHz DDR 頻率下可靠地檢測低至 0.38 V 的輸入。

3）凸塊圖：圖8展示了一個AIB 2.0通道的12×17凸塊圖。該通道由40個TX數據引腳、40個RX數據引腳、2個TX轉發時鐘引腳、2個RX轉發時鐘引腳以及18個邊帶和冗余引腳組成。TX和RX凸塊的設計是對稱的，使得在EMIB上每對TX-RX的布線長度對等。其總共擁有80個數據引腳，每個引腳的數據速率為4 Gb/s，一個AIB 2.0通道提供了總共320 Gb/s的帶寬。該設計的微凸塊間距為 36 μm，通道岸線寬度為 312.08 μm，帶寬密度達到 1024 Gb/s/mm。

圖8  一個AIB 2.0通道的凸塊圖

圖9  兩級時鐘分布

對于像AIB這樣的高速并行I/O接口來說，必須采用低偏斜時鐘分布，以確保給定通道中的所有數據引腳相位正確地對齊。如圖9所示，我們在每個AIB通道中采用兩級時鐘分布。上層是一個均衡的H型樹狀結構，它覆蓋了整個通道；而下層則由一個局部時鐘網格構成。這種雙層設計有效限制了H樹的深度，確保了各分支之間更好的平衡。此外，局部時鐘網格還能提供更穩定的時鐘匯（clock sinks），且不會顯著增加功耗。因此，整個時鐘網絡能夠將最壞的時鐘偏斜控制在8ps以內。H樹和網狀時鐘網絡都是使用IC Compiler II的多源時鐘樹綜合（MSCTS）流程創建和評估的。

如圖10所示，每個DSP集群包括一個靈活的矢量引擎、一個旁路緩沖器、一個用于數據成幀的旋轉塊、兩個用于在多個 AIB 通道之間打包和解包數據的 兼容AXI 的總線轉換器，以及一個與AXI兼容的系統總線。此外，還包括一個總線樞紐，用于在矢量引擎和測試器、AIB 1.0接口或AIB 2.0接口之間建立連接。旁路緩沖器支持Arvon的模式2操作，可繞過 DSP1 直接連接 FPGA 和 DSP2。通過這種連接，FPGA 的 AIB 1.0 事務可直接轉發到 DSP2 的 AIB 2.0 事務。旋轉塊反轉了AIB接口的通道索引順序。例如，將 DSP1 連接到 DSP2（DSP1 的旋轉版本）時，DSP1 的通道 1-8 連接到 DSP2 的通道 24-17，需要 DSP2 的旋轉塊來顛倒連接順序。

圖10  DSP集群(上)和矢量引擎(下)

DSP集群的核心部件是矢量引擎，它由四個 2-D 對稱陣列實例組成[17]。每個脈動陣列包含256個PE，每個 PE 以半精度浮點格式（FP16）執行乘法運算。這256個PE被分成八個單元，每個單元包含32個PE。每個32-PE單元的求和結果隨后輸入到一個可配置的加法器樹中。可配置的加法器樹可以通過選擇將八個單元中的哪些單元求和在一起，從而靈活地支持各種工作負載映射。這種設計提供了更短的部分求和累積路徑，并通過并發工作負載實現了更高的利用率，這與經典的脈動陣列有所區別。整個矢量引擎總共提供1024個PE，以支持矩陣-矩陣乘法（MMM）和卷積（conv）。最后，實現了一個全局I/O緩沖器和調度器，其使用多播或輪詢仲裁技術將輸入分配給PE陣列。

通過指令配置，矢量引擎便于輸入流的連續計算。矢量引擎還具有高度的映射靈活性。首先，四個脈動陣列可以獨立映射。此外，每個陣列內的256個PE可以32個PE為單位進行配置，可適應 1 到 8 個獨立的工作負載。

AIB 連接由兼容 AXI 的點對點系統總線抽象出來。總線轉換器處理跨多個AIB通道的數據打包和解包。它還支持突發模式，以最大限度地利用帶寬進行流式傳輸。系統總線的通道和信號在圖11中進行了說明。系統總線由四個通道組成：讀命令通道、寫命令通道、讀數據通道和寫數據通道。一個主設備能發出一個帶有32位地址和6位突發長度的讀寫命令，以及512位寫數據和寫命令。在響應讀命令時，從設備將512位讀數據發送回主設備。系統總線和AIB通道之間的轉換由總線轉換器完成。我們在設計總線轉換器時采用了基于報頭的流方法，以實現高帶寬和低延遲。一個矢量引擎最多可使用八個 AIB 通道，以確保最佳利用率。每個AIB通道可以靈活地配置為主設備或從設備，允許根據需要調整TX/RX帶寬。

