Computex 2017 : DynamIQ 技術加持, ARM 發表 Cortex-A75 、 Cortex-A55 與 Mali-G72

2017.05.29 11:44AM
是Computex 2017 : DynamIQ 技術加持, ARM 發表 Cortex-A75 、 Cortex-A55 與 Mali-G72這篇文章的首圖

ARM 在今年 Computex 的重頭戲即是宣布兩款支援 DynamIQ 技術的 CPU 微架構 Cortex-A75 與 Cortex-A55 ,同時亦宣布新一代高階 GPU 架構 Mali-G72 ;此兩款支援 DynamIQ 的 CPU 架構可藉由 DynaIQ 構成新一代 DynamiQ big.LITTLE ,使效能與能耗更為平衡,而 Mali-G72 則在基礎效能、 VR 與機器學習性能更為提升。基於此三款 IP 下的晶片有望於 2018 年亮相。

ARM 在今年 3 月發表 ARMv8.2A 指令集所支援全新的處理器組合設計 DynamIQ ,使得單一 Cluster 可容納最多 8 核心,並且 Cluster 內之大、小核可混搭以及異步時脈,而今天所宣布的兩款處理器微架構 IP 則是首兩款可支援此技術的產品。

16ec17508809fd5c33c4a6ff82fedcbc

Cortex-A75 可說是 Cortex-A73 的後繼產品,主要加入超純量處理器核心以及專屬的第二級快取記憶體,另可藉由 DynamIQ 技術採用統一共用第三級快取記憶體,整數運算在同時脈下效能相較 Cortex-A73 於行動裝置提升 20% 。

2b7d20ff697a52a73c1130a78acd6d66

目前公布的資訊中, Cortex-A73 可獨立使用,或是構成四核心高效能 Cluster ,或是搭配 Cortex-A55 構成 8 核心 Cluster ,而在 10nm 製程下可達到 3GHz 的時脈設定,但維持與 2.8GHz Cortex-A73 近似的能耗。

5e8f78b901337c479ecda1d1c02d1fe4

至於 Cortex-A55 則是 Cortex-A53 的後繼產品,並可支援全新的人工智慧指令,在相同時脈與操作情境下,提供兩倍的記憶效能,以及達 15% 的能耗效能比,同時相較 Cortex-A53 可達到 10 倍擴展性; Cortex-A55 具備結合演算法的神經網路元件,能夠大幅提升預測力,並讓每個 CPU 都擁有專屬的 L2 ,並與 CPU 時脈一致與降低延遲,此外也支援在 DynamIQ 下的 L3 快取與 8bit 整數矩陣乘法。

d1fd3f6d2d03061ee86c7adc1a7438ca

而 Cortex-A55 的應用範圍也更廣泛,在效能提升、降低延遲下,亦能達到 VR 應用所需的低延遲,同時又具有與 Cortex-A53 同級的低功耗特性;另外在提升效能下,能夠用於乙太網路供電的無限存取點、基於機器視覺、有熱度限制的汽車後照鏡、自動駕駛解決方案,甚至可用於 5G 遠端無線電轉發器,當然也因為基於 ARMv8.2A ,可支援 DynamIQ ,亦能達到最高單一 Cluster 8 核心。

86d8864a7afa97bbf742795b5d1e1b40

藉由 DynamIQ 技術, Cortex-A75 與 Cortex-A55 的組合提供更多的可能性,不僅只是單一 Cluster 提升到 8 核心與異構、異時脈,同時在處理器的管理也提供更快速的硬體開、關切換,同時還可依照應用對於記憶體的使用程度決定是否切斷 L3 的電源,不僅設計更有彈性,有更有效率,而 Cortex-A75 與 Cortex-A55 可構成 1+2 、 1+3 、 1+4 、 1+7 、 4+4 等更彈性的組合。

關於 DynamIQ 可見:一圖看懂 ARM DynamIQ運作原理

2b56314d2eaca019556445451b8f8341

1086726e9240ced56e869a31f529ee9d

至於 Mali-G72 是繼 Mali-G71 後第二款 Bifrost 架構高效能核心,最高可達到 Mali-G71 1.4 倍效能,同時提供 25% 的能源效率與 20% 電池效能,且在機器學習領域提供 17% 效能。另外 Mali-G72 寫入頻寬相較 Mali-G71 可節省 42% ,並透過 PLS 技術節省 45% 頻寬,整體頻寬最高可省下 68% 。

1fa18f0af5ba9a889f70bc05f3d3823a

1a565628e79f8e60d5df3123da04b147

此外 Mali-G72 也支援 Multiview 技術,透過追蹤眼球位置,將視覺重心位置進行重點演算,降低非視覺中心的演算,使效能更能合理使用,同時也支援 MSAA 反鋸齒,能在低成本下提供 8 倍或是 16 倍 MSAA 。

0 則回應