第十九届全国容错计算学术会议 (CFTC 2021)

最近特斯拉发布的Tesla D1 Dojo系统包含了约500亿晶体管，在这样大规模的芯片系统中，很难保证每一个晶体管完全无故障工作。在芯片的全生命周期中，工艺偏差、老化、工作环境等都可能会导致一些晶体管失效。为了保障整个芯片的持续可靠工作，需要芯片测试、诊断以及纠错等一系列技术的支撑。针对芯片全生命周期可靠设计这一基础问题，我们提出了基于芯片自测试、自诊断、自修复技术的Built-In Fault Tolerance（BIFT）设计“片上容错”。报告中也将介绍过去十几年我们在多核处理器、大规模片上互联以及深度学习处理器上进行的BIFT探索，为未来大规模芯片的可靠和安全设计提供参考。