Coral NPU

Coral NPU 是用于机器学习推理的硬件加速器。Coral NPU 是由 Google Research 设计的开源 IP，可免费集成到面向可穿戴设备（如耳机、增强现实（AR）眼镜和智能手表）的超低功耗系统级芯片（SoC）中。

Coral NPU 是神经处理单元（NPU），也称为 AI 加速器或深度学习处理器。Coral NPU 基于 32 位 RISC-V 指令集架构（ISA）。

Coral NPU 包含三个独立的处理器组件，它们协同工作：矩阵、向量（SIMD）和标量。

Coral NPU 架构数据手册

Coral NPU 特性

Coral NPU 提供以下主要特性：

• RV32IMF_Zve32x RISC-V 指令集（具体为 rv32imf_zve32x_zicsr_zifencei_zbb）
• 32 位地址空间用于应用程序和操作系统内核
• 四阶段处理器，顺序派发，乱序退行
• 四路标量，双路向量派发
• 128 位 SIMD，256 位（未来）流水线
• 8 KB ITCM 内存（指令紧密耦合内存）
• 32 KB DTCM 内存（数据紧密耦合内存）
• 两种内存均为单周期延迟 SRAM，比缓存内存更高效
• AXI4 总线接口，既作为管理者又作为从属设备，与外部内存交互，并允许外部 CPU 配置 Coral NPU

系统要求

• Bazel 7.4.1
• Python 3.9-3.12（3.13 支持正在进行中）
• SRecord

快速入门

# 确保测试套件通过
bazel run //tests/cocotb:core_mini_axi_sim_cocotb

# 构建二进制文件
bazel build //examples:coralnpu_v2_hello_world_add_floats

# 构建模拟器（非 RVV 以缩短构建时间）：
bazel build //tests/verilator_sim:core_mini_axi_sim

# 在模拟器上运行二进制文件：
bazel-bin/tests/verilator_sim/core_mini_axi_sim --binary bazel-out/k8-fastbuild-ST-dd8dc713f32d/bin/examples/coralnpu_v2_hello_world_add_floats.elf

Coral NPU 快速上手指南

环境准备

• 系统要求

  • Bazel 7.4.1
  • Python 3.9-3.12（3.13支持正在开发中）
  • SRecord

• 前置依赖
  建议使用国内镜像源加速下载：

  # Bazel 镜像配置（以阿里云为例）
  export BAZEL_HOME=/path/to/bazel
  export PATH=$BAZEL_HOME/bin:$PATH
  

安装步骤

1. 验证测试套件

   bazel run //tests/cocotb:core_mini_axi_sim_cocotb
   

2. 构建示例程序

   bazel build //examples:coralnpu_v2_hello_world_add_floats
   

3. 构建模拟器（非RVV版本）

   bazel build //tests/verilator_sim:core_mini_axi_sim
   

4. 运行模拟器

   bazel-bin/tests/verilator_sim/core_mini_axi_sim --binary bazel-out/k8-fastbuild-ST-dd8dc713f32d/bin/examples/coralnpu_v2_hello_world_add_floats.elf
   

基本使用

最简示例：

# 构建并运行浮点加法示例
bazel-bin/examples/coralnpu_v2_hello_world_add_floats