3.1.9. Nuclei Custom BFloat16 Extension

3.1.9.1. Introduction

在众多机器学习与人工智能应用中，矩阵计算往往对精度的要求并不高，但计算量却极为庞大。传统的 32 位浮点数(FP32)在存储和计算速度方面存在明显瓶颈，不仅效率低下，还造成了资源的浪费。而 BF16(Brain Floating-Point 16)作为一种新兴的 16 位数据类型，能够在计算性能与精度之间取得更优的平衡，从而更好地满足这些应用的需求。

然而，目前 RISC-V 上游仅支持了 BF16 的部分转换指令和向量乘加指令，这远远无法满足将 BF16 应用于人工智能、机器学习等场景的完整需求。

为了填补这一空白, Nuclei GCC 工具链与 Nuclei 硬件设计紧密配合，在兼容上游已支持的 BF16 指令的基础上，全面支持了 BF16 相关的运算及转换操作，充分发挥了 BF16 的潜力，使其能够更好地服务于各类高性能计算场景。

3.1.9.2. 寄存器配置

硬件自定义寄存器mmisc_ctl1的第1位为fp16mode来控制16位FPU寄存器中存储数据的格式:

fp16mode = 0: fp16 mode
fp16mode = 1: bf16 mode

所以在使用Nuclei bf16的运算操作时, 需要先将mmisc_ctl1的寄存器fp16mode位置为1

Note

Nuclei bf16的运算操作,复用的是fp16的相关指令,这里的开关是用来决定复用的指令是做fp16运算还是bf16运算.

设置代码如下：

#include "nuclei_sdk_soc.h" //需要包含该头文件

__RV_CSR_SET(CSR_MFP16MODE, 0x1); //打开Nuclei bf16

__RV_CSR_CLEAR(CSR_MFP16MODE, 0x1); //关闭Nuclei bf16

3.1.9.3. BF16 标量的支持

3.1.9.3.1. 扩展

Nuclei bf16 标量的运算操作,需要开启 xxlfbf 扩展.

示例：-march=rv64imafdc_xxlfbf

3.1.9.3.2. 支持的指令

fadd.h/fsub.h/fmul.h/fdiv.h
fmadd.h/fmsub.h/fnmadd.h/fnmsub.h
fsqrt.h
fcvt.bf16.s/fcvt.s.bf16 (兼容zfbfmin扩展的指令)
fcvt.h.d/fcvt.d.h (2025.10 版本补充)
fcvt.h.w[u]/fcvt.w[u].h (int32 <—> bf16)
fcvt.h.l[u]/fcvt.l[u].h (int64 <—> bf16)
fmin.h/fmax.h
flt.h/fle.h/feq.h
fclass.h

3.1.9.3.3. Examples

Listing 3.1 标量bf16 的加减乘除运算

#include <stdio.h>
#include "nuclei_sdk_soc.h"

 __bf16 a = 1.11;
 __bf16 b = 11.8;
 const __bf16 c = 10.3;

 void test_add(){
     __bf16 sum = a + b;
     printf("%f\n",sum);
 }

 void test_sub(){
     __bf16 sum = a-c;
     printf("%f\n",sum);
 }

 void test_mul(){
     __bf16 sum = a * 5;
     printf("%f\n",sum);
 }

 void test_div(){
     __bf16 sum = a/(__bf16)3.5;
     printf("%f\n",sum);
 }

 int main(void)
 {
     __RV_CSR_SET(CSR_MFP16MODE, 0x1);
     test_add();
     test_sub();
     test_mul();
     test_div();

     return 0;
 }

3.1.9.4. BF16 向量的支持(rvv intrinsic)

3.1.9.4.1. 扩展

Nuclei bf16 rvv intrinsic的使用,需要开启 V 扩展以及 xxlvfbf 扩展.

示例：-march=rv64imafdcv_xxlvfbf

3.1.9.4.2. Nuclei bf16 rvv intrinsic nameing scheme

rvv intrinsic 命名规则: rvv-intrinsic-doc v-intrinsic-spec.pdf-> Chapter 6.

我们的命名规则遵循上述的命名规则,并在此基础上为了区分我们自定义的intrinsic,在前缀处添加了 _xl 示例如下：

float16的vfadd运算的intrinsic 命名：

vfloat16mf4_t __riscv_vfadd_vv_f16mf4(vfloat16mf4_t vs2, vfloat16mf4_t vs1, size_t vl);

vfloat16mf4_t vfloat16的数据类型

__riscv_ intrinsic 名称前缀

vfadd intrinsic 所代表的操作的名字（此处为向量的加法运算）

vv intrinsic 函数所代表的操作的操作数类型(v代表向量类型,详细信息查看上述rvv intrinsic 命令规则)

