标签： 可重构计算与软硬件协同

作者：lihao技术文章发布：2026-10-18可重构计算与软硬件协同 · 第 02 期

以8位函数为共同任务，比较改变参数、改变指令与改变数据通路；从语义、合法性和总成本评价方案，避免把芯片标签当成性能结论。

先问“什么可以改变”，再看芯片名字

固定功能电路也可能允许修改系数；可编程处理器也有固定硬件；可重构器件里又可能嵌入CPU和固定DSP。若直接把ASIC、CPU、FPGA各贴上一个绝对标签，会漏掉混合系统。

更有用的区分是：任务改变时，用户可以在哪一层做选择？固定功能主要在预先设计的操作范围内换参数；指令可编程在已有执行结构上换程序；可重构在既有资源范围内改变逻辑、操作与连接。三者描述的是可变能力，不是性能名次。

固定一个小到能穷举的共同任务

约定输入x为0到255的整数，输出为f(x)=(3x+1) mod 256。模256意味着只保留对应8位无符号结果；例如x=255时，766除以256余254。若任务改为饱和算术，结果就不同，必须另立契约。

固定功能方案可以把这个函数直接做成专用逻辑，可能允许或不允许改系数；可编程方案用读取、乘法或移位加法、加一与输出等指令实现；可重构方案把对应操作或等价逻辑映射到资源，并配置连接。

三条路径若都输出相同256项表，说明在这组有限输入下功能等价。它不能说明延迟相同，也不能说明系统对输入节拍、握手与错误的处理相同。功能关系只是契约的一部分。

任务变化时，分别要改什么

若新函数变为g(x)=(5x+2) mod 256，专用电路若没有设计系数接口，可能需要改硬件；若本来允许a、b参数，则可能只改参数。不能因为名字叫固定功能，就忽略其实际配置范围。

可编程处理器通常可以换指令或常数；可重构实现可能调整逻辑、连接、流水与资源复用。若在FPGA里放一个软核CPU，运行时只是换它的程序，那么这次任务变化发生在指令层，并不等于每次都重构了整个数据通路。

Intel对CPU、GPU与FPGA的架构介绍有助于识别指令执行与空间数据流的典型差异。[1] 但其中厂商的优势描述不能脱离负载、器件和实现条件变成普遍结论。

比较方案时，别跳过总成本

固定功能可能为稳定任务优化，也可能因新需求而不适用；可编程路径覆盖广，但具体效率取决于指令与存储体系；可重构路径提供结构选择，也增加映射搜索、配置与验证工作。必须用真实候选比较，不能只比较三类抽象名称。

若只执行几次小任务，准备开销可能主导；若有长时间稳定数据流，流水与数据驻留可能更重要。即使局部算术更快，主机搬运和排队也可能吃掉收益。没有端到端测量，就不应给出加速倍数。

把功能检查与性能检查分开

本例可枚举全部256个x，比较3x+1与x+(x<<1)+1在模256下是否一致。这是在数学整数模型下检查两种表达，尚未验证某种语言中的移位边界或真实电路。

进一步落到硬件，需要明确目标、工具版本、综合约束与接口，再取得映射合法性和设备结果。模拟器通过、综合通过、时序通过和板上执行通过，各自支持不同结论；不能互相替代。[2]

本篇没有执行FPGA综合、布局布线或板卡实验。穷举表覆盖的是规定的8位函数，既没有测功耗，也没有证明哪种硬件在真实产品中更优。

把功能等价写成可检查的有限命题

对本篇函数，参考定义是f(x)=(3x+1) mod256，候选形式为h(x)=(x+(x<<1)+1) mod256。对整数x，x<<1在这个数学记号下表示2x，因此两式代数上相同；枚举0至255又能独立检查实现这两式的教学脚本是否一致。

这里特意把数学模型和语言执行分开。如果在某种语言中使用有符号类型，移位、溢出或整数提升的规则可能改变实际行为；如果硬件在每一步饱和而不是最终取模，等价关系也不成立。证明必须指明运算语义，而不是仅比较操作符的外形。

再把功能提升到流接口，需要规定输入有效时刻、输出对应关系和复位。两套电路在每个x的算术结果相同，却可能因为一套丢掉背压下的输入而在系统上不等价。接口协议不是额外装饰，而是可观察行为的一部分。