圖11  兼容AXI的系統總線：總線轉換器（左）以及總線接口通道和信號（右）

Arvon作為一個多功能的計算平臺，它能夠支持不同規模的計算任務，并且這些任務的復雜性可以在運行過程中根據需要動態調整。為確保高效的數據處理，必須建立一套系統方法，將工作負載映射到最佳硬件配置和數據布局上。

為了實現這一目標，我們開發了一套編譯程序，如圖 12 所示。工作負載首先被分割成幾個部分，即使用 conv 核或 MMM 核的部分，或二者兼有的部分，這些部分可以通過適當的配置直接映射到Arvon DSP上。此外，一些計算核之間的中間步驟可由FPGA主機執行。具體來說，conv的配置是基于濾波器和輸入的大小（R × S × C）制定的，而MMM的配置是基于矩陣的尺寸制定的。隨后，工作負載中的conv和MMM核心將根據既定的指令和內存數據配置，被調度并分配給Arvon DSP的矢量引擎。這一分配過程綜合考慮了多個關鍵因素，包括提高資源利用率、增強數據的可重用性，以及最小化端到端的延遲。

圖12  工作負載映射的編譯流程說明

矢量引擎采用靜態權重方案，其核心的權重分配給 PE。為了將MMM映射到矢量引擎[17]，權重矩陣的每一行都被分配給PE，從而有效地將一維矢量分配到二維陣列中。具有相同權重矩陣的行可以分配給同一組PE。在涉及多個核的多租戶場景中，不同權重矩陣的行可以分配給不同的分區，在圖12和13中用p1–p8表示。分區輸出被定向到可配置加法器樹的相應輸入端，確保計算出單獨的和作為輸出。

conv 的權重映射與多租戶 MMM 的情況類似，因為其可能涉及多個卷積核。圖13展示了兩個卷積操作示例的映射。每個卷積核的大小為 R × S × C，并通過在二維中編織三維切片將其展開到二維 PE 陣列中。在滑動卷積窗口下的三維輸入激活元素也相應地展開到二維PE數組上。輸入激活在PE數組內部保留，以便通過相鄰PE之間的脈動數據轉發實現水平和/或垂直重用。對于單個卷積核的情況（如圖 13 中的第一個示例），可以不考慮分區邊界進行映射，從而實現高效利用。然而，當存在多個卷積核時，例如圖13中的第二個示例，每個卷積核都需要與分區邊界對齊，從而降低了利用率。

圖13  不同內核大小的映射示例

DSP 芯粒采用 22 nm FinFET 技術制造，面積為 32.3 mm2，如圖 14 所示。為了構建 Arvon SiP，我們將一個 14 nm FPGA 芯粒和兩個 DSP 芯粒通過兩個十層 EMIB 相互封裝和互連，同時使用 36 微米間距的微凸塊。AIB 1.0 側的平均導線長度為 1.5 毫米，而 AIB 2.0 側的平均導線長度為 0.85 毫米。

在室溫和 0.85 V 的芯粒電壓下，每個 DSP 集群的最高工作頻率為 675 MHz，功耗為 0.76 W。在這種配置下，DSP 芯粒的峰值性能為 4.14 TFLOPS，功耗效率達到 1.8 TFLOPS/W。在 0.85 V I/O 電壓和 800-MHz 時鐘（受 FPGA 時鐘頻率限制）條件下，AIB 1.0 I/O 的功耗為 0.44 pJ/b，包括適配器在內為 0.85 pJ/b，傳輸延遲為 3.75 ns。在室溫條件下，輸入/輸出電壓為 0.4 V，時鐘頻率為 2 GHz，AIB 2.0 輸入/輸出每比特消耗 0.10 pJ，包括適配器在內為 0.46 pJ/b，傳輸延遲為 1.5 ns。AIB 2.0 接口的能耗分解如圖 15 所示。適配器的能耗占絕大部分，為 0.32 pJ/b，約占總能耗的 69%。另一方面，I/O 單元僅消耗 0.10 pJ/b，約占總能耗的 22%。I/O 單元能耗較低的原因是利用了 0.4 V 的低信號擺幅。

