4.3 三星NPU迭代：算法优化+更多MAC集成➢ 第3代：• 设计思路转变，更通用：从权重稀疏性感知零跳跃转向 FM 稀疏性感知零跳跃。因权重稀疏性感知零跳跃非行业标准，在基准测试中权重剪枝难以实施，且当时多数深度学习框架不支持，客户应用不便。而 FM 因 ReLU （Rectified Linear Unit）激活函数常含大量零值，可利用其稀疏性提升性能，但需专用硬件确定零值位置，且在非 ReLU 激活函数网络中性能提升受限。• 架构改进：采用基于加法树的点积和新架构。加法树结构在面积和能效上优于基于累加器的点积；在选取非零 FM 时，硬件向量可广播和复用，降低了多路复用器的有效开销；将最小处理单元设为 1×1×32，可适应不同卷积核，保持高利用率。图表：MAC-based（a）和adder-tree-based（b）架构及能效对比（右表）来源： A Multi-Mode 8k-MAC HW-Utilization-Aware Neural Processing Unit With a Unified Multi-Precision Datapath in 4-nm Flagship Mobile SoC，Sparsity-Aware and Re-configurable NPU Architecture for Samsung Flagship Mobile SoC，中泰证券研究所41
