AI News

拆解现代CPU:指令集架构、微架构与AI加速变革

半导体产业纵横更新于 11月16日 21:11

拆解现代CPU:底层架构、指令集与AI加速变革

AI 导读

现代CPU由控制单元与数据通路协同工作,x86与Arm是应用最广的两大指令集架构,RISC-V正从微控制器向PC、服务器和AI芯片渗透。CPU依靠流水线、乱序执行和分支预测提升吞吐,现代分支预测器在常规代码上正确率超过95%。近年CPU普遍集成加密、视频编解码等专用加速器,并新增NPU专门运行实时语音转写、本地大模型等AI任务。

正文

拆解现代CPU:底层架构、指令集与AI加速变革来源:半导纵横发布时间:2026-11-16 15:17CPU技术文章生成海报CPU的核心组成单元是如何配合,驱动计算机运行?

CPU常被称作计算机的大脑。和人脑一样,它由多个部件组成,协同完成信息处理:一部分负责接收信息,一部分存储信息,一部分处理信息,还有一部分把结果输出。本篇科普将带大家认识CPU的核心组成单元,以及它们如何配合,驱动计算机运行。

拆解电源这类硬件时,你可以直观看到电容、变压器等元器件。但现代CPU做不到这一点:内部器件尺寸极小,而且Intel、AMD、Apple、Qualcomm等芯片厂商只会对外公布高层级设计框架。芯片内部实际电路属于商业机密,本文介绍的是所有CPU通用的基础特性。

CPU的底层蓝图

研究CPU时,最先接触的概念是指令集架构(ISA),它相当于CPU的设计蓝图,定义CPU能实现哪些功能、软件如何和它交互。就像同一物种下有很多品种的狗,CPU也可以基于不同的指令集架构开发。

应用最广泛的两类是x86与Arm。x86在台式机、笔记本、服务器领域占据主导;Arm几乎用于所有智能手机,应用范围早已突破移动端。Apple在2020年把Mac平台迁移至自研Arm芯片;Qualcomm的骁龙X系列处理器让Arm进入Windows设备;如今Amazon、Nvidia、Google的云服务器与AI芯片,也有越来越多采用Arm架构。

除此之外还有其他架构。RISC-V是一套开源、免授权费的指令集,已经从小众项目成长为有力竞争者。数十亿颗RISC-V内核已经搭载在微控制器中,该架构也正逐步向PC、服务器、AI芯片渗透。MIPS、PowerPC等老牌指令集,则退守小众场景。

指令集架构规定了CPU可以处理哪些指令、软件可以调用哪些寄存器、内存寻址方式等内容。 而芯片实际执行指令的方式,包括流水线、缓存、执行单元,被称为微架构,这也是各大芯片厂商的竞争焦点。

AMD的Zen 5核心、Intel的Lion Cove核心都可以运行同样的x86程序,但二者内部实现差异巨大。指令集架构也在持续迭代:Intel和AMD在2024年成立x86生态顾问小组,协同规划架构后续扩展指令。

接下来我们会顺着一条指令的执行流程,介绍CPU的主要模块。不同指令的执行路径不同、调用的硬件单元也不一样,本文会做概括讲解,覆盖核心模块。

我们会从单核处理器最基础的设计讲起,逐步增加复杂度,过渡到现代CPU架构。

控制单元与数据通路

基础CPU框图:黑线代表数据流,红线代表控制信号流。

CPU可以划分为两大模块:控制单元、数据通路。可以用火车类比:动力装置带动列车前进,但司机在后台操控手柄,控制动力装置的各项状态。CPU也是同理。

数据通路就相当于动力装置,顾名思义,是数据在处理过程中流转的通道。数据通路接收输入数据、完成运算处理,处理结束后把数据送往指定位置。控制单元则像司机,指挥数据通路如何工作。根据不同指令,控制单元向各个部件发送信号,开启或关闭数据通路的不同模块,并监控CPU运行状态。

指令周期:取指

CPU首先要确定下一条需要执行的指令,把指令从内存读取到CPU内部。指令一般由编译器生成,并且适配该CPU对应的指令集架构。不同指令集都会包含加载、存储、加法、减法这类通用指令,但也会有专属的特殊指令。控制单元清楚每一类指令该如何分发信号。

