【香山双周报 111】20260916 期

欢迎来到香山双周报专栏，我们将通过这一专栏定期介绍香山的开发进展。本次是第 111 期双周报。

关于香山近期开发进展，前端新增 BPU S2 override 并扩大超前距离，修复了 ICache 替换策略相关 bug；后端完善了向量宽化、窄化、乘加及除法支持，并修复了多项解码、旁路和浮点处理相关 bug；访存与缓存方面，集成了 F-POP 和师生结构 BOP 预取器，新增 LoadQueueReplay 提前唤醒并优化其流水线；XSAI 支持在 CUTE 访存请求中传递矩阵预取描述信息，修复了预取活锁，并完善了 AME DiffTest 检查；基础设施完善了 FPGA DiffTest 流程，优化 NEMU 参考模型，扩展测试负载并修复 GSIM 仿真问题；XS-GEM5 持续对齐 Sbuffer、向量写回和 BPU 等行为，并优化 SMT 流水线与 LSQ 竞争逻辑。

近期进展

前端

RTL 新特性
新增 BPU S2 override，使用 MainBTB 和 TAGE provider 的快速预测结果提前修正 S1 预测，并重构 AheadBTB 以支持该流程（#6423）
Bug 修复
为 ICache 替换策略增加第二组访问更新端口，修复 2-fetch 时第二个取指块未更新 PLRU 状态的问题（#6416）
性能优化
统一 BPU 超前距离与 ICache WayLookup 深度，默认将超前距离由 8 扩大至 32，使预取流水线能够充分填充 WayLookup（#6425）
PPA 优化
缩小 MainBTB WriteBuffer 在 hitWritten 时检查表项变化的比较范围，减少比较逻辑（#5898）
比较 MainBTB 与 S1 预测的跳转目标时，仅比较必要的目标地址低位，减少冗余比较逻辑（#6431）

后端

RTL 新特性
支持通过 I2F 单元执行标量 Zfa fli.h、fli.s 和 fli.d 指令，并按标量 NaN boxing 规则生成结果（#6441）
当 mstatus.VS 关闭时，将 vsetvli、vsetivli 和 vsetvl 解码为非法指令（#6459）
初步接入新的 VCVTWrapper（#6473）
支持向量整数宽化与窄化指令，并接入 Exu、MGU 和 VIAlu 数据通路（#6490）
支持向量转换的宽化及 2-to-1 窄化操作，窄化指令可读取两个源寄存器并写回一个完整寄存器（#6493）
在新的向量后端中加入 VFMA 单元，完善 VFMA 管线元数据和流水线寄存器（#6503）
支持向量整数除法 VIDiv，并增加基于延迟的提前唤醒机制（#6510）
恢复条件启用的 Smmtt 扩展及其 mfence 指令解码（#6538）
支持向量浮点除法和平方根，并接入非固定延迟的发射、唤醒与写回路径（#6552）
Bug 修复
DiffTest 更新 VL RAT 时使用专用的 pdestVl，避免错误使用通用目的寄存器索引（#6440）
增加 is0FlushNext，确保 IssuePipe 中待刷新的 is0 项能够正确清除（#6458）
修复非法 vtype 被当作 vsetivli 解析时将 vtype[10] 错误传入 vl 的问题（#6465）
修正 VMSGTU.VI、VMSLEU.VI 和 VSADDU.VI 的立即数扩展方式为符号扩展（#6469）
修复向量 Exu 在所有阶段都使用旁路数据的问题，仅在第 0 阶段使用旁路源操作数（#6470）
修正向量浮点指令使用 VF opcode 而非 FP opcode（#6491）
在 ex1 阶段补充 vmax 的 VecDataSplit 源数据（#6492）
允许 vfwcvt 在 SEW=8 时执行，补充对应的 FP16 转换 opcode（#6494）
修复 vm 为 1 时 VMove 掩码未全部置 1 的问题，并使 whole-register move 写回完整寄存器结果（#6495）
修复 JAL/JALR 链接与跳转 uop 的解码、重命名依赖和跳转类型跟踪（#6496）
将 VFREC7.V 和 VFRSQRT7.V 加入 fflags 写使能表（#6506）
修复旁路网络对 ready 源和非寄存器源的处理（#6508）
对齐 ROD 编码（#6509）
修复 I2F 单元的 fflags 输出（#6519）
在 CSR 读改写期间暂存并优先处理 LCOFIP，避免丢失本地计数器溢出请求（#6522、#6551）
修正 FMA 加数的 NaN boxing 检查（#6532）
为 VMove 浮点结果增加正确的 FP boxing（#6564）
时序优化
在 DecodeStage 寄存 uop fire、exception 和 uopBits，缩短解码关键路径（#6466）
代码重构与清理
统一 LatDecoder 的 opcode 输入，支持 VMove、Stu opcode 及不确定延迟配置（#6445）
初始化新的 VIMac 支持，移除旧的 VIMacU 并统一使用 splitToVecN（#6471）
移除 FusionDecoder 对 DecodeUnit 的依赖及冗余的 instructions.scala（#6477）
清理向量 ALU 无用代码并将 vialuf 重命名为 vialu（#6478）
清理向量/访存过时代码，并修正连续 store 处理中 vecInactive 的状态处理（#6479）
移除旧 VFMA/VFAlu wrapper，并将对应配置的 fuGen 置空（#6530）
移除不再使用的 VPUCtrlSignals（#6531）
将扩展列表传入 decode fields，使解码表按启用的 ISA 扩展生成（#6537）
删除向量后端中无用的类和方法（#6562）
移除 VL busy table 中过时的 nonzero 状态及相关接口（#6563）
将向量源操作数交换延后到寄存器读取之后，统一在 Exu 中处理（#6565）
工具更新
更新 ready-to-run 使用的 NEMU 参考版本，包含 RV64 mstatus 初始化、SimPoint profiling 等修复与优化（#6472）

