領域專用架構（domain-specific architecture, DSA）

想像一間擺滿萬用主廚刀的廚房。一把好刀幾乎什麼都能做——切、片、削——在你還不知道下一道菜是什麼時，這非常棒。但如果你的餐廳整天只供應壽司，一整排專用壽司刀具會比那把萬用刀切得更利、做得更快，也更不累手。領域專用架構就是這樣打造的硬體：它不是一顆什麼程式都跑得還可以的通用 CPU，而是一顆圍繞某個狹窄領域（深度學習、影音、網路）的模式塑形出來的處理器，於是它把那一種工作跑得遠快、耗能遠少。

具體來說，DSA 並不是一種全新的運算方式——它是把 CPU 的電晶體重新花用。架構師研究目標工作負載，發現例如深度學習幾乎全是對低精度數字做矩陣乘法，記憶體存取又非常可預測、呈串流式。於是他們把該領域不需要的東西拆掉（深度推測、巨大的亂序視窗、大型通用快取），把省下的矽倒進它真正需要的地方：數百個小型乘加單元、以軟體管理的暫存記憶體（scratchpad）取代自動快取、以及把運算精度收窄到 int8 或 bfloat16。結果是一台極擅長某一件事、卻對其他大多數事一無是處的機器。Google 的 TPU、影音編解碼區塊、加密引擎全都是 DSA。

誠實的說法：DSA 在效率上取勝，正是因為它放棄了通用性。這是一筆真實的取捨，不是免費午餐。只有當該領域夠大、夠穩定，足以攤平龐大的設計與驗證成本，且工作負載確實具備設計所假設的平行性與對低精度的容忍度時，它才划算。DSA 之所以成為後摩爾、後 Dennard 時代的核心故事，是因為通用晶片不再自動變快——於是繼續取得效能的唯一辦法就是專用化。