举个例子,在Windows上运行exe程序时,程序代码会载入内存,CPU会收到第一条指令的起始地址。CPU内部会有一个寄存器,持续保存下一条待执行指令的内存地址,这个寄存器叫做程序计数器(PC)。

确定起始地址后,指令周期第一步就是取出指令:把指令从内存送入CPU的指令寄存器,这一步称为取指阶段。实际场景中,这条指令大概率已经存放在CPU缓存里,缓存相关内容后面会介绍。

现代CPU并不会一次只取一条指令。每个周期会读取数十字节的数据块,里面可以存放多条指令。取指单元也不会被动等待地址指令,后面会讲到的分支预测器会持续预判程序走向,提前完成取指,保证CPU后端不会空闲。

指令周期:译码

CPU拿到指令后,需要识别这条指令的类型,这个阶段就是译码阶段。每条指令都包含一段比特编码,也就是操作码(Opcode),CPU依靠操作码识别指令,类似文件后缀帮助系统识别文件格式。比如jpg和png都是图片,但数据组织方式不同,系统需要识别类型才能正确解析。

指令集的复杂程度,会直接决定译码电路的难度。RISC-V基础指令集只有几十条指令(可选扩展会增加指令);而x86指令数量超过一千条,很多指令还有多种变体。x86指令长度在1~15字节之间不等,CPU必须先区分相邻指令的边界,才能完成译码。

这也让译码单元成为Intel、AMD的x86 CPU里设计难度最高、占用面积较大的模块之一。与之对比,Arm指令固定为4字节,这也是Apple的核心每个周期可以同时译码8条甚至更多指令的原因之一。

为降低译码压力,x86 CPU会把复杂指令拆解成更简单的内部微操作(微指令),并且把最近译码得到的微指令存放在专用微指令缓存中。

循环代码会反复运行,这时CPU可以直接跳过译码单元,读取微指令缓存。Intel从2011年Sandy Bridge架构开始使用这项技术,AMD从2017年初代Zen架构开始采用。

CPU译码处理的指令主要分为三类:内存访问指令、算术运算指令、分支指令。

三大指令类型

内存指令示例:“读取内存地址1234的值存入变量A”,或是 “把变量B写入内存地址5678”。 算术指令示例:“变量A加上变量B,结果存入变量C”。 分支指令示例:“如果变量C为正,执行这段代码;如果变量C为负,执行另一段代码”。

普通程序会把这些指令串联起来,例如:“将内存地址1234的值与5678的值相加,如果结果为正,存入4321地址;结果为负则存入8765地址”。

在执行译码完成的指令之前,我们先介绍寄存器:CPU内部有少量容量极小、速度极快的存储单元,也就是寄存器。64位CPU的通用寄存器每个可以存放64比特数据,数量很少:x86架构有16个通用寄存器,Arm有31个。CPU还配有位宽更大的向量寄存器,最高可达512比特,用来批量处理多组数据。

寄存器存放正在使用的数据,可以理解成存储层级最顶端(类似L0缓存),速度比L1缓存还要快。上面例子里的A、B、C变量,都存放在寄存器中。

上面说的是软件可见的寄存器。在底层,现代CPU拥有数百个物理寄存器,依靠寄存器重命名技术,把大量物理寄存器映射到程序能访问的少量寄存器上。

这项技术让CPU可以并行处理多条指令,避免不同指令互相覆盖数据,在乱序执行中起到关键作用。

执行阶段与算术逻辑单元(ALU)

接下来进入执行阶段,三类指令的执行方式各不相同,我们分开说明。

先讲算术指令,最容易理解。算术指令会送入算术逻辑单元(ALU)处理。ALU是一类电路,一般接收两组输入数据与控制信号,输出运算结果。

可以类比中学使用的计算器:输入两个数字、选择运算类型,计算器完成计算并返回结果。

CPU的ALU中,运算类型由指令的操作码决定,控制单元把对应信号发给ALU。除基础四则运算之外,ALU还可以完成与、或、非、异或等位运算。ALU同时会向控制单元返回运算状态信息,比如结果正负、是否为零、是否溢出。