访存与缓存

RTL 新特性
新增基于延迟的 LoadQueueReplay 提前唤醒机制（#6510）
将 F-POP L2 预取器集成到香山（XSCache #24、#6255）
师生结构 BOP 预取器（XSCache #29、#6435）
Bug 修复
修复 LoadQueueReplay 在非对齐队头 replay 中延迟唤醒处理错误（#6480）
修复向量 inactive element 导致 StoreQueue 错误触发 uncacheMove 的问题（#6474）
修复非对齐 replay 时 LoadUnit 未保留队头 TLB 元数据的问题（#6457）
修复 AtomicsUnit 的异常生成逻辑（#6316）
（V2）使用 PMM 归一化后的虚拟地址处理 LoadUnit 和 StoreUnit trigger（#6311）
（V2）支持 unit-stride store 的 partial replay（#6434）
（V2）将向量访存异常的 gpaddr 扩展至 XLEN 宽度（#6432）
时序优化
将 LoadQueueReplay 流水线由三级缩短为两级，并优化 DCache、Uncache、TLB hint 和 replay 仲裁路径（#6422）

XSAI

RTL 新特性
为 CUTE 访存请求传递矩阵预取描述信息（CUTE #39）
Bug 修复
同步昆明湖 V2 的 bug-fix（XSAI #123、XSAI #129）
修复预取 RequestBuffer 活锁（XSAI #126、XSAICache #8）
代码质量
更新 nightly 回归 checkpoint 池并固定 matrix jobs 使用 node runner（XSAI #120、XSAI #122）
调试工具
完善 AME DiffTest 的 mrelease 退役与旧 mstore 顺序检查（XSAI #121、difftest #953、XSAI #128、difftest #958）
为 AME 错误路径记录正确的指令 PC（XSAI #121、difftest #955）
优化 NEMU 浮点 MMACC，并完善指令语义检查（NEMU #1189、NEMU #1197、NEMU #1200）

基础设施

FPGA DiffTest
整理 FPGA 运行流程，支持 Runtime/Host 跨主机命令协同，完善设备状态检查及运行结束后的清理流程（env-scripts #167、env-scripts #168、minjie-playground #31）
新增香山 DiffTrapEvent 探针，并修复 DiffTest 信号命名，使指定信号能够通过 XMR 路径进行 ILA 采集（env-scripts #165、difftest #959）
补充 XDMA pre-PERST 时钟与 PCIe 参考时钟之间的异步 CDC 约束（env-scripts #169）
修复 Replay 中浅拷贝 DiffState 所引起的状态所有权错误，避免在恢复快照时复制队列和集合等临时状态（difftest #957）
NEMU 参考模型
优化未使用掩码的向量访存路径，避免无须执行的 v0 读取（NEMU #1155）
精简单指令共享 REF 的执行边界，并在 CSR 状态未发生变化时跳过重复的 CSR 镜像准备（NEMU #1136、NEMU #1027）
缓存有效地址无需转换的状态，简化共享 REF 页表遍历中的 PTE 读取路径，同时保持原有权限与异常检查语义（NEMU #1011、NEMU #1138）
在未启用 profiling 或 checkpointing 时，跳过基本块边界上的重复轮询（NEMU #1137）
采样切片
新增七类 RVA23 Linux RocksDB 测试负载，覆盖读写混合、随机事务及时间序列等场景（workload-builder #66）
支持 Geekbench 5/6 Preview 离线运行（workload-builder #62）
修复 Linux hello 中消息地址被错误松弛为 gp 相对寻址的问题，并在输出失败时正确报告运行结果（workload-builder #67）
为 SPEC CPU2017/2026 适配 jemalloc，修复 SPEC2017 多命令运行脚本，并统一 SPEC 负载的 jemalloc 配置（workload-builder #56、workload-builder #68）
整理 QEMU nemu 机器的 workload 构建与运行支持，包括平台 DTS、固件输出及运行脚本（workload-builder #60）
根据选定 DTS 中的 DRAM 基址和 CLINT 地址，自动配置单核固件、内核及 checkpoint 的地址布局，生成与目标平台配置匹配的镜像（workload-builder #55）
确认 profiling 指令数波动源于 DTS 随机种子；统一固定 rng-seed 后，采样指令数保持稳定（workload-builder #57）
对齐 workload-builder DTS 与香山平台的 ISA 扩展声明，并更新香山核心的 ISA 扩展参数（workload-builder #59、XiangShan #6463）
支持依据 nemu_board 配置，在构建时动态生成匹配的 DTS，统一 FPGA、QEMU 和 NEMU 的设备树配置（workload-builder #71）
GSIM 仿真器
修复动态右移超移时的未定义行为，超移后无符号值返回零、有符号值按符号填充，避免 DiffTest 失败（gsim #128）
修复常量传播中有符号右移误将目的操作数作为输入，导致负数右移被错误折叠为零的问题（gsim #129）
修复节点拆分中有符号常量切片语义，负数算术右移改用 floor 除法保留符号扩展，位选择先转为无符号表示（gsim #130）
修复拼接常量等值比较优化中高位切片边界差一的错误，按拼接实际布局精确切片，避免比较结果出错（gsim #131）
为动态向量索引添加边界保护，越界读返回确定零值、越界写变为空操作，消除越界读写的未定义行为（gsim #132）