f16 float16 数据类型的缩写

mf4 lmul的值

Nuclei 自定义的bfloat16 intrinsic 也遵循rvv intrinsic 命名的基础规则，只是添加了前缀，如下：

vbfloat16mf4_t __riscv_xl_vfadd_vv_bf16mf4(vbfloat16mf4_t vs2, vbfloat16mf4_t vs1, size_t vl);

vbfloat16mf4_t vbfloat16的数据类型

__riscv_xl_ Nuclei 自定义 intrinsic 名称前缀

vfadd intrinsic 所代表的操作的名字

vv intrinsic 函数所代表的操作的操作数类型

bf16 bfloat16 数据类型的缩写

mf4 lmul的值

Note

bfloat16 的向量数据类型,参考 vector-bfloat16-spec.adoc.

3.1.9.4.3. Nuclei bf16 支持的rvv 指令

3.1.9.4.3.1. Nuclei 自定义的指令

Vector Single-Width Floating-Point Add/Subtract Instructions
- vfadd.vv/vfadd.vf
- vfsub.vv/vfsub.vf
- vfrsub.vf
Vector Widening Floating-Point Add/Subtract Instructions
- vfwadd.vv/vfwadd.vf
- vfwsub.vv/vfwsub.vf
- vfwadd.wv/vfwadd.vf
- vfwsub.wv/vfwsub.vf
Vector Single-Width Floating-Point Multiply/Divide Instructions
- vfmul.vv/vfmul.vf
- vfdiv.vv/vfdiv.vf
- vfrdiv.vf
Vector Widening Floating-Point Multiply
- vfwmul.vv/vfwmul.vf
Vector Single-Width Floating-Point Fused Multiply-Add Instructions
- vfmacc.vv/vfmacc.vf
- vfnmacc.vv/vfnmacc.vf
- vfmsac.vv/vfmsac.vf
- vfnmsac.vv/vfnmsac.vf
- vfmadd.vv/vfmadd.vf
- vfnmadd.vv/vfnmadd.vf
- vfmsub.vv/vfmsub.vf
- vfnmsub.vv/vfnmsub.vf
Vector Widening Floating-Point Fused Multiply-Add Instructions
- vfwmacc.vv/vfwmacc.vf
- vfwnmacc.vv/vfwnmacc.vf
- vfwmsac.vv/vfwmsac.vf
- vfwnmsac.vv/vfwnmsac.vf
Vector Floating-Point Square-Root Instruction
- vfsqrt.v
Vector Floating-Point Reciprocal Square-Root Estimate Instruction
- vfsqrt7.v
Vector Floating-Point Reciprocal Estimate Instruction
- vfrec7.c
Vector Floating-Point MIN/MAX Instructions
- vfmin.vv/vfmin.vf
- vfmax.vv/vfmax.vf
Vector Floating-Point Sign-Injection Instructions
- vfsgnj.vv/vfsgnj.vf
- vfsgnjn.vv/vfsgnjn.vf
- vfsgnjx.vv/vfsgnjx.vf
Vector Floating-Point Compare Instructions
- vmfeq.vv/vmfeq.vf
- vmfne.vv/vmfne.vf
- vmflt.vv/vmflt.vf
- vmfle.vv/vmfle.vf
- vmfgt.vf
- vmfge.vf
Vector Floating-Point Classify Instruction
- vfclass.v
Vector Floating-Point Merge Instruction
- vfmerge.vfm
Vector Floating-Point Move Instruction
- vfmv.v
Single-Width Floating-Point/Integer Type-Convert Instructions
- vfcvt.xu.f.v
- vfcvt.x.f.v
- vfcvt.rtz.xu.f.v
- vfcvt.rtz.x.f.v
- vfcvt.f.xu.v
- vfcvt.f.x.v
Widening Floating-Point/Integer Type-Convert Instructions
- vfwcvt.xu.f.v
- vfwcvt.x.f.v
- vfwcvt.rtz.xu.f.v
- vfwcvt.rtz.x.f.v
- vfwcvt.f.xu.v
- vfwcvt.f.x.v
- vfwcvt.f.f.v
Narrowing Floating-Point/Integer Type-Convert Instructions
- vfncvt.xu.f.w
- vfncvt.x.f.w
- vfncvt.rtz.xu.f.w
- vfncvt.rtz.x.f.w
- vfncvt.f.xu.w
- vfncvt.f.x.w
- vfncvt.f.f.w
- vfncvt.rod.f.f.w
Vector Single-Width Floating-Point Reduction Instructions
- vfredosum.vs
- vfredusum.vs
- vfredmax.vs
- vfredmin.vs
Vector Widening Floating-Point Reduction Instructions
- vfwredosum.vs
- vfwredusum.vs
Vector Slideup Instructions
- vslideup.vx
Vector Slidedown Instructions
- vslidedown.vx
Vector Floating-Point Slide1up Instruction
- vfslide1up.vf
Vector Floating-Point Slide1down Instruction
- vfslide1down.vf
Vector Register Gather Instructions
- vrgather.vv
- vrgatherei16.vv
Vector Compress Instruction
- vcompress.vm