这也是现代CPU在相近主频下,性能远高于老款处理器的重要原因。现代CPU核心不会只有一个ALU。高端架构会配备6个甚至更多并行整数ALU,还有独立的浮点单元、向量执行单元,向量单元可以对一批数据同时执行相同运算。

ALU主要用于算术运算,但也会服务内存、分支指令。比如CPU需要根据上一步运算结果,计算内存访问地址;或是计算分支指令需要加到程序计数器上的偏移量,例如 “如果上一步结果为负,向后跳转20条指令”。现代CPU里,内存地址计算一般交给专用地址生成单元(AGU),原理是相通的。

内存与缓存层级

处理内存指令,需要理解存储层级的概念,也就是缓存、内存、大容量存储之间的速度与容量关系。

当CPU执行内存指令,需要的数据不在寄存器里时,就会沿着存储层级逐级查找。绝大多数现代CPU包含三级缓存:L1、L2、L3,部分新款架构加入第四级缓存。

CPU最先查找L1缓存,它容量最小、速度最快。L1缓存一般拆分为数据缓存与指令缓存。指令和数据一样,都需要从内存读取。

单个核心的L1缓存容量很小,数据、指令缓存通常各32~64KB。如果L1没有命中,CPU就去查找L2缓存。当前桌面处理器的单核心L2缓存一般为1~3MB。

再往下是L3缓存,容量通常几十MB,由多个核心共享。AMD的X3D系列芯片在处理器上堆叠额外64MB L3缓存,这也是它游戏性能突出的原因 —— 游戏负载非常依赖大容量缓存。

如果L3缓存也没有找到目标数据,CPU就访问内存;内存中同样没有的话,操作系统就要从硬盘读取,速度会慢得多。沿着存储层级往下,容量大致提升一个数量级,但访问延迟也同步增加。

CPU找到数据后,会把数据向上加载到缓存,后续再次访问时就可以高速读取。整个流程步骤很多,但保证CPU可以快速获取所需数据。

参考大致延迟:寄存器访问只需要1~2个周期;L1缓存几个周期;L2缓存十几周期;L3缓存几十周期;访问内存需要数百周期;读取SSD要几十万周期;机械硬盘则需要数百万周期。

一般每个核心拥有独立的L1、L2缓存;L3缓存由一组核心共享,例如AMD Zen5一个芯粒上的8个核心共享同一块L3。Intel的能效核是例外,4个一组共享L2缓存。多核CPU的内容后面会继续介绍。

分支、流水线与分支预测

三大指令里最后一类是分支指令。现代程序会频繁跳转,CPU连续执行十几条无分支指令的情况很少见。

分支指令来自if判断、for循环、函数调用、返回语句等代码结构,用来中断顺序执行,跳转到代码其他位置。还有无条件跳转指令,属于一定会触发跳转的分支指令。

条件分支对CPU的挑战很大:CPU可能同时执行多条指令,等到确认分支结果时,后续指令已经开始处理了。

要理解这个问题,先介绍流水线。指令周期的每一步都需要数个时钟周期。如果一条指令在取指时,ALU就会闲置。为提升利用率,不同指令的执行阶段互相重叠,这套机制就是流水线。

一个通俗类比:洗衣服。两桶衣服,洗涤、烘干各需要一小时。方案一:洗完第一桶再烘干,再启动第二桶,一共4小时。方案二:第一桶烘干的时候,启动第二桶洗涤,两桶3小时就能完成。

单桶衣物总耗时不变,但重叠流程提升整体吞吐量;任务越多,效率提升越明显。

2011年AMD低功耗Bobcat核心的流水线,就算是这种相对简单的架构,流水线级数也超过十几级。

CPU利用流水线提升指令吞吐。现代Arm、x86核心流水线一般有10~20级。同时现代核心每个流水线阶段可以处理多条指令、支持乱序执行,高端核心同一时间内可以有上百条指令处于处理中。不同架构划分方式不同,举例:取指4周期、译码6周期、执行3周期、写回与提交7周期。

