ARM SCALE‑Sim源码静态工程评测脉动阵列AI加速器仿真工具尽调与版本边界摘要SCALE‑Sim是Arm Research开源的脉动阵列(systolic‑array)周期级DNN加速器仿真工具v1遗留版本用于神经网络加速器架构空间探索、内存流量追踪、周期统计。本文基于固定GitHub提交快照开展只读静态源码证据驱动评测面向AI芯片架构师、CTO、硬件仿真负责人从源码工程维度解析项目体量、模块划分、文件I/O密集特征、构建测试与四维治理基因重点揭示无内置测试用例、测试性与交付自动化双维度未验证风险明确该仓库为历史v1遗留分支活跃迭代转移至scalesim‑project组织输出PoC尽调验证清单帮助团队评估遗留版本复用与迁移成本。评测对象ARM‑software/SCALE‑Sim评测快照bb76184f1f2b2d8d8babeddb19ca392a61d671f5⚠️评测声明全部结论来自仓库浅克隆静态源码文件未执行编译、单元测试、依赖扫描、运行时验证本文仅作为技术尽调输入不能直接作为上线放行、性能、安全的最终结论。⚠️重要提示本仓库为Arm侧v1遗留归档版本活跃新版本v2/v3迁移至独立组织scalesim‑project/SCALE‑Sim新项目不建议直接使用该快照代码。作者Valhalla Matrix治理实验室前言脉动阵列是AI推理加速器最主流硬件架构架构选型、数据流(WS/OS/IS)、SRAM/DRAM带宽评估高度依赖仿真工具。SCALE‑Sim诞生之初填补了开源周期级脉动阵列仿真的空白大量芯片架构论文、架构预研工作引用该工具。很多硬件架构团队会直接拉取Arm仓库代码开展实验但很少做工程层面源码审计该仓库仅8个Python源码文件体量很小但没有自带测试套件所有验证依赖外部神经网络拓扑输入文件。本评测不做仿真原理教学基于固定快照做静态工程审阅回答工程完备度如何、源码阅读入口、遗留仓库隐性风险补齐哪些验证工作才可以复用这套遗留代码。核心论点快照静态证据显示四维治理基因2/4达标可测试性、交付自动化均未验证仓库仅8个Python源码文件I/O操作符号线索非常密集Arm本仓库为历史v1版本不再演进活跃迭代已经迁移至独立组织静态扫描只能作为历史资产尽调起点存量预研项目必须评估迁移v2/v3的改造工作量。一、工程证据总览结论先行评测指标静态观测结果证据说明受支持源文件8个可复现提交快照内统计全部为Python脚本主要实现语言Python 100%Python8无C/C等硬件相关源码工程证据完整度部分完整存在requirements.txt依赖清单仓库内部无任何内置测试源码文件四维治理基因观测2/4模块化✅、供应链可追溯✅、可测试性⚠️not_verified、交付自动化⚠️not_verified抽样解析模式python_ast8完整抽取全部8份源码做AST词法语法解析无遗漏重要提示词法统计声明32、分支88、循环105、异常路径0仅用于代码导航阅读指引不等于复杂度、质量评分。抽样源码高频符号线索并发或异步8次符号线索、文件或网络I/O 58次符号线索说明工具重度依赖读写trace跟踪文件、配置文件、网络拓扑描述文件是人工阅读优先切入点不能直接证明真实运行行为。二、白话架构源码阅读地图仓库一共8个一级Python脚本无子目录模块全部放在仓库根目录职责边界清晰scale.py程序主入口实现配置解析、仿真总调度main函数run_scale()、run_once()为核心调度接口run_nets.py批量神经网络仿真执行封装批量跑多模型拓扑gen_min.py最小配置、输入文件生成辅助脚本dram_trace.pyDRAM访存trace修剪、读写轨迹输出逻辑sram_traffic_is.pyISInput‑Stationary数据流SRAM流量、trace生成sram_traffic_os.pyOSOutput‑Stationary数据流SRAM流量、trace生成sram_traffic_ws.pyWSWeight‑Stationary数据流SRAM流量、trace生成trace_gen_wrapper.pytrace文件生成对外包装层统一封装不同数据流的轨迹输出。关键提醒该仓库没有内置单元测试、样例测试文件所有验证必须依靠外部提供神经网络拓扑json/yaml输入文件仅提供requirements.txt声明Python依赖不存在CI工作流、自动化测试脚本。抽样全部8份源码得到静态结构统计声明32、分支88、循环105、异常路径0。大量循环用于遍历网络层、遍历阵列维度、生成内存访问trace大量分支区分三种数据流模式IS/OS/WS处理不同配置参数分支。代码典型执行流scale.py解析加速器配置网络拓扑文件 → 根据选择的数据流调用对应sram_traffic_*.py生成SRAM读写trace →dram_trace.py做DRAM轨迹处理修剪 → 输出周期级trace、带宽统计、周期数报告到本地磁盘文件。阅读建议优先阅读scale.py主调度逻辑再依次阅读三类数据流sram_traffic_*.py该工具大量磁盘读写I/O相关逻辑是重点审查点跨文件函数调用、参数传递必须通过完整运行仿真用例结合语言服务器进一步确认静态快照无法拿到完整运行时数据流。