处理器结构的多核化发展已经成为微体系结构发展的主要趋势。这一多核化甚至众核化的趋势实际上是一种“不得已的选择”。我们知道，时至今日，芯片的集成度还在以摩尔定律的速度增长，但受制于功耗、互连延迟等的限制难以设计成为一整个“大而复杂”的处理器，所以只能采用“分而治之”的办法——在一个处理器中集成多个“小而简单”的处理器核。这样就没有全局的连线延迟，处理器核的验证也相对简单可行。

　　但从应用角度来看，如何利用这种多核/ 众核结构成为一个系统性的难题。并行化程序面临编程难度大、调试困难等因素，在短期看不到有效的解决途径。而且许多应用天然缺乏并行性，无法直接从中获益。因此，将集成度的增长转换为处理器能力的增长遇到了困难，通用处理器的片上资源在很大程度上无法得到有效利用。比如，美国劳伦斯实验室（伯克利）的分析数据表明：300 余条X86 指令中，大致只有80 余条是科学计算所常用的。进一步研究表明，不同类型应用对于处理器微体系结构的需求不同，即通用处理器在效能上难以“通用”。这就导致计算机基础建设设施广泛存在规模过大、功耗过高、可靠性较低等问题。预计到2015 年，超算系统峰值性能将超过100PFlops，2018 年将跨入E 量级时代。然而，随着系统峰值性能的提升，系统功耗将成为制约系统发展的最主要问题，预计未来E 级系统功耗至少在数十乃至上百MW 量级上，将直接影响系统运行的可靠性和运行成本。

　　因此，在通过工艺发展向片内集成更高效资源的同时，进行体系结构设计方法上的改进与创新也是必要途径，面向应用的定制处理器设计就是其中的关键技术。

　　定制处理器的概念

　　定制计算器（或系统）指的是针对某一特定应用或应用领域，在硬件架构（包括指令集）和软件支持方面进行了深度优化与定制化设计的处理器（或系统），目标主要是获得较高的应用性能与性能功耗比。与之相对的，通用处理器之所以通用是因为其被广泛应用在完全不同的领域，“上”至超级计算机，“下”至桌面应用，比如较新的Intel IVY Bridge 核心架构就被同时应用在服务器平台、桌面平台与移动平台上。这样势必会带来前面所提到的问题。

　　通用处理器这样做有其历史发展的必然性，处理器厂商需要维护兼容性来支持已有的应用资源，进而保持市场地位。而定制化设计则反其道而行之——不是强调兼容性，而是以应用为中心，由硬件去适应软件或者软件的计算模式。这一做法也有其弊端：定制化设计往往成本较高，如果没有较大使用量就无法真正推广。这就进一步牵涉到定制化设计的分类及其技术途径。