龙芯完成性能补课了吗？和牙膏厂和农企具体相差多少年？

取指
龙芯GS464V/LA464（后简称GS464V）为32B，即每周期8个指令。
牙膏厂直到Ice Lake依旧停留在16B，但因为X86指令长度不固定，每周期最多可以取5个指令（指令融合时为6个），只不过这些指令总长度不能超过16B，跨越16B边界或超过5个（6个）的指令不会在当前周期内读取，所以另一个的极端情况下，也有可能每周期只读取了1个指令，也就是说每周期在1-5（6）个指令之间。
农企早在K10上就实现了32B，直到ZEN3依旧如此，但也同样受X86指令长度不固定的影响，32B的取指带宽其实是2个16B的取指窗口合并而来，每个取指窗口每周期最多取2个指令，跨越16B边界或超过2个的指令不会在当前周期内读取，所以类似牙膏厂的情况，每周期在2-4个指令之间。
总体上看，因为MIPS/LA的RISC指令等长的特性，在取指上，龙芯对比两家具有先天的优势，在满足性能的前提下，这一块后续应该不会再有大的改进。

循环缓冲
GS464V尚未公布，这里参考GS464E的设计。如前面所提到，GS464E的指令队列还承担循环缓冲的功能，当循环体小于56个指令时，可以停止取指，将循环体保存在指令队列中，供解码器反复调取，直到循环结束。
牙膏厂最早可能是在Core2上已经实现循环缓冲，但因为过于久远没有详细的资料，目前已知Nehalem的循环缓冲为28项，位置在解码器和保留站之间，其内部存储的是解码后的uop，由2个线程竞争性共享，当某个线程使用时，另一个线程无法使用。到Sandy Bridge时，虽然实装了uop cache，但依旧保留了循环缓冲，并扩展为2组共56项，每组28项，2个线程独占其中1组。然后在Haswell上又合并为1组共56项，由2个线程竞争性共享。之后在Skylake上又拆成2组共128项，每组64项。最后Ice Lake扩展到2组共140项，每组70项。
农企最早可能在Piledriver上已经实现了循环缓冲，位置再解码器和调度器之间，其内部存储的是解码后的mop，大小为32项，但不知道是不是分成2组由每个线程独占1组。在Steamroller上明确为2组共80项，每组40项，每个线程独占1组。ZEN及之后，农企取消了专门的循环缓冲，改由mop cache实现类似的功能。
仅看循环缓冲，GS464E的等效56项，差不多和Haswell、Steamroller在同一个水平上。后续LA664如果沿用此设计并进一步拓展，可能可以达到Skylake甚至Ice Lake的水平。因为龙芯近未来上op cache的可能性较低，所以无法和ZEN系列比较。

解码带宽
GS464V有4组对称的解码器，因为RISC的特性，应该所有指令均能1对1的解码成op，所以解码的输入带宽为4指令，输出带宽为4op。
牙膏厂最早在Core2上实现4解码器，但是由3个简单解码器和1个复杂解码器所组成。简单解码器只能解码那些和uop一对一对应的指令，复杂解码器可以解码和uop一对多对应的指令，复杂解码器最多将1条指令解码成4条uop，多于4条uop的指令通过微码模块解码为uop数量不定的微程序，微程序输出带宽为每周期4uop，当复杂解码器或微码模块运行时，简单解码器无法运行。也就是说解码输出带宽为4uop，解码输入带宽受指令类型的影响在1-4之间，当使用微码模块时甚至少于1。在SMT模式下，各种解码器由2个线程竞争性共享，但当某个线程使用微码模块或复杂解码器时，另一个线程无法输入任何指令。这个设计一直沿用到了Skylake之前，Skylake增加了1个简单解码器，并将解码输出带宽提升到了5uop，微码模块的输出带宽依旧为4uop，也就是说，当使用微码模块或复杂解码器时，依旧可以保持另外1个指令由简单解码器解码。
农企最早在K5上实现4解码，当然这太久远了，已经无法参考了。之后再次实现4个解码器已经是Bulldozer了，4个解码器对称设计，均能解码1对1或1对2的指令，但同一个周期内只能有1个解码器解码1对2的指令。和牙膏厂类似，大于1对2的指令由微码模块解码成微程序，解码输出带宽为4uop，当微码模块运行时，其他解码器无法运行。所以解码输入带宽也受指令类型影响，在1-4之间，并且当使用微码模块时甚至少于1。解码器以FMT的方式每周期交替为2个线程的指令解码，但当某个线程的指令使用微码模块解码时，会暂停切换线程，直到该指令完成解码。在Piledriver上放宽了1对2的解码限制，可以同时解码2个1对2的指令。在Steamroller上拆分成了2组4个解码器的设计，但因为取指带宽的限制，实际解码带宽并没有明显的提升，好处仅仅是当某个线程使用微码模块时，不会影响另一个线程的解码。然后到ZEN上，又变为一开始的1组4个解码器，但采用了类似牙膏厂的竞争性共享模式。
在解码带宽上，表面上看，因为GS464V采用RISC，具有明显的优势，但牙膏厂和农企在分别进入Sandy Bridge和ZEN时代后，其后端执行的op主要来源已经逐渐变为op cache，所以GS464V在解码带宽上，大致和Sandy Bridge这类早期实装op cache的微架构类似，而LA664应该能够达到Skylake和ZEN的水平。

