处理器发展第一阶段：频率时代（1970-2000 年代）

文章图片

微处理器频率速率的演变 。
早期 ， 微处理器行业主要集中在 CPU 上 ， 因为 CPU 是当时计算机系统的主力 。 微处理器厂商充分利用了缩放定律 。 具体来说 ， 他们的目标是提高 CPU 的频率 ， 因为更快的晶体管使处理器能够以更高的速率执行相同的计算（更高的频率 = 每秒更多的计算) 。 这是一种有些简单的看待事物的方式；处理器有很多架构创新 ， 但最终 ， 在早期 ， 频率对性能有很大贡献 ， 从英特尔 4004 的 0.5MHz、486 的 50MHz、奔腾的 500MHz 到奔腾 4 系列的 3–4GHz 。

文章图片

功率密度的演变 。
大约在 2000 年 ， 登纳德缩放比例定律开始崩溃 。 具体来说 ， 随着频率的提升 ， 电压停止以相同的速率下降 ， 功率密度速率也是如此 。 如果这种趋势持续下去 ， 芯片发热问题将不容忽视 。 然而 ， 强大的散热方案还不成熟 。 因此 ， 供应商无法继续依靠提高 CPU 频率来获得更高的性能 ， 需要想想其他出路 。
处理器发展第二阶段：多核时代（2000 年代 - 2010 年代中期）
停滞不前的 CPU 频率意味着提高单个应用的速度变得非常困难 ， 因为单个应用是以连续指令流的形式编写的 。 但是 ， 正如摩尔定律所说的那样 ， 每过 18 个月 ， 我们芯片中的晶体管就会变为原来的两倍 。 因此 ， 这次的解决方案不是加快单个处理器的速度 ， 而是将芯片分成多个相同的处理内核 ， 每个内核执行其指令流 。

文章图片

CPU 和 GPU 核数的演化 。
对于 CPU 来说 ， 拥有多个内核是很自然的 ， 因为它已经在并发执行多个独立的任务 ， 比如你的互联网浏览器、文字处理器和声音播放器（更准确地说 ， 操作系统在创建这种并发执行的抽象方面做得很好） 。 因此 ， 一个应用可以在一个内核上运行 ， 而另一个应用可以在另一个内核上运行 。 通过这种实践 ， 多核芯片可以在给定的时间内执行更多的任务 。 然而 ， 为了加快单个程序的速度 ， 程序员需要将其并行化 ， 这意味着将原始程序的指令流分解成多个指令「子流」或「线程」 。 简单地说 ， 一组线程可以以任何顺序在多个内核上并发运行 ， 没有任何一个线程会干扰另一个线程的执行 。 这种实践被称为「多线程编程」 ， 是单个程序从多核执行中获得性能提升的最普遍方式 。
多核执行的一种常见形式是在 GPU 中 。 虽然 CPU 由少量快速和复杂的内核组成 ， 但 GPU 依赖大量更简单的内核 。 通常来讲 ， GPU 侧重于图形应用 ， 因为图形图像（例如视频中的图像）由数千个像素组成 ， 可以通过一系列简单且预先确定的计算来独立处理 。 从概念上来说 ， 每个像素可以被分配一个线程 ， 并执行一个简单的「迷你程序」来计算其行为（如颜色和亮度级别） 。 高度的像素级并行使得开发数千个处理内核变得很自然 。 因此 ， 在下一轮处理器进化中 ， CPU 和 GPU 供应商没有加快单个任务的速度 ， 而是利用摩尔定律来增加内核数量 ， 因为他们仍然能够在单个芯片上获得和使用更多的晶体管 。

文章图片

不幸的是 ， 到了 2010 年前后 ， 事情变得更加复杂：登纳德缩放比例定律走到了尽头 ， 因为晶体管的电压接近物理极限 ， 无法继续缩小 。 虽然以前可以在保持相同功率预算的情况下增加晶体管数量 ， 但晶体管数量翻倍意味着功耗也翻倍 。 登纳德缩放比例定律的消亡意味着当代芯片将遭遇「利用墙（utilization wall）」 。 此时 ， 我们的芯片上有多少晶体管并不重要——只要有功耗限制（受芯片冷却能力的限制） ， 我们就不能利用芯片中超过给定部分的晶体管 。 芯片的其余部分必须断电 ， 这种现象也被称为「暗硅」 。