评估通用应用场景下基于 Apple Silicon 的领域特定架构
性能
2025-11-18 v1 新兴技术
摘要
AI 的崛起及其日益增长的计算需求推动了 GPU、TPU 和 NPU 等领域特定加速器在整个计算基础设施中的集成。跟随 GPGPU 推动 GPU 被普遍用于通用任务的先例，本研究探讨了这种现象是否可以复制到新的特定情境中，以 NPU 等专业加速器为例。本文评估了专为高能源效率设计的 Apple Neural Engine (ANE) 在通用高性能计算应用中的潜力。我们在 Apple 的 M1 和最新 M4 架构上，对经典 HPC 算法如 GEMM、Jacobi 或 Multigrid 方法进行性能和能耗评估。结果表明，当算法被正确适配时，ANE 能实现竞争的性能（在 M4-Pro 上达到 3.8 TFlops，相当于相同 SoC 上 GPU 的 4.7 TFlops用于 GEMM 操作），同时显示出显著优异的能源效率（例如，GEMM 在 ANE 上耗电 5.2 瓦，而 GPU 版本则耗电 24 瓦）。
引用
@article{arxiv.2511.13450,
title = {Evaluation of Domain-Specific Architectures for General-Purpose Applications in Apple Silicon},
author = {Álvaro Corrochano López and Carlos García Sánchez},
journal= {arXiv preprint arXiv:2511.13450},
year = {2025}
}
备注
11 pages, IEEE Format, IPDPS Submission (In revision), 12 figures, 8 tables