发射队列
GS464V采用分体式发射队列的设计，定点、访存、浮点发射队列各为32项，合计96项。
牙膏厂一直采用整体式保留站的设计，Skylake为97项，但因为是整体式的设计，其效率会高于分体式的设计，之前的Haswell为60项，Sandy Bridge为54项。
农企也采用分体式调度器，K10为每条整数管线1个8项，3个整数共24项，然后1个42项浮点，合计66项。到Bulldozer时，整数访存合并成1个40项，每个执行核1个，浮点64项，2个线程共享，合计每个模块144项。到ZEN时，整数又拆成每条整数管线1个14项，4个整数56项，2个访存28项，浮点分成2级，1级是60项顺序队列，2级是36项乱序队列，合计180项
如果按分体式的效率为整体式的60%计，ZEN的顺序队列打对折计入，Bulldozer共享的浮点调度器按70%计入单边的执行核。则GS464V等效58项，K10等效40项，Bulldozer单执行核等效51项，ZEN等效90项。如此比较，则GS464V略强于Bulldozer和Sandy Bridge，略弱于Haswell，和Skylake和ZEN具有明显的差距。LA664如果继续采用分体式发射队列的设计，需要达到合计160项左右才能达到Skylake和ZEN的水平。

重排序缓冲
GS464V是128项，提交带宽为4op，因为MIPS/LA几乎可以1对1解码，所以也就相当于每周期提交4个指令。
牙膏厂这边最早达到相同规模的是Nehalem，提交带宽为4uop，因为X86解码为uop存在1对多的情况，所以实际上每周期少于等于4指令。后续的Sandy Bridge达到了168项，Haswell打到了192项，提交带宽依旧都是4uop。
农企这边最早达到相同规模的是Bulldozer，每个执行和128项，和牙膏厂类似，也是因为X86解码为uop存在1对多的情况，所以实际上每周期少于等于4指令。后续的ZEN达到了192项，提交带宽为8mop，确保绝大多数情况下达到每周期4个指令的提交带宽。
综上，GS464V在重排序缓冲的设计上，略强于Nehalem和Bulldozer，但距离它们的下一代则有着较大的差距。LA664如果能达到192项，则相当于达到了Haswell和ZEN的水平。

整数执行管线
GS464V有4条整数管线，GS464E的2条整数管线完全对称，不知道GS464V是否4条也是完全对称，按照跑分测试，至少可以推测4条管线都有完整ALU。
牙膏厂在执行管线的设计上类似整体式保留站，采用了整数浮点复合型的设计，如果按整数ALU计算，最早在Haswell上实现4条整数管线。
农企则最早在ZEN上实现了4条整数管线。
从这里看，GS464V应该差不多相当于Haswell和ZEN。

浮点/向量管线
GS464V有2条浮点/向量管线，每条都是一个256bit的FMA，每周期最多16个双精度浮点运算，浮点乘加延迟为5周期。
牙膏厂最早实现每周期16个双精度浮点运算的是Haswell，常见浮点运算延迟为4周期，另外Haswell还有1条管线可以执行额外的整数向量指令。
农企最早实现每周期16个双精度浮点运算的是ZEN2，常见浮点运算延迟为3周期。
总体来看，GS464V略弱于Haswell和ZEN2，主要差距在浮点运算的延迟上。

访存管线
GS464V有2条访存管线，可以实现每周期2个256bit LD或1个256bit LD+1个256bit ST。
牙膏厂最早在Haswell上实现2个256bit LD或1个256bit LD+1个256bit ST。
农企最早在ZEN2上实现2个256bit LD或1个256bit LD+1个256bit ST。
和浮点部分类似，访存上GS464V应该达到了Haswell和ZEN2的水平。