3.1.9.4.3.2. 与上游兼容的指令

Vector Unit-Stride Load Intrinsics
- vle16.v
Vector Unit-Stride Store Intrinsics
- vse16.v
Vector Strided Load Intrinsics
- vlse16.v
Vector Strided Store Intrinsics
- vsse16.v
Vector Indexed Load Intrinsics
- vloxei[8/16/32/64].v
- vluxei[8/16/32/64].v
Vector Indexed Store Intrinsics
- vsoxei[8/16/32/64].v
- vsuxei[8/16/32/64].v
Unit-stride Fault-Only-First Loads Intrinsics
- vle16ff.v
Vector Unit-Stride Segment Load Intrinsics
- vlseg[2-8]e16.v
- vlseg[2-8]e16ff.v
Vector Unit-Stride Segment Store Intrinsics
- vsseg[2-8]e16.v
Vector Strided Segment Load Intrinsics
- vlsseg[2-8]e16.v
Vector Strided Segment Store Intrinsics
- vssseg[2-8]e16.v
Vector Indexed Segment Load Intrinsics
- vloxseg[2-8]ei8.v
- vloxseg[2-8]ei16.v
- vloxseg[2-8]ei32.v
- vloxseg[2-8]ei64.v
- vluxseg[2-8]ei8.v
- vluxseg[2-8]ei16.v
- vluxseg[2-8]ei32.v
- vluxseg[2-8]ei64.v
Vector Indexed Segment Store Intrinsics
- vsoxseg[2-8]ei8.v
- vsoxseg[2-8]ei16.v
- vsoxseg[2-8]ei32.v
- vsoxseg[2-8]ei64.v
- vsuxseg[2-8]ei8.v
- vsuxseg[2-8]ei16.v
- vsuxseg[2-8]ei32.v
- vsuxseg[2-8]ei64.v

Note

2025.02 版本：

自定义的Xxlvfbf扩展与Zvfbfmin、Zvfbfwma 扩展 riscv-bfloat16 release v1.0 riscv-bfloat16.pdf 不兼容，其功能已在 vfncvt.f.f.w、vfwcvt.f.f.v、vfwmacc.vv/vfwmacc.vf 指令中实现，使用时可参考指令对应的intrinsic。

如果一定需要用Zvfbfmin、Zvfbfwma 扩展的intrinsic, 需要单独使用，即不带Xxlvfbf扩展。

同时存在时，Zvfbfmin、Zvfbfwma 扩展的intrinsic会映射到 vfncvt.f.f.w、vfwcvt.f.f.v、vfwmacc.vv/vfwmacc.vf 指令，可能会产生错误

2025.10 版本：

自定义的Xxlvfbf扩展已经兼容Zvfbfmin、Zvfbfwma 扩展。

Zvfbfmin、Zvfbfwma 扩展包含的intrinsic在Xxlvfbf扩展下可以正常使用，并且会正确映射到其扩展定义的指令 vfncvtbf16.f.f.w、vfwcvtbf16.f.f.v、vfwmaccbf16.vv/vfwmaccbf16.vf ，与我们自定义的intrinsic同时使用时，不会产生错误

3.1.9.4.4. Nuclei bf16 支持的rvv intrinsic

3.1.9.4.4.1. Nuclei 自定义的 intrinsic

参考 rvv-intrinsic-doc v-intrinsic-spec.pdf -> Appendix A.

Nuclei 自定义支持的指令所对应的rvv intrinsic,与上述文档中float16对应的rvv intrinsic只有名字的区别,区别请参考 Nuclei bf16 rvv intrinsic nameing scheme

Note

目前只全面支持Appendix A, Appendix B、C、D中的intrinsic暂时未全面覆盖测试.

示例：

Vector Single-Width Floating-Point Add/Subtract Instructions
- Float16
  
  vfloat16mf4_t __riscv_vfadd_vv_f16mf4(vfloat16mf4_t vs2, vfloat16mf4_t vs1, size_t vl);
  
  vfloat16mf4_t __riscv_vfadd_vv_f16mf4_m(vbool64_t vm, vfloat16mf4_t vs2, vfloat16mf4_t vs1, size_t vl);
- Nuclei Bfloat16
  
  vbfloat16mf4_t __riscv_xl_vfadd_vv_bf16mf4(vbfloat16mf4_t vs2, vbfloat16mf4_t vs1, size_t vl);
  
  vbfloat16mf4_t __riscv_xl_vfadd_vv_bf16mf4_m(vbool64_t vm, vbfloat16mf4_t vs2, vbfloat16mf4_t vs1, size_t vl);
Vector Widening Floating-Point Add/Subtract Instructions
- Float16
  
  vfloat32mf2_t __riscv_vfwadd_vf_f32mf2(vfloat16mf4_t vs2, _Float16 rs1, size_t vl);
- Nuclei Bfloat16
  
  vfloat32mf2_t __riscv_xl_vfwadd_vf_f32mf2(vbfloat16mf4_t vs2, __bf16 rs1, size_t vl);

