ARM攢機指南-後端篇

02-07

工作中經常遇到和做市場和晶元同事討論PPA。這時，後端會拿出這樣一個表格：

上圖是一個A53的後端實現結果，節點是TSMC16FFLL+，數據經過改動，並不是準確結果。我們就此來解讀下。

首先，我們需要知道，作為一個有理想的手機晶元公司，可以選擇的工廠並不多，台積電（TSMC），聯電（UMC），三星，Global Foundries（GF），中芯（SMIC）也勉強算一個。還有，今年開始Intel工廠（ICF）也會開放給ARM處理器。事實上有人已經開始做了，只不過用的不是第三方的物理庫。通常新工藝會選TSMC，然後要降成本的時候會去UMC。GF一直比較另類，保險起見不敢選，而三星不太理別人所以也沒人理他。至於SMIC，嘿嘿，那需要有很高的理想才能選。

16nm的含義我就不具體說了，網上很多解釋。而TSMC的16nm又分為很多小節點，FFLL+

，FFC等。他們之間的最高頻率，漏電，成本等會有一些區別，適合不同的晶元，比如手機晶元喜歡漏電低，成本低的，伺服器喜歡頻率高的，不一而足。

接下來看錶格第一排，Configuration。這個最容易理解，使用了四核A53，一級數據緩存32KB，二級1MB，打開了ECC和加解密引擎。這幾個選項會對面積產生較大影響，對頻率和功耗也有較小影響。

接下來是Performance target,目標頻率。後端工程師把頻率稱作Performance，在做後端實現時，必須在頻率，功耗，面積（PPA）里選定一個主參數來作為主要優化目標。這個表格是專門為高性能A53做的，頻率越高，面積和漏電就會越大，這是沒法避免的。稍後我再貼個低功耗小面積的報告做對比。

下面是Current Performance，也就是現在實現了的頻率。裡面的TT/0.9V/85C是什麼意思？我們知道，在一個晶圓（Wafer）上，不可能每點的電子漂移速度都是一樣的，而電壓，溫度不同，它們的特性也會不同，我們把它們分類，就有了PVT（Process，Voltage，

Temperature），分別對應於TT/0.9V/85C。而Process又有很多Conner，類似正態分布，TT只是其中之一，按照電子漂移速度還可以有SS，S，TT，F，FF等等。通常後端結果需要一個Signoff條件（我們這通常是SSG），按照這個條件出去流片，作為篩選門檻，之下的晶元就會不合格，跑不到所需的頻率。所以條件設的越低，良率（Yield）就會越高。但是條件也不能設的太低，不然後端很難做，或者乾脆方程無解，跑不出結果。X86上有個詞叫體質，就是這個PVT。

這一欄有兩個頻率，容易區分，就是不同的電壓。在頻率確定時，動態功耗是電壓的2次方，這個大家都知道。

下一行是Optimized PVT。大家都知道後端EDA工具其實就是解方程，需要給他一個優化目標，它會自動找出最優局部解。而1.0V和0.9V中必須選一個值，作為最常用的頻率，功耗和面積的甜點（Sweet Spot）。這裡是選了1.0V，它的SSG和目標要求更接近，那些達不到的Corner可以作為降頻賤賣。

再下一行是漏電Leakage，就是靜態功耗。CPU停在那啥都不跑也會有這個功耗，它包含了四個CPU中的邏輯和一級緩存的漏電。但是A53本身是不包含二級緩存的，其他的一些小邏輯，比如SCU（Snooping Control Unit）也在CPU核之外，這些被稱作Non-CPU，包含在MP4中。我們待機的時候就是看的它，可以通過power gating關掉二三級緩存，但是通常來說，不會全關，或者沒法關。

下面是Dynamic Power，動態功耗。基本上我見過的CPU在測量動態功耗的時候，都是跑的Dhrystone。Dhrystone是個非常古老的跑分程序，基本上就是在做字元串拷貝，非常容易被軟體，編譯器和硬體優化，作為性能指標基本上只有MCU在看了。但是它有個好處，就是程序很小，數據量也少，可以只運行在一級緩存（如果有的話），這樣二級緩存和它之後的電路全都只有漏電。雖然訪問二級三級緩存甚至DDR會比訪問一級緩存耗費更多的能量，但是它們的延遲也大，此時CPU流水線很可能陷入停頓。這樣的後果就是Dhrystone能最大程度的消耗CPU核心邏輯的功耗，比訪問二級以上緩存的程序都要高。所以通常都拿Dhrystone來作為CPU最大功耗指標。實際上，是可以寫出比Dhrystone更耗電的程序的，稱作Max Power Vector，做SoC功耗估算的時候會用上。

動態功耗和電壓強相關。公式裡面本身就是2次方，然後頻率變化也和電壓相關，在跨電壓的時候就是三次方的關係了。所以別看1.0V只比0.72V高了39%，最終動態功耗可能是3倍。而頻率高的時候，動態功耗佔了絕大部分，所以電壓不可小覷。