圖14  測試裝置、Arvon多芯粒封裝和DSP芯粒顯微照片

圖15  AIB 2.0 接口的能耗分解

圖16  能效與區域帶寬密度（左）和海岸線帶寬密度（右）的關系

Arvon的AIB I/O 接口與最先進的 SiP I/O 接口的比較見表II。與 AIB 接口類似，SNR-10 [8]、3-D-Plug [10] 和 LIPINCON [5] 也是并行 I/O 接口。其中，LIPINCON 的數據傳輸率最高，達到 8 Gb/s/pin，I/O 能耗最低，在 0.3 V 信號擺幅下僅為 0.073 pJ/b；3-D-Plug 的帶寬密度最高，達到 900 Gb/s/mm 的海岸線；SNR-10 的 I/O 尺寸最小，僅為 137 μm2。GRS [7] 是一種高速串行 I/O 接口，可提供 25 Gb/s/pin，能效為 1.17 pJ/b。我們的 AIB 2.0 原型提供了一個極具吸引力的解決方案，其 I/O 能耗僅為 0.10 pJ/b，如果包括適配器，則為 0.46 pJ/b。如表 II 所示，它還實現了 1.0-Tb/s/mm 的海岸線和 1.7-Tb/s/mm2 面積的最高帶寬密度。圖 16 比較了芯片間接口的能效、面積帶寬密度和海岸線帶寬密度。與 GRS 接口相比，AIB 2.0 接口的能效、面積帶寬密度和海岸線帶寬密度分別提高了 2.5 倍、3.4 倍和 5 倍，優于其他接口。

我們展示了可以利用Arvon的各種應用的工作負載映射，包括深度神經網絡（DNN）、多輸入多輸出（MIMO）信號處理和圖像濾波。工作負載大小、總體吞吐量和利用率在表III中進行了總結。除了常用的DNN模型外，128×16 MIMO檢測工作負載利用128個接收天線來檢測16個單天線用戶。此任務涉及的處理包括最小均方誤差（MMSE）濾波操作，該操作需要使用矩陣-矩陣乘法（MMM）計算濾波矩陣，然后使用MMM應用濾波矩陣。為了執行這些操作，需要使用尺寸為32×256、256×32、32×32和32×1的MMM核來完成此工作負載。這些計算核可以高效地映射到PE陣列，利用率達到100%。圖像濾波工作負載涉及16個5×5的濾波器和16個3×3的濾波器，這些二維濾波器應用于1280×720的圖像幀，這些操作均需要采用卷積核來進行。不過，由于濾波器尺寸較小，其利用率低于其他工作負載。這些示例工作負載的結果表明，Arvon的異構SiP架構為神經網絡（NN）和通信處理提供了靈活性、性能和效率。

表II

表III

Arvon是一個異構系統級封裝（SiP），它使用嵌入式多芯片互連橋（EMIBs）集成了一個FPGA芯粒和兩個DSP芯粒。這種集成方式使Arvon不但能夠擁有FPGA作為主機的靈活性，還能擁有DSP的高計算性能和效率。

SiP 的主要特點是采用并行、短距離的 AIB 1.0 和 AIB 2.0 接口，用于無縫連接芯粒。輸入/輸出（I/O）單元設計緊湊，以數字為主，并且可綜合。這些單元非常靈活，能夠支持多種模式。此外，它們還采用了依賴模式的電源門控和兩級時鐘分布，從而提高了能效。我們使用 36 微米間距微凸塊實現了低擺幅 4-Gb/s AIB 2.0 接口，能效為 0.10 pJ/b，若包括適配器在內則為 0.46 pJ/b，同時擁有1.024-Tb/s/mm 海岸線和 1.705-Tb/s/mm2的面積的帶寬密度。該接口采用 與AXI 兼容的總線協議進行抽象，簡化了主機和 DSP 的使用。

Arvon中的每個DSP芯粒都采用低延遲的脈動陣列架構，擁有3072個FP16 PE。這些PE按層次分為三個集群，每個集群包含八個32-PE單元。這種細粒度的組織結構允許同時并行執行多個工作負載。每個 DSP 芯粒可提供 4.14 TFLOPS 的峰值性能，功耗效率為 1.8 TFLOPS/W。我們開發了一套將工作負載映射到 Arvon 上的系統程序，并演示了 Arvon 可以加速的各種工作負載，以實現具有競爭力的性能和利用率。