回到分支问题,现在就能明白痛点:如果直到第10个周期才识别出这是分支指令,前面已经启动了9条后续指令;一旦分支跳转生效,这些指令全部无效。为解决这个问题,CPU内置复杂的分支预测器。

部分预测器还借鉴机器学习思路,使用感知机这类简单神经网络,预判分支是否跳转。分支预测器的底层原理非常复杂,超出本文范围;简单来说,它会记录历史分支结果,预判下一次分支走向。

在常规代码上,现代分支预测器的预测正确率超过95%,而且预判非常靠前,有时分支指令还没译码,预测器就已经预估程序跳转方向。

当分支结果最终确认(流水线执行到对应阶段),程序计数器更新,CPU继续执行正确指令。如果预测错误,CPU会丢弃这条分支之后已经预执行的所有指令,从正确位置重新开始。

同时有大量指令在流水线中,一次预测错误就会浪费大量算力,这也是芯片厂商持续投入晶体管,优化分支预测器的原因。

乱序执行

了解三类指令的执行方式之后,我们来看CPU的高级特性。几乎所有现代处理器,都不会严格按照指令接收顺序执行。

乱序执行的设计思路,就是尽可能减少等待造成的空闲时间。

如果CPU预判到下一条指令需要的数据还没有准备好,就会跳过这条指令,调度后面互不依赖的指令先执行。为保证程序逻辑不出错,CPU使用重排序缓冲区记录每一条指令。

指令可以任意顺序完成运算,但最终结果提交(提交指令)的时候,严格按照原始程序顺序。站在软件视角,程序运行和代码编写顺序完全一致。前面提到的寄存器重命名,就是配合乱序执行,让无依赖指令并行运行,互不干扰。指令重排是提升性能的核心手段,但并不是CPU唯一的优化技巧。

另一个优化手段是预取。统计一条指令从开始到完成的耗时,内存访问往往占用大部分时间。预取单元持续观察内存访问规律,预判程序接下来需要的数据。

如果程序按照固定规律访问内存,比如遍历大数组,预取单元会提前从内存读取数据送入缓存,等程序请求的时候直接取用,这就是预取。

推测执行与安全隐患

分支预测、乱序执行附带一个值得关注的副作用:CPU预判分支走向时,不只是提前取指,还会推测执行这些指令;预测失败后,直接丢弃运算结果。过去几十年,大家都认为这个过程没有安全风险。

2018年Spectre、Meltdown两大漏洞家族曝光,改变了这个认知:被丢弃的推测执行操作依然会留下痕迹,主要体现在缓存状态里。攻击者可以精准测量内存访问延迟,窃取CPU本不该泄露的数据,比如其他程序的密码、密钥。Intel、AMD、Arm的绝大多数高性能CPU都受到不同程度影响。

Meltdown后续已经通过硬件修复;但Spectre属于一类攻击方式,不是单一漏洞,每年都有新变种出现。

如今芯片厂商在设计核心时,都会考虑这类侧信道攻击;配套的软件防护方案,往往会带来性能损失。这也很好地说明:让CPU变快的技术,同时也会带来安全难题。

现在CPU普遍集成专用加速器,这类电路专门负责单一任务,追求最高效率,例如加密、视频编解码、机器学习。

CPU本身也可以完成这些任务,但专用单元的能效高得多。显卡就是典型例子:CPU可以完成图形运算,但集成GPU的性能高出几个数量级。

近几年新增的重要模块是NPU,也就是神经网络处理单元,专门跑AI任务,比如实时语音转写、本地大模型,同时功耗很低。短短几年,NPU从PC的选配模块,几乎变成标配。

CPU核心本身也增加了专用硬件:AVX-512这类宽向量扩展,一条指令就能同时处理16组数据;更新的矩阵扩展,比如Intel服务器芯片上的AMX、Apple M4搭载的Arm SME扩展,专门用来加速AI矩阵运算。