所以“256个值都对”能证明的，是该有限输入域、该纯函数定义下的结果一致。时序、状态与协议需要另一个明确定义的验证空间。

同一负载下，准备成本怎样改变选择

构造两个候选，全部时间单位相同且假定串行。通用方案准备2、每次计算10；可重构方案准备102、每次计算6。执行N次的总成本分别为2+10N和102+6N，后者在N>25时才更低。

如果每次更换输入形状都要重新准备，N应该按同一配置可复用的次数计算，不能拿全年请求总量摊销一次配置。若准备阶段可与其他工作重叠，也应在真实依赖图上计算关键路径，而不是把所有时间盲目相加。

再设可重构方案每次额外搬运5，成本变成102+11N，在这个假设下无论N多大，都不会优于通用方案。局部算术从10降到6，仍不足以支持端到端收益。这是一个明确反例，说明比较必须包括边界成本。

这些数是用于检验推理的构造条件，没有预测某种器件的实际表现。真实选择还应覆盖冷启动、稳态、尾部时延、失败率和维护投入。某项平均收益若依赖极高复用而应用请求恰好不满足，结论就应撤回。

混合系统的边界，可能比单元内部更重要

当CPU调度、固定引擎和可重构区域共同处理任务时，数据由谁拥有、何时可复用、缓存何时可见、错误由谁观察，都需要约定。加速器返回一个句柄，不等于结果已经可以被下游读取。

设CPU提交配置与输入后立即重用输入缓冲，而设备尚未完成读取，算术单元即使完全正确也可能得到错误数据。反过来，CPU等待过于保守，又可能消除原本可重叠的执行。正确同步与高效同步需要一起设计，但验证责任不能被性能目标替代。

这一层也决定软件复用程度。共同的函数语义可能可复用，布局、路由、事件与装载产物却未必相同。一个通用接口若把全部特殊情形都藏在实现中，用户就难以理解失败与成本；若暴露每个细节，又会增加使用负担。

评估时可以把契约拆成语义、资源和部署三类，再逐项列出支持与不支持。这样，“可编程”与“可重构”才成为具体能力描述，而不是对兼容性或性能的空泛保证。

成本相同之外，还要比较能否持续演进

一个实现对当前f(x)很高效，若下个月需要修改数值格式、增加状态或接入新接口，成本可能完全不同。固定功能的设计与制造成本、可编程软件的升级成本、可重构映射的验证成本，应按预期变化与产量分别计算，而不是只看一次运行。

构造一个决策：工作负载长期稳定且产量很高，专门化投入可能被摊销；变化频繁且数量有限时，可编程或可重构方案可能减少重新设计成本。但如果可重构工具每次都需大量人工收敛时序，所谓更新灵活性也可能被软件工作抵消。

因此可以要求第二个独立任务作为复用检验：沿用同一功能检查框架、错误分类与部署流程时，究竟保留了多少，哪些部分仍需重写。复用声明应同时列出不能复用之处，不能只统计共用代码行。

这种生命周期比较不会给出跨任务永远正确的赢家。它把“灵活”转成可问责的变化成本，把“专用高效”转成限定负载下的收益，也使硬件选择与工程交付建立真实联系。

选择可变层次，而不是选择一句口号

最强反例是一个混合SoC：CPU负责控制，固定引擎处理成熟任务，可重构区域处理变化的数据通路。它没有服从三选一，却可能更符合需求；代价是跨单元接口、内存一致性与调试更复杂。

实际选择应从变化频率、输入分布、可承担的准备时间与维护成本出发，再验证候选。判断“可重构改变了什么”，最终要落到资源和契约，而不是“硬件更灵活所以一定更快”。

来源、证据与阅读路线

1. Intel：Compare Benefits of CPUs, GPUs, and FPGAs for oneAPI Workloads，架构差异；不采用无条件性能外推
2. Intel oneAPI Programming Guide 2023.2，FPGA Flow，不同产物与验证阶段

证据范围：有限位宽算术等价与成本算例已核对；三种实现的真实吞吐、能耗与开发成本仍须在相同任务和目标系统中验证。

版本1.2 · 2026-10-18：完成事实、条件与引用复核，逐篇明确证据方法；有实质缺口处补齐推导、反例或原题。原网址与首次发布日期保留。

作者：lihao技术文章发布：2026-10-18可重构计算与软硬件协同 · 第 01 期

从两输入查找表的完整真值表出发，解释配置怎样改变逻辑与连接；明确功能模型、映射结果与真实性能证据的不同层级。

换一个程序，与换一条数据通路

CPU可以换程序，FPGA也可以改变计算功能，它们的区别不能简单说成“一个可变，一个不可变”。关键在于可改变的层次：是在相对固定的指令执行结构上换指令序列，还是配置逻辑资源、操作选择与连接方式，使数据经过不同的计算结构。

