解读ARM架构最新的DynamIQ技术，人工智能和VR.doc

《解读ARM架构最新的DynamIQ技术，人工智能和VR.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、解读ARM架构最新的DynamIQ技术，人工智能和VR　　ARMDynamIQ技术于近期发布，因其对big.LITTLE技术未来发展的影响而引起了科技行业和“技术爱好者”的强烈兴趣。简而言之，big.LITTLE成为了DynamIQ技术中的一部分。那么现在让我们回过头来，从一个更大的范围，看看这其中的关系。　　2011年10月，big.LITTLE一经推出就成为了全球第一的应用于手机市场的异构处理技术。该技术的架构包括一个高性能“大”（big）CPU集群和一个高效率“小”（LITTLE）CPU集群，它们之间通过一致互联实现连接。在该架构上运行的软件（全局任务调度）可

2、以将正确的应用程序任务调度到正确的CPU上。　　　　多年以来，CPU不断推陈出新，以实现更多功能、更强性能和更高能效。软件层也得到了更新，引入了更加智能化的任务调度算法。然而，在此期间，硬件技术架构基础却基本保持不变，仍是大小两个（或多个）CPU集群。　　该技术在手机市场迅速得到应用——在这个市场中，功耗效率和电池续航时间对于用户体验至关重要。因此，如今基于ARMv8的已出货安卓设备有三分之二都依靠big.LITTLE优化功耗和性能。　　　　尽管“大”CPU和“小”CPU的潜在组合方式保持不变，DynamIQ却带来了一种可以改变异构处理格局的新型技术架构。它的做法是

3、将大小两个集群合并，从而形成一个兼具大小CPU、完全集成化的CPU集群。使用DynamIQ技术构建的big.LITTLE设计被称为DynamIQbig.LITTLE。DynamIQbig.LITTLE技术在CPU集群中引入了智能化功耗功能，有助于在一定发热量之内最大限度地发挥性能。这就意味着数据处理能力和性能将会更加强大，无论您使用什么应用程序都能享有更加丰富的体验。　　DynamIQbig.LITTLE可以带来以下好处：　　完全集成化的解决方案提供更广泛的产品差异化　　单线程性能的提升带来更胜一筹的用户体验　　通过先进的电源管理功能实现更高的能效　　完全集成化的解

4、决方案提供更广泛的产品差异化　　我们作为消费者，一直期待智能手机的计算能力可以不断提高——对于每一款新上市的设备都是如此，无论是高端智能手机，还是入门级机型。客观地说，PokemonGo在2016年登陆手机市场之后一举成为人手必备的头号应用程序，即便在入门级智能手机上也一样。为了满足消费者对更高性能的需求，尤其是在对价格敏感的市场，系统级芯片（SoC）内的产品差异化变得更加重要。　　DynamIQbig.LITTLE系统中的新型集成式集群不但适用于现有的“2+4”（2“大”4“小”）等主流CPU组合，而且推出了可以拓宽产品差异化（尤其在中端市场）的全新组合。这些全新

5、组合（如“1+3”和“1+7”）将会让“大”CPU越来越多地应用于中端市场，以便让性能水平相较于只有“小”CPU的传统设计有所提升。然而，可扩展性的范围并未到此为止。DynamIQbig.LITTLE系统还允许在一个集群内将单个或成组的CPU调整到不同的性能和功耗点，从而让设计延伸出几乎无穷无尽的可能性。DynamIQ提供的高度灵活性为价格敏感型市场创造了差异化机会。　　　　单线程性能的提升带来更胜一筹的用户体验　　虽然用户体验由于应用程序的不断发展而不断变化，但是有一件事情始终不变：用户体验在响应速度上十分依赖于单线程计算性能。诸如人工智能（AI）和增强现实（AR

6、）之类的高级用途将对用户体验不断提出更高要求。然而，手机市场很快就提醒我们：发热量限制了设备能够实现的性能大小。热效率问题的范围已经超出了手机市场，它在汽车和笔记本电脑等其他市场也是不容忽视的一大因素。　　为了克服该问题，big.LITTLE依靠动态电压/频率调节（DVFS）等技术，可以实现两个互补的性能域，其中每个性能域都能一致地调节电压和频率。而DynamIQ通过在单个集群中支持多个可配置的性能域，进一步发展了该技术。这些性能域由单个或多个ARMCPU组成，可以在性能和功耗方面进行调节，并获得更佳的精细程度，比以前的Cortex-A四核心集群在调节精度方面可获得

7、多达4倍的提升。　　该DynamIQ技术的特性意味着DynamIQbig.LITTLE系统能够在更严格的发热量限制之下发挥更多性能，从而延长性能的持续时间。此类系统还可以利用瞬时性能提升，在触摸屏或是触摸板上为应用程序启动或手势操作（如旋转、滑动和捏拉缩放）等活动带来更快的响应速度和更好的用户体验。　　通过先进的电源管理功能实现更高的能效　　在监控管理系统升级后，大小CPU之间所有任务转移现在都可以通过共享内存在单个CPU集群之内进行，从而提升了能效。共享数据在“大”CPU和“小”CPU之间的转移也可以在单个集群之内进行。从系统角度来看，这减少了数据流量，从而减