现代SoC中“通用”一词的真正含义

“ “通用处理器”这一术语一直被广泛用于描述可运行各类软件工作负载的CPU。在现代基于Arm架构的系统级芯片（SoC）领域，这一称谓仍被广泛使用，但随着系统复杂度不断提升，我们有必要追问：这类器件在实际应用中，究竟有多“通用”？
”

作者：牟涛，XMOS亚太区市场和销售负责人

“通用处理器”这一术语一直被广泛用于描述可运行各类软件工作负载的CPU。在现代基于Arm架构的系统级芯片（SoC）领域，这一称谓仍被广泛使用，但随着系统复杂度不断提升，我们有必要追问：这类器件在实际应用中，究竟有多“通用”？

尽管基于Arm架构的SoC在软件层面具备灵活性，但其实际性能表现很大程度上依赖于固定功能的硬件模块。除了CPU之外，还集成了数字信号处理器（DSP）、神经网络处理器（NPU）、图形处理器（GPU）及其他加速器，各自被打造为专门处理人工智能推理、音频处理或图像处理等特定工作负载。由此构建的系统并非由某一种灵活的计算资源主导，而是由一系列专用组件构成，且每个组件均针对特定任务深度优化。

固定功能的得与失

这种设计方法能够提升效率，但也带来了关键的利弊与得失。

固定功能硬件在处理工作负载时，能显著降低功耗、提升性能，但其适配能力存在天然局限。一旦流片完成，其硬件功能便基本固化。当负载迭代、新算法涌现时，这些模块可能不再准确适配需求，迫使开发者迁就硬件限制，而非让硬件适配应用场景。

在边缘AI和物理AI等快速迭代领域，这种灵活性缺失的问题愈发凸显。

灵活性的假象

依托其强大的软件生态系统，现代SoC往往看似灵活。操作系统、开发框架与各类函数工具库提供多层抽象，可简化开发流程，并带来一定的可移植性。

然而，在实际应用中，要实现理想的性能，开发者通常需要借助供应商的专属工具与应用程序接口（API），去定向适配特定加速器。工作负载必须精准映射到现有硬件上，而各类硬件均有其专属约束与编程模型，这意味着灵活性往往受限于任务与芯片的匹配度。

随着工作负载不断变化，这种局限性会愈发明显。如果某项任务无法顺畅地映射到现有加速器上，便会退回至CPU，这往往导致延迟更高、功耗增加，且难以满足实时性要求。

时序至关重要之际

与此同时，这类系统大多都依赖于共享资源与时间片调度，在加载负载时易出现时序波动。

对于与物理世界交互的应用来说，如音频处理、电机控制或传感器反馈，这种波动不仅影响性能，而且更关乎功能。稳定满足时序要求，与原始计算能力同等重要，并且系统设计必须兼顾可预测性以及灵活性。

重新定义“通用”

不断演进的工作负载叠加实时性约束，促使我们重新思考“通用”的真正含义。

真正的通用系统并非由其集成的加速器数量来定义，而是取决于它能否适配不断变化的需求，且不受固定功能硬件的束缚。这一转变将重心转向灵活、软件定义的计算架构，既能并行处理多任务，又能保障时序可预测性。

可适配的芯片

XMOS公司的XCORE®架构与XMOS生成式SoC（GenSoC）平台提供了一种截然不同的系统设计思路。

GenSoC允许开发者去生成自己的专属SoC，从对接外部系统的输入输出（I/O）接口，到DSP、AI及控制处理单元，所有这些功能都集成于单颗芯片中。其架构由并行处理单元构成，这意味着它可同时执行多项任务且互不干扰，而且每次都能稳定、高效、可预测地完成处理。

这彻底改变了系统的设计模式。开发者无需再根据固定功能选型芯片，而是可以构建完全匹配需求的系统，并随着需求的迭代能够持续灵活匹配。

突破固定功能局限

随着边缘AI与物理AI系统持续演进，工作负载将变得更复杂、集成度更高、时序敏感性更强。在此背景下，通用计算需要被重新定义，它并非专用模块的集合，而是可随应用同步演进的灵活基石。

对芯片而言，这意味着要摆脱固定功能设计，转向软件定义的、高确定性的且原生并行的架构。

即刻开启设计

探索XCORE架构，即刻开启您的下一代产品设计之旅：https://www.xmos.com/xcore-ai