2026年AI芯片应用核心知识考试试卷及答案

2026年AI芯片应用核心知识考试试卷及答案一、单项选择题（每题2分，共20分）1.在AI推理阶段，以下哪种内存技术最适合用于降低DDR带宽压力？A.HBM2EB.LPDDR5C.GDDR6D.eMMC5.1答案：A2.对于INT8量化后的卷积核，若原始FP32权重幅值范围为[−1.2,1.2]，则量化比例系数s的最佳取值为A.127/1.2B.128/1.2C.255/1.2D.256/1.2答案：A3.在NVIDIAAmpere架构中，稀疏张量核心支持2:4结构化稀疏，其理论加速比为A.1.5×B.2×C.2.5×D.4×答案：B4.以下哪项不是Chiplet设计在AI加速器中的主要优势？A.降低系统级功耗B.提高良率C.减少片间延迟D.支持异构工艺集成答案：C5.在Transformer推理中，KV-Cache的显存占用与下列哪项参数成线性关系？A.batchsizeB.序列长度平方C.注意力头数D.隐藏层维度的平方答案：A6.对于7nm工艺，SRAM单元面积约为0.031μm²，则1MiBSRAM的面积约等于A.32mm²B.16mm²C.8mm²D.4mm²答案：B7.在Roofline模型中，若某AI芯片峰值算力为200TOPS，内存带宽1TB/s，则计算强度I达到多少时进入计算瓶颈区？A.100FLOP/ByteB.200FLOP/ByteC.50FLOP/ByteD.400FLOP/Byte答案：B8.以下哪种数据流最适合在CGRA上实现高重用卷积？A.WeightStationaryB.OutputStationaryC.RowStationaryD.NoLocalReuse答案：A9.在AI芯片的PVT补偿中，若温度升高30°C，SRAM读延迟大约增加A.5%B.10%C.20%D.40%答案：C10.对于8-bit权重与8-bit激活的矩阵乘，若阵列规模为256×256，工作频率1GHz，则理论峰值算力为A.128TOPSB.64TOPSC.32TOPSD.16TOPS答案：A二、多项选择题（每题3分，共15分，多选少选均不得分）11.以下哪些技术可有效缓解AI训练中的内存墙问题？A.梯度压缩B.ZeRO-OffloadC.混合精度训练D.数据并行+模型并行组合答案：ABCD12.关于AI芯片中的脉动阵列，下列说法正确的是A.数据在阵列内部呈流水线流动B.控制逻辑简单，面积开销小C.对稀疏矩阵天然友好D.可扩展性与阵列规模呈线性关系答案：ABD13.在AI加速器中采用近内存计算（NMC）时，可能带来的负面影响包括A.散热密度升高B.编程模型复杂化C.访存延迟降低D.封装成本增加答案：ABD14.以下哪些指标被MLPerfInference用于评估AI芯片性能？A.LatencyB.ThroughputC.PowerD.Accuracy答案：ABC15.针对Transformer模型，以下哪些算子属于计算密集型？A.SoftmaxB.LayerNormC.GEMMD.GELU答案：CD三、填空题（每空2分，共20分）16.在INT4量化下，若权重对称量化，则量化步长Δ=___(1)___/7。答案：最大绝对值17.某AI芯片采用6nm工艺，片上集成256MiBSRAM，若SRAM漏电流为150nA/MiB@0.75V，则静态功耗约为___(2)___mW。答案：38.418.在数据流架构中，为了保证权重不变式复用，通常采用___(3)___Stationary策略。答案：Weight19.若某卷积层输出特征图尺寸为112×112，通道数256，批大小32，数据类型FP16，则输出激活显存占用为___(4)___MiB。答案：15420.在AI芯片的NoC设计中，若采用2D-Mesh拓扑，节点数为N×N，则最坏情况跳数为___(5)___。答案：2(N−1)21.对于ResNet-50推理，ImageNet数据集单张图片预处理归一化常数mean=[___(6)___,___(7)___,___(8)___]。答案：0.485,0.456,0.40622.在AI训练集群中，All-Reduce通信量为Ψ字节，采用Ring算法，节点数P，则单节点通信量为___(9)___字节。答案：2Ψ(P−1)/P23.若某稀疏矩阵非零元比例为5%，采用CSR格式存储，索引宽度32bit，则相对于稠密存储的压缩比为___(10)___。答案：6.4四、简答题（每题8分，共24分）24.简述AI芯片中采用混合精度（FP16+FP32）训练时，损失缩放（LossScaling）机制的必要性及实现要点。答案：1)FP16动态范围有限，梯度易下溢；2)将损失乘以固定scaleS（通常2^15量级）放大梯度，使其有效位进入FP16可表示区间；3)反向传播完成后，权重梯度需除以S还原；4)需监控梯度是否溢出，若溢出则跳过更新并降低S；5)实现上在框架层插入scale节点，自动调整S，保证训练稳定收敛。25.说明在AI推理加速器中，如何通过片上Winograd变换降低卷积计算量，并给出F(2×2,3×3)的乘法次数对比。