重点抽样源码对象scale.pymain、parse_config、run_scale、run_once仿真总调度sram_traffic_os.py / sram_traffic_ws.py / sram_traffic_is.py三类主流脉动阵列数据流流量建模核心dram_trace.pyDRAM访存轨迹后处理三、静态视角识别的关键风险与边界本次为只读静态源码审阅没有运行任何代码风险仅为线索提示必须结合调用链、部署路径人工复核确认是否生产可达。本仓库为Arm维护的SCALE‑Sim v1遗留版本活跃迭代已经迁移至第三方独立组织Arm‑software仓库不再接收新功能v2/v3新版本迁移到scalesim‑project/SCALE‑Sim新增稀疏支持、多核仿真、Ramulator、Accelergy功耗模型等能力。继续使用当前快照会缺失后续算法模型适配、bug修复、新数据流特性。无内置测试套件可测试性标记not_verified仓库内部找不到任何单元测试、回归测试脚本正确性完全依赖外部输入拓扑文件。静态层面无法确认仿真输出结果是否和RTL、硬件实际行为对齐使用者必须自行准备黄金参考用例做结果比对。无CI/自动化交付流水线交付自动化not_verified仅存在requirements.txt依赖声明没有GitHub‑Actions、GitLab CI等流水线配置无法自动做回归验证版本迭代完全依靠人工复现实验。I/O密集型工具58处文件I/O符号线索需要关注输出文件覆盖、路径异常风险工具大量读写本地trace文本文件、配置文件静态快照看不到路径校验、文件覆盖判断逻辑落地预研项目需要重点校验文件路径、文件覆盖、异常中断时文件残留问题。仅适合架构预研仿真不是硬件RTL实现不能直接当做Verilog参考SCALE‑Sim是周期级性能仿真器输出周期、带宽、trace数据不输出可综合硬件代码不能直接转化为芯片RTL实现。静态评测无法覆盖的内容清单仿真输出周期、带宽数值与RTL仿真的误差、精度复杂网络Attention、稀疏网络下v1版本的正确性、边界case稳定性Python依赖版本兼容性不同numpy/pandas版本下行为差异大模型拓扑输入时内存占用、运行耗时官方论文给出的验证用例、黄金数据集。四、企业选型建议验证执行顺序尽调PoC落地步骤特别提醒新项目优先选用scalesim‑project的v2/v3版本本流程面向存量架构预研资产审计、遗留v1版本评估。隔离环境依赖安装验证按照requirements.txt锁定Python依赖版本隔离虚拟环境记录完整环境清单。最小可运行用例验证寻找公开最小神经网络拓扑输入文件完整跑通仿真链路确认可以正常输出SRAM/DRAM trace与周期统计报告。I/O路径鲁棒性复核校验输入输出路径逻辑重复运行、异常中断场景确认文件覆盖、异常残留文件行为。正确性对标验证使用公开论文给出的参考配置将仿真输出和论文公开数据做对标评估该v1版本仿真精度偏差。制品过滤检查确认仿真脚本、trace生成工具不会被混入硬件生产代码。长期维护评估评估继续停留在v1快照的维护风险测算迁移v2/v3的改造工作量梳理API、配置文件格式变更。补充人工代码审阅数据流核心模块、trace生成模块做人工审阅完成之后再评估继续复用该遗留版本。五、适用与不适用场景✅适合投入评估存量架构预研资产审计历史论文、老项目基于该Arm v1快照开展脉动阵列仿真做源码尽调、风险梳理、版本迁移评估。学习脉动阵列三类经典数据流IS/OS/WS的高层建模逻辑。对比v1遗留版本与v2/v3新版本的差异制定升级方案。❌不建议直接拿来就用全新AI加速器架构探索项目直接选用Arm仓库v1快照作为主力仿真工具。跳过PoC运行、结果对标直接将静态源码评测结论作为仿真结果可信的依据。将仿真器脚本直接复用为硬件RTL工程的一部分。不做黄金用例对标直接拿v1输出数值作为芯片设计的唯一评估依据。六、总结SCALE‑Sim v1快照从静态证据来看仓库体量很小仅8个Python源码文件完整实现三类主流脉动阵列数据流的周期级仿真与内存trace输出模块化、供应链可追溯基因可观测但无内置测试套件、无CI流水线可测试性、交付自动化两项指标未验证。关键工程约束Arm‑software仓库为v1遗留归档仓库活跃开发迁移至scalesim‑project组织。静态源码只能确认仿真调度、数据流建模、trace生成逻辑存在不能等价于仿真结果天然正确、支持现代AI模型、持续获得bug修复。面向AI芯片架构师与CTO知名学术仿真工具不等于可以直接拿来生产使用。这份静态报告仅作为存量资产尽调起点新项目优先选用继任v2/v3存量预研项目需要补齐虚拟环境复现、对标黄金用例、I/O鲁棒性验证评估迁移成本之后再做决策。评测边界声明本文全部基于快照bb76184f1f2b2d8d8babeddb19ca392a61d671f5该仓库属于历史v1遗留版本生产预研务必核对scalesim‑project官方仓库与论文文档。参考文献【1】GitHub ARM‑software/SCALE‑Sim 提交快照 bb76184f1f2b2d8d8babeddb19ca392a61d671f5【2】SCALE‑Sim v3 ISPASS‑2025论文与 scalesim‑project 官方仓库【3】ISPASS 2020 SCALE‑Sim原始论文