XS-GEM5

模拟器对齐
Sbuffer 行为对齐（XS-GEM5 #1140）
向量指令写回行为对齐（XS-GEM5 #1113）
IQ 对齐（XS-GEM5 #1127）
浮点除法行为对齐（XS-GEM5 #1116）
BPU 行为对齐（XS-GEM5 #1122）
代码质量
向量代码整理（XS-GEM5 #1075）
新特性探索
SMT：取指阻塞与流水线冲刷策略优化（XS-GEM5 #1124）（感谢来自阿里同事的贡献）
SMT：优化 SMT 情况下 LSQ 的竞争逻辑（XS-GEM5 #1094）（感谢来自中兴同事的贡献）
基础设施
AMO 指令 bug 修复（XS-GEM5 #1098）（感谢来自阿里同事的贡献）
新指令实现（XS-GEM5 #1118）（感谢来自阿里同事的贡献）
CI 维护，统一使用的 NEMU 版本（XS-GEM5 #1105）

性能评估

处理器及 SoC 参数如下所示：

参数	选项
commit	0eea07ed9
日期	2026/09/11
L1 ICache	64 KB
L1 DCache	64 KB
L2 Cache	2 MB
L3 Cache	32 MB
访存单元	3ld2st
总线协议	CHI
内存配置	DDR4-3200

性能数据如下所示：

SPECint 2006 @ 3 GHz	GCC16	XSCC	SPECfp 2006 @ 3 GHz	GCC16	XSCC
400.perlbench	56.40	54.24	410.bwaves	126.11	112.18
401.bzip2	30.49	31.20	416.gamess	59.54	56.55
403.gcc	61.93	42.58	433.milc	76.56	73.10
429.mcf	77.90	64.10	434.zeusmp	79.58	70.77
445.gobmk	44.90	44.46	435.gromacs	41.68	36.92
456.hmmer	54.74	67.53	436.cactusADM	86.33	94.33
458.sjeng	43.73	43.69	437.leslie3d	66.56	64.63
462.libquantum	164.48	382.99	444.namd	44.46	45.48
464.h264ref	69.46	76.01	447.dealII	66.08	81.12
471.omnetpp	56.40	56.29	450.soplex	65.94	79.40
473.astar	34.28	33.67	453.povray	79.62	74.37
483.xalancbmk	89.19	107.78	454.calculix	42.15	41.17
GEOMEAN	58.94	62.57	459.GemsFDTD	80.02	76.96
			465.tonto	55.04	37.92
			470.lbm	128.56	149.77
			481.wrf	59.50	45.14
			482.sphinx3	62.02	64.63
			GEOMEAN	68.19	65.95

编译参数如下所示：

参数	GCC16	XSCC
编译器	gcc16	xscc
编译优化	O3	O3
内存库	jemalloc	jemalloc
指令集配置	基于 RVA23（禁用向量扩展）	RV64GCB
-ffp-contract	fast	fast
链接优化	-flto	-flto
浮点优化	-ffast-math	-ffast-math
-mcpu	-	xiangshan-kunminghu

注：我们使用 SimPoint 对程序进行采样，基于我们自定义的 checkpoint 格式制作检查点镜像，SimPoint 聚类的覆盖率为 100%。上述分数为基于程序片段的分数估计，非完整 SPEC CPU2006 评估，和真实芯片实际性能可能存在偏差。