可重构计算利用可配置资源组织计算。FPGA是重要实例，粗粒度可重构阵列（CGRA）则常以字级功能单元与互连为配置对象。两者粒度、存储与调度方式不同，不能互相代称。

这里的改变不意味着芯片制造后的晶体管任意移动；配置是在已有物理资源与可用连接之内选择。AMD 7系列UG474文档展示可编程互连如何连接逻辑块、DSP与块RAM等资源。[1]

用一个两输入查找表看见配置

构造一个两输入查找表，输入a、b各为0或1，地址约定为2a+b。表中只有4个位，分别给出输入00、01、10、11时的输出。

按上述地址顺序，写入[0,0,0,1]实现AND，写入[0,1,1,0]实现XOR。输入仍是a、b，改变的是表所定义的逻辑函数。这个模型只有组合逻辑，没有时钟、寄存器、布线延迟或配置接口。

它解释了查找表的基本思想，不对应某块真实器件的配置位排列。实际FPGA的LUT规模、分割方式、存储模式和连接规则，应按目标系列文档核对，不能把这4个位直接当成可下载bitstream。

不只改变操作，还要安排数据怎么走

设想先执行y=a×b+c，再执行z=y-d。空间映射可以把乘法、加法和减法放到不同单元，并安排中间结果的通路；也可能复用少量单元在多个周期内完成。选择由资源、依赖与输入输出带宽共同约束。

可配置的操作不等于任意连接。两个节点分别能放进阵列，不保证它们之间有满足要求的路由；单个节点的延迟满足，也不保证整条路径时序收敛。存储端口、缓冲容量与同步同样可能限制合法性。

Intel的FPGA编程指南把FPGA编译与CPU/GPU指令路径作了区分，说明器件映像与模拟器映像等产物不同。[2] 这些产物的区别也意味着，模拟执行成功不能代替实际实现与设备执行。

配置发生在什么时候，会付出什么成本

有些任务在开始运行前整体配置；有些架构允许运行中切换上下文或局部配置。动态部分重构并不意味着相关数据路径无条件不停顿，必须处理接口隔离、状态、配置完成与恢复。

假设配置一次花100个时间单位，通用路径每次10，可重构路径每次6，忽略其余成本且配置只做一次，则100+6N<10N要求N>25。第25次只是持平；若每次都重新配置，就可能一直更差。

这只是串行成本的假设算例，不是器件测量。真实系统还要计编译、装载、搬运、同步、缓存与资源竞争；有重叠时不能把各阶段简单相加。收益必须与同一任务、同一精度及可用基线比较。

资源都够，为什么映射仍然可能不合法

构造一个极小阵列，只有P0和P1两个计算单元，每周期各执行一个操作，二者有一条单向连接P0→P1。任务是先算m=a×b，再算y=m+c。假设P0能乘、P1能加，且乘法结果下一周期可用，那么m放P0、y放P1是一个候选安排。

若把两者交换，算术资源数量仍够，但P1不能乘，首先违反操作能力；即使改成两者都会乘加，若中间结果需要P1→P0而阵列没有反向路径，也仍不合法。资源总数只是必要条件之一，不能替代操作支持、连接方向和时间约束。

若增加第三个操作z=m+d，P1可能要在不同周期复用。此时还要问m是否被保留、扇出或重读是否允许、两个消费者是否争用输入端口。计算图上两条边存在，不意味着物理结构能在同一周期同时传输它们。

这个两单元模型完全是本文构造，不代表某款CGRA。它揭示的检查次序可以复用：覆盖全部操作→满足数据依赖→满足资源与端口占用→找到合法路由→确认状态生命周期。每一项都应能给出失败原因。

延迟、启动间隔与吞吐，为何要分别报告

设一条理想流水线有乘法和加法两级，每级延迟1周期，级间寄存，输入输出都不阻塞。第一项结果在2周期后出现；填满后可以每周期产生一项，即启动间隔II=1。处理N项的理想周期数为2+(N-1)，不是2N。

另一种实现只用一个能乘或加的单元，按顺序为每项做两步。忽略额外开销时，单项延迟也可能是2周期，但每项占用2个操作槽，吞吐上限不同。相同单项延迟，不等于相同稳态吞吐。