答案：标准3×3卷积在2×2输出tile需4×9=36次乘法；Winograd域变换后，输入4×4，权重4×4，点乘16次；乘法次数由36降至16，理论加速比36/16=2.25×；额外开销为输入、权重、输出的线性变换，若tile数量大，变换成本可被amortize；片上实现需存储变换矩阵常量，采用固定点移位乘法，面积开销<2%。26.解释Chiplet间互连的“良率-延迟-功耗”三角权衡，并给出UCIe与BoW两种接口的取舍案例。答案：1)良率：小die面积降低缺陷概率，Chiplet提升总良率；2)延迟：片间走线长，接口协议栈深，延迟增加；3)功耗：高速SerDes能耗>1pJ/bit，并行接口可降低至0.3pJ/bit但带宽密度低；UCIe：采用先进封装<0.5mm间距，带宽密度2TB/s/mm²，延迟<2ns，功耗0.5pJ/bit，适合AI训练芯片；BoW：标准有机封装，间距>10mm，带宽密度50GB/s/mm²，延迟10ns，功耗0.25pJ/bit，适合成本敏感推理芯片；取舍：训练芯片优先UCIe，推理芯片优先BoW。五、计算题（共21分）27.（7分）某AI加速器片上SRAM共24MiB，采用双缓冲机制运行Transformer-big模型，隐藏层维度1024，注意力头数16，序列长度512，批大小8，数据类型FP16。(1)计算单层解码阶段KV-Cache所需容量；(2)判断24MiB是否足够缓存单层KV-Cache；(3)若不足，提出一种优化方案并给出新容量。答案：(1)KV-Cache体积=2×batch×head×seq×dim/head×2Byte=2×8×16×512×64×2=32MiB(2)32MiB>24MiB，不足(3)采用8-bit量化，体积减半为16MiB；或采用旋转缓存窗口256，体积减半为16MiB；或采用分组查询注意力（GQA）头数降至4，体积降至8MiB。28.（7分）某7nmAI芯片峰值算力为256TOPS（INT8），片上SRAM带宽8TB/s，外部LPDDR5带宽200GB/s，运行ResNet-50推理，批大小1，输入224×224。已知模型计算量3.8GOPS，权重读取量25MB，激活读写总量28MB。(1)计算计算强度I；(2)分别给出SRAM-only与DRAM-only场景下的运行时间；(3)指出瓶颈并给出优化方向。答案：(1)I=3.8×10^9/(25+28)×10^6=71.7FLOP/Byte(2)SRAM-only:t=max(3.8×10^9/256×10^12,53×10^6/8×10^12)=max(14.8ms,6.6μs)≈14.8msDRAM-only:t=max(14.8ms,53×10^6/200×10^9)=max(14.8ms,265ms)≈265ms(3)DRAM场景带宽瓶颈，优化：权重预取+压缩至INT4（体积减半），带宽需求降至100GB/s；或采用Winograd加速计算量降至1.7GOPS，I升至32FLOP/Byte，时间降至132ms。29.（7分）某AI训练集群采用数据并行+模型并行混合策略，模型总参数量54GB，节点数32，每节点8×80GBA100。(1)若采用ZeRO-3，每节点需存储的参数量；(2)若采用Pipeline并行，micro-batch数4，计算气泡时间占比；(3)对比两种方案通信量。答案：(1)ZeRO-3均分参数，每节点54/32=1.6875GB(2)气泡占比=(P−1)/(P+micro−1)=31/35≈88.6%(3)ZeRO-3通信量：每步All-Reduce54GB，双向108GB；Pipeline并行：每步P2P通信激活，每micro-batch发送隐藏层激活，假设隐藏层维度4096，序列1024，batch1，FP16，单段体积8MB，共31段，总通信量31×8=248MB，远小于ZeRO-3，但气泡大；权衡：大模型优先ZeRO-3，长序列优先Pipeline。六、综合设计题（共20分）30.设计一款面向边缘设备的超低功耗AI语音唤醒芯片，要求：支持关键字检测模型：1层CNN+2层GRU+1层FC，总参数量1.2M，计算量12MOPS，帧长25ms，帧移10ms；待机功耗<200μW，唤醒延迟<100ms；工艺22nmFDSOI，支持DVFS，SRAM保持电压0.5V；片内集成模拟麦克风接口，ADC功耗50μW；需给出：(1)计算与存储划分（片上SRAM容量、是否需off-chipDRAM）；(2)电源域与DVFS策略；(3)数据流与调度时序图；(4)功耗预算与拆解；(5)良率与面积评估。答案：(1)参数1.2M×2Byte=2.4MB，采用片上SRAM4MiB（余量用于激活缓冲），无需DRAM；(2)电源域：Always-on域（0.5V，32kHzRC，50μW）含语音活动检测(VAD)轻量CNN0.1MOPS；主计算域（0.6V，20MHz）运行GRU+FC；ADC域独立LDO；DVFS：VAD触发后20MHz→50MHz，完成推理后回0.5V深睡；(3)时序：麦克风采样→ADC25ms帧→VADCNN2ms→若置信>阈值→主域上电→GRU+FC10ms→输出唤醒信号→总延迟12ms<100ms；(