第 10 讲:可靠性设计(RAS)——让系统坚如磐石
错误检测、纠正与上报机制(ECC、Parity)
导读:
在前几讲中,我们追求了极致的性能、高效的调度和绿色的功耗。然而,在自动驾驶、医疗影像、金融风控等关键任务场景中,“快”不是第一要素,“对”才是。随着 NPU 制程工艺进入 7nm、5nm 甚至更先进节点,晶体管密度指数级增长,工作电压降低,使得芯片对宇宙射线、电磁干扰、老化效应等导致的软错误 (Soft Errors) 和 硬错误 (Hard Errors) 愈发敏感。
- 一个比特的翻转(Bit Flip)可能导致卷积核权重错误,让自动驾驶汽车把“行人”识别为“塑料袋”。
- 一次 SRAM 的校验失败可能导致整个推理结果静默损坏 (Silent Data Corruption, SDC)。
本讲将深入 RAS (Reliability, Availability, Serviceability) 体系的核心,详解 NPU 如何通过硬件机制构建“免疫系统”:
- 错误分类:软错误 vs 硬错误,可纠正 vs 不可纠正。
- 检错与纠错原理:奇偶校验 (Parity) 与 ECC (汉明码/SECDED) 的数学之美。
- NPU 内部的全方位防护:
订阅专栏 解锁全文
154


——让系统坚如磐石错误检测、纠正与上报机制(ECC、Parity)&spm=1001.2101.3001.11974&articleId=159345960&d=1&t=3&u=c3e019737a164b52ab7fb99e28c571a0)

被折叠的 条评论
为什么被折叠?