下图是2008年Intel CPU:绝大部分面积是核心与缓存。 第二张是AMD Mullins移动APU,芯片大部分面积由核心之外的模块占据。

上图:Intel初代Nehalem架构晶圆,核心和缓存占据绝大部分面积。 下图:AMD SoC晶圆,大量面积分配给加速器、外部接口。

独立媒体引擎负责视频编解码,支持AV1编码,录制、推流视频几乎不会占用CPU核心算力。

随着加速器越来越多,CPU核心在芯片里的占比越来越小,笔记本处理器尤为明显,GPU、NPU、媒体引擎和核心集成在一起。

多核架构

接下来介绍多核CPU:把多个独立核心整合到同一块处理器里。这并不只是简单复制单核电路,就像单线程程序很难直接改成多线程程序,硬件层面也存在很多难点,根源是核心之间的数据依赖。

各个核心不会单独直连内存,而是依靠片上互联总线(环形总线、Mesh网格等)互相连通,同时连接共享L3缓存、内存控制器。

多个核心可能访问同一份数据,必须解决缓存一致性问题。如果两个核心同时处理同一份数据,如何保证拿到正确数值?一个核心修改数据之后,如何保证其他核心及时感知?每个核心拥有独立缓存,数据可能重复存储,需要复杂的协议与控制器消除冲突。

一般不同核心运行不同线程的指令流,降低互相依赖。这也是任务管理器里经常看到部分核心满载、其余核心空闲的原因:很多软件没有做多线程优化,或是只拆分少量线程。部分场景下,单核心串行执行的开销,反而比拆分多线程更低。

同步多线程(SMT)

很多CPU支持单个核心同时跑两个线程,这项技术叫同步多线程(SMT),Intel的商品名是超线程(Hyper-Threading)。就算是优秀的乱序核心,也没办法让所有执行单元时刻满载,第二个线程可以填充空闲算力。

在线程并行度高的负载下,SMT一般可以提升10%~30% 吞吐量,同时只增加很少芯片面积。SMT长期是现代CPU的标配,但Intel在Lunar Lake、Arrow Lake的性能核上取消了超线程,转而把资源用来提升单核心性能与能效。Apple、Qualcomm的芯片全程不使用SMT。

混合架构

早年桌面CPU所有核心规格完全一致,现在已经不是必然。借鉴手机芯片思路,很多处理器混合使用高性能大核(P核)、高能效小核(E核)。

部分新款笔记本芯片还加入第三档超低功耗核心,专门处理后台轻量任务。Intel从Alder Lake(12代酷睿)开始采用混合架构,Apple、Qualcomm也采用类似思路。AMD推出精简版Zen c核心,牺牲峰值频率换取更小面积、更高能效。

混合架构的难点在于操作系统需要合理调度任务。Intel的Thread Director(线程调度器)会向Windows上报线程特征,把游戏这类重负载分配给P核,后台更新交给E核。

芯粒与Tile(裸片)

另一大变革是CPU的物理制造方式。我们之前专门写过文章讲解芯粒的价值。思路是不再制造一整块超大硅片,AMD、Intel都把处理器拆成多个小裸片:AMD叫芯粒(Chiplet),Intel叫Tile,封装在同一个封装内互联。

举个例子:Ryzen 9 9950X包含两颗8核计算芯粒,外加一颗独立I/O芯粒,负责内存、PCIe、USB管理。

小裸片良率更高,单颗缺陷影响的硅面积更小;而且每一块裸片可以选用最合适的工艺。代价是裸片之间的数据传输延迟更高,所以调度软件通常会尽量把关联线程放在同一个芯粒上。

Intel Foveros、AMD 3D V-Cache这类先进封装更进一步,支持裸片堆叠。

物理设计:从架构蓝图到硅片

本文大部分内容聚焦CPU架构设计,这也是复杂度最高的部分。但架构最终要落地到物理芯片,带来额外挑战。

时钟信号用来同步处理器内部所有模块。现代桌面处理器主频大多在3GHz~5GHz区间,最高睿频可以达到6GHz以上。过去十年主频提升幅度有限,性能提升主要来自其他架构优化。每个时钟周期,芯片内部数十亿晶体管同步开关。

时钟信号保证流水线每一级同步推进,数据按时抵达。但主频不是CPU性能的唯一决定因素。

性能公式:性能 = 主频 × 每周期指令数(IPC)。本文讲的所有优化 —— 更宽译码器、多ALU、大容量缓存、更优秀的分支预测器,最终目标都是提升IPC。这也是5GHz的现代核心,性能远高于十年前同频老核心的原因。

