Arm 在今年 Computex 宣布新一代微架構 Cortex-A77 與採用全新架構的 GPU Mali-G77 ，在稍早 Arm 也針對新世代高效能運算進行團訪， Arm 表示，除了例行性的產品發表外，更重要的是 Arm 看好由於 5G 帶來的高頻寬與現代使用者透過網路進行串流、網路儲存等，需要更高的處理效能，也會對平台的整體性能有更高要求。
異構運算是延續摩爾定律鐵則的關鍵
然而如同當前所看到的，單純透過製程、提升時脈的方式已經難以持續維持摩爾定律， Arm 也即早就在業界推廣透過提供正確、高效率的架構滿足特定應用需求的異構運算理念， Arm 除了持續提升架構、與半導體業者合作改善製程，持續提供更強大的異構運算有助提供更高效率、更良好的使用體驗。
其次，當前市場火熱探討的機器學習並不如大家刻板印象所認為需要搭配加速器執行，當前行動市場有超過 85% 的機器學習仍是透過純 CPU 或是 CPU + GPU 的傳統運算方式執行， Arm 也在此次所發表的 Cortex-A77 、 Mali-G77 兩項新 IP 也強化機器學習的性能。
為行動設備提供合宜的硬體與異構的通用機器學習框架
然而，隨著中高階機種對機器學習的應用越來越高，雖然當前的純 CPU 或是 CPU + GPU 異構等方式仍能進行機器學習運算，不過畢竟並非專為機器學習設計，處理效率較不理想，故 Arm 也提供 ML 加速器方案，使合作夥伴藉由導入專為機器學習的加速器，提升設備進行機器學習的效率。
不過在整個機器學習領域，最關鍵的還是異用性，為了讓業界更容易應用機器學習， Arm 也提供 Arm ML 框架，使機器學習技術開發夥伴可藉由支援 Arm ML 框架，讓同一套機器學習模型無論是單純的 CPU 、 CPU + GPU 或是混合 CPU 、 GPU 與加速器的情況下都能執行、只在執行速度上有所差異。
5G 將帶來更高 CPU 運算需求、源自 PC 級的遊戲驅動高階手機需要更強 GPU
此次宣布的 Cortex-A77 ，相較 Cortex-A76 改善執行效率，使其能夠在同樣的功耗下提升 20% 性能，這也使得在相同的運算負載下， Cortex-A77 能夠較 Cortex-A77 更事半功倍，對於處理更多來自 5G 網路的資料也更游刃有餘。
至於 Mali-G77 是 Arm 在使用三世代的 Bifrost 之後，首度使用全新架構的 Valhall 的第一世代產物， Arm 表示當前由於行動設備有越來越多移植自 PC 的遊戲，業界需要更強性能的 GPU 執行這些內容，也因此催生規劃 Mali 第三世代架構 Valhall 。
Mali-G77 在架構中採用雙 16 寬 Cluster 的執行引擎，相較當前使用 Bifrost 的 Mali-G76 在相同面積提升 30% 的 FMA ，同時也帶來 30% 的性能提升。此外 Mali-G76 採用全新的簡化指令集，同時全新的紋理單元提供較 Mali-G76 兩倍的吞吐量，並且採用全新的快取，提供更低的延遲。
機器學習已經應用在增強遊戲體驗，投入光線追蹤技術研究但還在觀望市場
筆者也問到關於機器學習如何應用在遊戲體驗、以及 Arm 對光線追蹤的看法， Arm 表示，在機器學習與遊戲體驗部分， Arm 已經透過 Project Trillum 平台，使 Arm 的各項架構能夠進行異構運算，並且將其應用在遊戲的視覺體驗之上；至於光線追蹤技術， Arm 表示當前已經開始進行研究，不過當前仍在觀望業界導入光線追蹤的情形。