访存队列
GS464V的载入队列为64项，存储队列为48项。
牙膏厂在Sandy Bridge上实现了64项的载入队列和32项的存储队列，到Haswell上实现了72项的载入队列和42项的存储队列，在Skylake上实现了72项的载入队列和56项的存储队列。
农企在Steamroller上实现了48项的载入队列和32项的存储队列，在ZEN上实现了72项的载入队列和44项的存储队列，在ZEN2上实现了72项的载入队列和48项的存储队列。
总体上看，GS464V的访存队列规模和Haswell和ZEN相当，明显弱于Skylake和ZEN2。

寄存器
GS464V具有128项64bit整数寄存器和128项256bit浮点/向量寄存器。
牙膏厂在Sandy Bridge之前一直是RRF，虽然NetBurst中使用过PRF，但因为过于久远，不在今天的比较范围内。Sandy Bridge的寄存器规模为160项64bit整数和144项256bit浮点。
农企从Bulldozer开始完全采用PRF，Bulldozer的规模为每个模块2个96项64bit整数+1个160项128bit浮点。到Steamroller增加到2个112项64bit整数+1个176项128bit浮点。到ZEN时达到了168项64bit整数+160项128bit浮点。ZEN2则增加到180项64bit整数+160项256bit浮点。
GS464V的规模低于Sandy Bridge，和Steamroller的一个执行核相当，但浮点的宽度更宽。

分支预测
GS464V的分支预测单元并不清楚，参考GS464E是由目标地址缓冲、本地/全局复合预测器、返回地址堆栈、间接跳转缓冲等组成的复合式分支预测单元。其中作为最重要的动态分支预测的本地/全局复合预测器采用了本地和全局2组两级自适应预测器，然后通过第3组选择器选择正确率更高的那组的结果作为最终预测的结果，3组规模均为8K项。
牙膏厂在Core2和Nehalem的动态分支预测器上采用的是全局两级自适应预测器+循环计数器的组合，Sandy Bridge可能采用了2套全局两级自适应预测器，也有说法采用了TAGE预测器的变种，Haswell及其之后主流猜测应该都是一种改进型的TAGE预测器+循环计数器的组合。
农企在Bulldozer的动态分支预测器上采用了和GS464E类似的本地/全局复合预测器，但本地部分只是简单的双模计数器，之后有传言在Steamroller上用神经网络预测器替代了本地的双模计数器，ZEN明确采用了神经网络预测器，ZEN2则是在ZEN的基础上增加了TAGE预测器，与原来的神经网络预测器组成两层预测的结构，但最终在ZEN3上去掉了神经网络预测器，只保留了TAGE预测器。
在分支预测这块，抛开规模，从技术角度上来说，GS464V的本地/全局复合预测器略强于Bulldozer，和Core2和Nehalem的互有优势，明显弱于Haswell和ZEN。

胡老板说和世界水平相差5年，那么我们回头看，5年前的世界水平是什么：2015年底，牙膏厂发布了Skylake，2017年初，农企发布了ZEN。如果我们要定义一个“5年前的世界水平”，就只能拿这两款产品来做对照，这里假设某款架空的“2016年世界先进水平”CPU的各项参数规模为Skylake和ZEN的平均值，并以此为100%，代入GS464V比较，我们可以看到差距在哪里。

主要比较了前面列举中可以量化的十个指标，我们可以看到GS464V再取指带宽、取指队列、访存管线上优于“2016年世界先进水平”，在整数管线上和“2016年世界先进水平”相当，其他七项设计规模上均弱于“2016年世界先进水平”，其中差距最大的是重排序缓冲、发射队列和解码带宽，所以可以预测，LA664必然会在这3项上大幅改进增加规模。
所以最后回到标题，龙芯的性能补课完成了吗？从结果看，如果以10分/GHz为标准，已经完成了，但如果以“2016年世界先进水平”为标准，在具体的实际规模上，还是有差距的。我们在发展的同时，不能忘记别人也在发展，道阻且长，龙芯还需继续努力。

有人说要和ZX和FT对比，我觉得拿GS464V对比就没意义了，所以换成了GS464E，这样大家都是IPC 6-7分左右的微架构，更能看出各家的设计特点，另外五道口没有资料，所以用以赛亚2代替，反正也差不多。