“

关键词：LEGO 加速器、自动生成 RTL、空间加速器、张量应用、AI 芯片设计、Gemmini 对比、数据流融合、MIT Han Lab

一句话先给答案

LEGO 是 MIT Han Lab 2025 年发布的开源框架，像搭积木一样把深度学习里的张量运算直接变成可综合的芯片 RTL，不需要手写模板，就能让 AI 模型在定制加速器上跑出 3.2 倍速度、节省 2.4 倍能耗。

本文讲什么？

  1. 为什么需要 LEGO？—— 手工写 AI 加速器 RTL 的痛
  2. LEGO 到底怎么“搭积木”？—— 三步工作流图解
  3. 它跟以前的“模板派”有何不同？—— 一张表看懂
  4. 真实跑起来有多快？—— 对 Gemmini 实测数据
  5. 想自己玩，怎么上手？—— 代码、依赖、示例命令
  6. 常见疑问 FAQ —— License、商用、FPGA、功耗、坑点

1. 为什么需要 LEGO？—— 手工写 AI 加速器 RTL 的痛

痛点 具体表现 后果
模板僵化 Gemmini/MAGNET 只能调参，不能改拓扑 新算子（Attention、MTTKRP）塞不进去
数据流单一 一种阵列只能跑一种“并行策略” 模型换层就要换芯片，成本爆炸
控制逻辑冗余 每个 PE 都配独立地址发生器 面积 ×2.0，功耗 ×2.6
人力周期长 手写 RTL → 验证 → 后端，月级别 算法周级迭代，硬件追不上

LEGO 目标：让“算法-硬件”迭代周期从月变天，且不把设计空间锁死。

2. LEGO 到底怎么“搭积木”？—— 三步工作流图解

2.1 输入：张量算子描述（你只管写循环）

// GEMM 例子
for (int i = 0; i < M; i++)
  for (int j = 0; j < N; j++)
    for (int k = 0; k < K; k++)
      Y[i][j] += X[i][k] * W[k][j];

把循环写成 Python 嵌套列表或 MLIR 文件即可，无需画电路图。

2.2 前端：自动生成“数据流图”

  1. 利用仿射变换找出“谁在什么时候复用哪块数据”
  2. 求解线性方程组，得到 PE 之间“直连”或“FIFO 延迟”两种最优连接
  3. 用最小生成树 (Chu-Liu) 剪掉冗余边，保证每个 PE 只有一条有效数据源

结果：一张“FU 级网表”—— 节点是乘加器（MAC），边是数据线 + 延迟标签。

2.3 后端：把网表变成可综合 RTL

  1. 将 FU 拆成“寄存器-算子-多路选择”原子节点（DAG）
  2. 用线性规划插最少 pipeline 寄存器，让时序收敛
  3. 再跑三轮优化：

    • 广播改写链 → 省寄存器
    • 提取归约树 → 省加法器级数
    • 引脚复用 → 动态数据流共用硬件

输出：可直接丢给 Synopsys DC 或 Xilinx Vivado 的 Verilog，28 nm 下 1 GHz 综合通过。

3. 它跟以前的“模板派”有何不同？

框架 是否手写模板 支持拓扑自由度 能否融合多数据流 控制逻辑共享 RTL 质量
Gemmini ✅ 必须 ❌ 仅 2D 脉动 ❌ ❌ 每个 PE 独立 高，但僵化
AutoSA ✅ HLS C 模板 ❌ 仅 2D ❌ ❌ 中等
TensorLib ❌ ✅ 任意 2D ❌ 只能单流 ❌ 高，面积浪费
LEGO ❌ ✅ 任意维 ✅ 一键融合 ✅ 单控制单元广播 更高，面积-功耗双降

4. 真实跑起来有多快？—— 对 Gemmini 实测数据

测试平台：TSMC 28 nm，256 MAC，256 kB 片上 SRAM，128-bit 16 GB/s DRAM 接口。

模型 Gemmini 延迟 (ms) LEGO 延迟 (ms) 加速 能耗比 Gemmini 节省
ResNet50 8.7 2.7 3.2× 2.4×
MobileNetV2 12.1 3.8 3.2× 2.4×
BERT-base 6.5 2.1 3.1× 2.3×
GPT-2 1k token 95 92 1.03× 1.1× (带宽瓶颈)

“

图：LEGO 与 Gemmini 端到端对比
evaluation

5. 想自己玩，怎么上手？

5.1 环境依赖

  • Ubuntu 20.04+ / macOS 12+
  • Python ≥ 3.8
  • C++17 编译器（g++-9 或 clang-12）
  • CMake ≥ 3.20
  • Java 11（HiGHS LP 求解器需要）
  • SpinalHDL（后端自动生成 Verilog）
  • Synopsys DC 或 Vivado（可选，仅综合）

5.2 一键安装

git clone https://github.com/mit-han-lab/lego.git
cd lego
pip install -r requirements.txt
./scripts/setup.sh   # 自动装 HiGHS、SpinalHDL

5.3 跑第一个 GEMM 示例

# 1. 写循环描述
python examples/gemm/write_loop.py --M=64 --N=64 --K=512 -o gemm.json

# 2. 前端生成网表
./build/bin/lego-front --input gemm.json --output gemm.adg

# 3. 后端生成 Verilog
./build/bin/lego-back --adg gemm.adg --verilog gemm_rtl

# 4. 综合（示例）
vivado -mode batch -source scripts/synth.tcl -tclargs gemm_rtl

5.4 目录结构一眼看懂

lego/
├─ examples/          # GEMM、Conv2d、Attention、MTTKRP 官方样例
├─ docs/              # 仿射表示、DAG 算法论文原文
├─ scripts/           # 综合、仿真、功耗分析脚本
├─ spinal/            # SpinalHDL 原语库
└─ build/             # 编译产出，自动生成

6. 常见疑问 FAQ

问 答
License 是什么？ MIT，可商用，需保留版权
只能 ASIC 吗？ 不，FPGA 同样友好，已测 Xilinx U280
支持稀疏算子吗？ 当前版本聚焦稠密张量，稀疏在 Roadmap
控制流会跨时钟域吗？ 不会，LEGO 把控制信号做成局部 systolic，时钟域统一
功耗降低 2.4 倍的核心原因？ 1) 单地址发生器共享 2) 归约树平衡 3) 无用路径自动 clock-gating
与 HLS 相比优势？ HLS 只能优化循环，LEGO 同时优化“数据路径 + 存储 + 控制”，面积再降 35%
有图形界面吗？ 暂时没有，全命令行；可视化 DAG 可用 dot -Tpng gemm.dot -o gemm.png
最大能跑多大阵列？ 论文实测 16 384 个 FU，生成时间 < 3 min，Scaling 接近线性

7. 结论：一句话带走

LEGO 把“写循环 → 出芯片”变成一条命令，不再需要手写 RTL 模板，还能让 AI 模型跑得更快、更省电；如果你想定制自己的张量加速器，又苦于周期太长，先试试 LEGO，再决定是否流片。

引用

若需在论文或博客中引用，请使用官方 BibTeX：

@inproceedings{lin2025lego,
  title={LEGO: Spatial Accelerator Generation and Optimization for Tensor Applications},
  author={Lin, Yujun and Zhang, Zhekai and Han, Song},
  booktitle={2025 IEEE International Symposium on High Performance Computer Architecture (HPCA)},
  pages={1335--1347},
  year={2025},
  organization={IEEE}
}

相关阅读