实际系统还要考虑时钟频率、访存、背压与依赖。若前一项输出参与后一项计算，递归依赖可能限制II；若输入每两周期才到一项，计算流水再深也不能凭空得到每周期一项的端到端吞吐。

在每次启动处理一项、不受输入输出和其他瓶颈限制的稳态模型里，吞吐上限可写为 f_clk/II。[3] 构造方案 A 的时钟为 100MHz、II=1，上限是每秒 1 亿项；方案 B 为 300MHz、II=2，上限反而是每秒 1.5 亿项。可见 II 更小并不自动代表每秒结果更多。这里的频率是假设，不能在布局布线之前当成已经达到的器件频率；真实端到端吞吐仍要受访存、背压、批量和计时边界约束。

综合报告给出的延迟与II，需要与约束和仿真条件一起读；设备测量又需要明确计时边界。本文只有理想离散时序推导，没有获得任何器件的频率、面积或能效。

配置灵活性为何会转化为软件问题

更多操作选择、路由和存储布局，增加了可能的实现方案，也扩大搜索空间。编译器不仅要找一个合法方案，还要在有限编译时间内找到足够好的方案，并对失败给出可解释诊断。

合法性检查与性能估计可以分离。检查器能拒绝容量超限或不存在的路由，却未必知道两个合法方案谁更快；成本模型可以排序候选，也不能替代正确性验证。把一个预测分数高的候选当作“验证通过”，混淆了两种责任。

若某种自由度只在极少数负载改善结果，却显著增加搜索与回归成本，它未必提升系统总价值。反例也应保留：关键工作流可能确实需要这项自由度，此时不能只为简化软件就删掉能力。决定需要工作负载证据与维护成本，而非抽象地追求最多可配置项。

可重构计算的核心问题由此从“能不能变”推进为“哪些变化值得支持，工具能否稳定利用，验证能否覆盖”。这是评估硬件与编译协同的起点。

从资源下界看II：先问理论上能否达到

继续用离散时序模型。若每个输入需要2次乘法，阵列只有1个每周期可接收一次新乘法的单元，忽略依赖与通信，资源就要求平均至少每2周期接收一个输入，即II≥2。增加加法单元不能解除这个乘法资源下界。

若增加第二个乘法单元，资源下界可能降到1，但路由、存储端口或循环依赖仍可能保持更大II。下界是必要条件，不是可实现调度；找到满足它的候选，还需逐周期检查占用与依赖。

另一方面，一个乘法单元若本身是多级流水、每周期可接收新输入，其“延迟3周期”不等于每3周期只能启动一次。把延迟与发射能力混用，会错误估算资源下界。架构模型必须同时记录操作延迟、启动能力、端口与数据可用时刻。

这类简单下界有筛选价值：若候选声称低于已明确的资源或依赖限制，应先检查模型或报告口径；若仅达到下界，也不能跳到真实性能结论，因为频率与外部系统尚未纳入。

验证应分成哪些层级

第一层是功能模型：输入与输出符合定义。第二层是映射合法性：资源、容量、连接与依赖满足目标约束。第三层是实现：综合、布局布线与时序结果。第四层才是设备执行的正确性、延迟、吞吐与能耗等测量。

本文的两输入表可以穷举全部4种输入，检查AND和XOR的函数值；它仍然不证明任何硬件配置文件正确，也没有资源利用率或芯片性能结果。证据等级要跟着实际完成的层级走。

最强反例是：许多任务变化快、规模小，重构成本可能超过计算节省。这个反例不否定可重构性本身，而是限制其适用域。下一篇将同一任务放到固定功能、可编程与可重构三个层次下比较。

来源、证据与阅读路线

1. AMD 7 Series FPGAs CLB User Guide，UG474 v1.9，2025-04-01，Interconnect Resources
2. Intel oneAPI Programming Guide 2023.2，FPGA Flow；本文只引用该固定历史版本的流程定义
3. AMD Vitis High-Level Synthesis User Guide，UG1399 v2021.2，Performance Metrics Example：延迟与启动间隔的周期定义；本文频率数字为构造算例

证据范围：LUT真值、启动间隔与配置摊销按明确模型核对；频率为假设，没有完成器件映射、时序收敛或芯片性能测量。

版本1.2 · 2026-10-18：完成事实、条件与引用复核，逐篇明确证据方法；有实质缺口处补齐推导、反例或原题。原网址与首次发布日期保留。