3.1.9.4.4.2. 与上游兼容的intrinsic

这部分intrinsic 所对应的命名与 rvv-intrinsic-doc v-intrinsic-spec.pdf -> Appendix A 文档中float16对应的rvv intrinsic也只有名字的区别.

区别只需要将float16相关数据类型替换为bfloat16数据类型

示例:

Vector Unit-Stride Load Intrinsics
- Float16
  
  vfloat16mf4_t __riscv_vle16_v_f16mf4(const _Float16 *rs1, size_t vl);
- Bfloat16
  
  vbfloat16mf4_t __riscv_vle16_v_bf16mf4(const __bf16 *rs1, size_t vl);

详细的intrinsic api 可参考 bfloat16 intrinsic_funcs.

Note

1、部分上游支持的指令对应的 intrinsic bfloat16 intrinsic_funcs 中并未全部列出,但依然可以使用,具体如下:

Vector Indexed Load Intrinsics
- vloxei[8/32/64].v
- vluxei[8/32/64].v
Vector Indexed Store Intrinsics
- vsoxei[8/32/64].v
- vsuxei[8/32/64].v
Vector Indexed Segment Load Intrinsics
- vloxseg[2-8]ei8.v
- vloxseg[2-8]ei32.v
- vloxseg[2-8]ei64.v
- vluxseg[2-8]ei8.v
- vluxseg[2-8]ei32.v
- vluxseg[2-8]ei64.v
Vector Indexed Segment Store Intrinsics
- vsoxseg[2-8]ei8.v
- vsoxseg[2-8]ei32.v
- vsoxseg[2-8]ei64.v
- vsuxseg[2-8]ei8.v
- vsuxseg[2-8]ei32.v
- vsuxseg[2-8]ei64.v

对应的 intrisic 名字请参考与上游兼容的intrinsic

2、上述 bfloat16 intrinsic_funcs 中03_bfloat16_arithmetic_intrinsics.adoc文件里的

Vector BFloat16 Move Intrinsics
Vector BFloat16 Merge Intrinsics

已被Nuclei BFloat16 重新定义,使用时请参考 Nuclei 自定义的 intrinsic

3.1.9.4.5. Examples

Attention

使用Nuclei bf16 rvv intrinsic 需要在配置寄存器的基础上添加以下头文件:

#include<riscv_vector.h>

Listing 3.2 An implementation of the add function Nuclei Bfloat16 RVV intrinsics.

 #include <stdio.h>
 #include "nuclei_sdk_soc.h"
 #include <riscv_vector.h>

 void csr_set_bf16_mode(void)
 {
     __RV_CSR_SET(CSR_MFP16MODE, 0x1);
 } //打开nuclei bf16


 void csr_clr_bf16_mode(void)
 {
     __RV_CSR_CLEAR(CSR_MFP16MODE, 0x1);
 } //关闭nuclei bf16

 typedef __bf16 bfloat16_t;

 void Add_bfloat16_rvv(bfloat16_t *pSrcA, bfloat16_t *pSrcB, bfloat16_t *pDst, uint32_t blockSize)
 {
     size_t blkCnt = blockSize; /* Loop counter */
     size_t vl;
     vbfloat16m1_t vx, vy;
     for (; (vl = __riscv_vsetvl_e16m1(blkCnt)) > 0; blkCnt -= vl) {
         vx = __riscv_vle16_v_bf16m1(pSrcA, vl);
         vy = __riscv_vle16_v_bf16m1(pSrcB, vl);
         pSrcA += vl;
         pSrcB += vl;
         __riscv_vse16_v_bf16m1(pDst, __riscv_xl_vfadd_vv_bf16m1(vx, vy, vl), vl);
         pDst += vl;
     }
 }


 int main()
 {
     csr_set_bf16_mode();
     bfloat16_t SrcA[8] = {5.312, 5.312, 5.312, 5.312, 5.312, 5.312, 5.312, 5.312};
     bfloat16_t SrcB[8] = {5.312, 5.312, 5.312, 5.312, 5.312, 5.312, 5.312, 5.312};
     bfloat16_t Dst[8];

     Add_bfloat16_rvv(SrcA, SrcB, Dst, 8);

     printf("Dst[3] = %f\n", (float)Dst[3]);

     csr_clr_bf16_mode();

     return 0;
 }