此外，動態功耗和溫度相關，SoC運行的時候不可能溫度維持在0度，所以功耗通常會拿85度或者更高來計算，這個就不多說了。

下一行是Area，面積。面積是晶元公司的立足之本，和毛利率直接相關。所以在性能符合的情況下，越小越好，甚至可以犧牲功耗，不惜推高電壓，所以有了加壓（Over Drive）。有個數據，當前28nm上，每個平方毫米差不多是10美分的成本，一個超低端的手機晶元怎麼也得30mm（200塊錢那種手機用的，可能你都沒見過，還是智能機），晶元面積成本就是3刀，這還不算封測，儲存和運輸。低端的也得是40mm（300塊的手機）。我們常見的600-700塊錢的手機，其中六分之一成本是手機晶元。當然，反過來，也有人不缺錢的，比如蘋果，據說A10在16nm上做到了125mm，換算成這裡的A53MP4，單看面積不考慮功耗，足足可以放120個A53，這可是跑在2.8G的A53，如果是1.5G的，150個都可能做到。

為了控制功耗，在做RTL的時候就需要插入額外晶體管，做Clock Gating，而且這還是分級的，RTL級，模塊級，系統級，信號時鐘上也有（我看到的SoC時鐘通常佔了整個邏輯電路功耗的三分之一）。這樣一套搞下來，面積起碼大1/3.然後就是Power Gating,也是分級的。最簡單的是每塊緩存給一個開關，模塊也有一個開關。複雜的根據不同指令，可以計算出哪些Cache bank短時間內不用，直接給它關了。Power Gating需要的延時會比Clock Gating大，有的時候如果操作很頻繁，Power Gating反而得不償失，這需要仔細的考量。而且，設計的越複雜，驗證也就越難寫，這裡面需要做一個均衡。除了時鐘域，電源域，還有電壓域，可以根據不同頻率調電壓。當然了，域越多，布線越難，面積越大。

再往上，可以定義出不同的power state，讓上層軟體也參與經來，形成電源管理和調度。

影響面積的因素，上面只是前端，後端還有一堆考量。首先就是表格下一排，Metal Stack。晶元製造的時候是一層層蝕刻的，而蝕刻的時候需要一層層打碼，免得關鍵部分見光，簡稱Mask。這裡的11m就表示有11層。晶體管本身是在最底層的，而走線就得從上面走，層數越多越容易，做板子布線的同學肯定一看就明白了。照理說這就該多放幾層，但是工廠跟你算錢也是按照層數來的，越多越貴。層數少了不光走線難，總體面積的利用率也低，像A53，11層做到80%的利用率就挺好了。所以晶元上不是把每個小模塊面積求和就是總體面積，還得考慮布局布線（PR，Placing&Routing），考慮面積利用率。

再看錶格下兩排，Logic Architecture和Memory。這個也容易理解，就是邏輯和內存，數字電路的兩大模塊分類。這個內存是片上靜態內存，不是外面的DDR。uLVT是什麼意思呢，Ultra Low Voltage Threshold，指的是標準邏輯單元（Standard Cell）用了超低電壓門限。電壓低對於動態功耗當然是個好事，但是這個標準單元的漏電也很高，和頻率是對數關係，也就是說，漏電每增加10倍，最高頻率才增加log10%。後端可以給EDA工具設一個限制條件，比如只有不超過1%的需要衝頻率的關鍵路徑邏輯電路使用uLVT，其餘都使用LVT，SVT或者HVT（電壓依次升高，漏電減小），來減小總體漏電。

對於動態功耗，後端還可以定製晶體管的源極和漏極的長度，越窄的電流越大，漏電越高，相應的，最高頻率就可以沖的更高。所以我們有時候還能看到uLVT C16，LVT C24之類的參數，這裡的C就是指Channel Length。

接下去就是Memory，又作Memory Instance，也有人把它稱作FCI（Fast Cache Instance）。訪問Memory有三個重要參數，read，write和setup。這三個參數可以是同樣的時間，也可以不一樣。對於一級緩存來說基本用的是同樣的時間，並且是一個時鐘周期，而且這當中沒法流水化。從A73開始，我看到後端的關鍵路徑都是卡在訪問一級緩存上。也就是說，這段路徑能做多快，CPU就能跑到多快的頻率，而一級緩存的大小也決定了索引的大小，越大就越慢，頻率越低，所以ARM的高端CPU一級緩存都沒超過64KB，這和後端緊密相關。當然，一級緩存增大帶來的收益本身也會非線性減小。之後的二三級緩存，可以使用多周期訪問，也可以使用多bank交替訪問，大小也因此可以放到幾百KB/幾MB。

邏輯和內存統稱為Physical Library，物理庫，它是根據工廠給的每個工藝節點的物理開發包（PDK）設計的，而Library是一個Fabless晶元公司能做到的最底層。能夠定製自己的成熟物理庫，是這家公司後端領先的標誌之一。

最後一行，Margin。這是指的工廠在生產過程中，肯定會產生偏差，而這行指標定義了偏差的範圍。如下圖：

藍色表示我們剛才說的一些Corner的分布，紅色表示生產偏差Variation。必須做一些測試晶元來矯正這些偏差。SB-OCV表示stage-based on-chip variation，和其他的幾個偏差加在一起，總共+-7%，也就是說會有7%的晶元不在後端設計結束時確定的結果之內。

後面還有一些setup UC之類的，表示信號建立時間，保持時間的不確定性（Uncertainty），以及PLL的抖動範圍。

至此，一張報告解讀完畢，我們再看看對應的低功耗版實現版本：

這裡頻率降到1.5G左右，每Ghz動態功耗少了10%，但是靜態降到了15mW，只有30%。我們可以看到，這裡使用了LVT，沒有uLVT，這就是靜態功耗能夠做低的原因之一。由於面積不是優化目標，其它基本沒變，這個也是可以理解的，因為Channel寬度沒變，邏輯的面積沒法變小，邏輯部分的低利用率也使得變化基本看不出來。