超频拉高主频可以提升性能,但功耗、发热同步上涨。现在CPU大多自动调频:睿频算法根据温度、功耗、负载动态调整频率与电压,出厂就逼近芯片极限,留给手动超频的空间很小。

热量一直是CPU的一大难题,这点没有改变。现代芯片允许高温运行,温度触达阈值(一般95~105℃)会自动降频。长期损伤来自高温、电压、电流共同作用,慢慢损耗晶体管和金属连线。

这也是桌面CPU配备金属顶盖的原因。CPU内部硅片只占芯片表面约20% 面积;顶盖扩大散热面积,把热量均匀传导到散热器,同时引出大量引脚和外部硬件通信。

现代桌面CPU背面引脚数量上千:AMD AM5接口一共1718个触点,Intel LGA 1851有1851个触点。二者都采用LGA方案:CPU端是触点,针脚放在主板插座上。

笔记本芯片通过上千颗锡球直接焊在主板上。无论哪一种方案,大约一半触点用于供电,其余用于数据通信,对接内存、芯片组、硬盘、PCIe设备等。

高性能CPU满载电流最高可达200安培,需要大量触点分散电流。触点一般镀金,降低电阻。不同厂商、不同产品线的触点排布方案各不相同。

晶体管本身也在持续缩小、结构迭代:TSMC、Intel最新工艺从FinFET转向环绕栅极(GAA)晶体管,栅极完全包裹沟道,控制能力更强、漏电流更低。Intel 18A工艺(用于Panther Lake)引入背侧供电,供电线路放在硅片背面,芯片正面留给信号布线。想要深入了解芯片制造,可以看CPU设计系列的第三篇。

汇总:AMD Zen 5核心内部(Ryzen 9000系列)

最后我们以现代CPU核心 ——AMD Zen 5快速收尾,Ryzen 9000系列搭载该架构。AMD公开了核心框图,前面讲的几乎所有概念都可以在里面找到。

最前端的分支预测器最先工作,预判程序走向,告诉前端单元取哪些指令。指令取自32KB L1指令缓存,TLB辅助缓存记录程序虚拟地址和物理内存地址的映射关系。

指令送入两组并行译码集群,把x86指令翻译成微指令。近期运行过的代码可以跳过译码,直接从微指令缓存读出。每个周期最多向后送出8条微指令。

接下来交由乱序执行模块处理:微指令经过寄存器重命名,存入448项的重排序缓冲区追踪状态;之后进入调度器,等待输入数据就绪。调度器原理比较复杂(研究生级别内容),但它负责挑选就绪的指令执行,同时保证最终提交顺序正确。

指令就绪后,分发到各个执行单元。Zen5配备6个整数ALU、4个用于内存操作的地址生成单元,还有浮点与向量单元,可以执行完整512位AVX-512指令。内存操作依靠48KB L1数据缓存,单核心搭配1MB L2缓存,同一个芯粒上8颗核心共享32MB L3缓存。

运算结果保存,指令按照程序顺序提交,CPU准备接收下一条指令。

本文并不是一份覆盖所有CPU细节的权威手册,目的是帮大家理解CPU内部的复杂机制。说实话,除Intel、AMD、Apple内部人员,没有人掌握它们处理器的全部细节。本文每一个章节,都对应一个独立的研发方向,内容只算是入门科普。

本文转自媒体报道或网络平台,系作者个人立场或观点。我方转载仅为分享,不代表我方赞成或认同。若来源标注错误或侵犯了您的合法权益,请及时联系客服,我们作为中立的平台服务者将及时更正、删除或依法处理。 评论暂无用户评论最新资讯更多 相关推荐

德氪微推出毫米波超高速互连方案,瞄准AI数据中心10米内连接2026-11-16 16:17

用钻石给GPU降温,会不会太昂贵了?2026-11-16 16:14

一颗意法的芯片,为何要由三星在美国造?2026-11-16 16:06

来源

半导体产业纵横