SoC高度集成、移动第一、异构计算,PC处理器正迎来新变革

作者:Kristof Beets

今天,对于市场上新推出的笔记本电脑,其芯片架构的设计可能与几年前有很大的不同。笔记本电脑的芯片集成度变得更高,SoC设计思路越来越多地向手机等移动设备靠拢。特别是,随着远程办公变得普及,大家对高性能、低功耗、长续航笔记本电脑的需求提升,也推动着厂商对笔记本电脑芯片进行革新。

这为具有移动端芯片研发能力的公司打开了新的市场机会。这些公司发挥其优势,在保证笔记本电脑的高性能同时降低功耗,并将图形技术、神经网络加速、安全和I/O等集成到具有统一内存架构的单个SoC中。现代计算机正在丢弃原来的形式——一个包含 CPU、内存和插入式图形卡的盒子。是以,许多可能拥有台式电脑的人们,现在会更多地考虑选择一台具有单一、高度集成芯片的笔记本电脑,PCI Express 接口变得更少。除了更低的功耗和更少的带宽消耗之外,这种芯片架构更容易实现,成本也更低。

SoC高度集成、移动第一、异构计算,PC处理器正迎来新变革

基于这种高度集成,今天的高端计算机,无论是迷你台式机还是便携式笔记本电脑,很快就会非常像智能手机,这为 PC 处理器的变革奠定了基础。在 Imagination,几十年来我们一直在帮助客户设计这样的产品。

“移动第一”的GPU设计理念

考虑到这一点,原本为台式机 PC 提供 GPU 的公司需要重新考虑其图形架构,以跟上不断变化的需求。他们不能再只专注于设计性能最高的芯片,而不考虑功率或带宽,因为今天的笔记本电脑可能在断开电源的情况下还要持续工作很长时间。

有的公司最近发布的 GPU 旨在提供更好的功耗,不过25 瓦依旧是不小的功耗。同时,笔记本电脑还要加上大电池和风扇,大部分时间还要连接电源。

与之相比的是“移动第一”的GPU设计理念,该理念从一开始便让高效的硬件实现高性能。在移动 GPU 设计中,1瓦功耗也能有出色的性能表现,因为这是手机所允许的热预算。与试图将“蛮力”解决方案塞进高效的电源外壳相比,在针对移动设备进行高度优化的设计中进行扩展要容易得多。与其使用为高端PC设计的GPU并将其缩小,更明智的是从一开始便选择为移动设备设计的GPU,然后将其扩展。

可扩展的重要性

在 Imagination,我们知道如何在高效硬件中提供高性能。迄今为止,我们通过PowerVR图形为100多亿台移动设备提供了 3D 图形技术。几十年来,我们开发了许多新工艺和新技术,以提供业界高度优化的移动 GPU。这包括分块延迟渲染 (TBDR) 技术。

Apple M1 芯片是一个很好的例子,它说明了移动优先法则如何带来红利,以及完全集成的 SoC 如何通过TBDR提高性能,从而提高效率。事实上,作为一种移动解决方案,M 系列芯片的开发始于2010 年 iPhone 4 中的 A4 芯片。经过 10 多年的发展,A14 芯片代表了苹果芯片项目的最新一代。A14 增加了两个 CPU 核(在现有的两个高性能和四个能效核基础上)以及四个额外的 GPU 核,从而形成了功能强大的新 M1 架构。这种可扩展性只有通过移动优先的方法来实现,该方法将所有高级功能完全集成到具有统一内存视图的单个 SoC 中。

Imagination 在结合性能和效率方面专业性的最新示例是高度可扩展的CXT GPU 架构,这是业界首个针对移动设备优化的光线追踪架构。在移动电源限制下,CXT 提供了以前为高端桌面图形保留的真实照明、反射和阴影效果。

SoC高度集成、移动第一、异构计算,PC处理器正迎来新变革

传统 PC 芯片供应商即便是最新的 GPU也要消耗 25W 功率,CXT 的效率和可扩展性就显而易见了。但如果您使用基于 CXT IP 的 GPU,您可以在相同的功率预算内获得更高的性能,实际上是 2.5 倍。这使您不仅可以提供更高的性能,还可以提供光线追踪等功能,并且所有这些功能都在相同的功耗范围内。

基于这种考量的芯片设计,可使芯片供应商和 OEM 厂商打造具有差异化的产品。

另一种创造差异化的可能性是通过在芯片上集成高效的人工智能处理器。虽然 M1 提供了这种功能,但它还达不到 PC标准。这种人工智能能力通常需要强大的计算能力,Imagination 的神经网络加速器 (NNA) IP 核能够将高效、高度可靠和经过芯片验证的AI推理能力集成到SoC中。

CPU+GPU+NNA异构计算是未来

随着工作负载的日益多样化,芯片供应商需要考虑对芯片进行优化,以提供最佳性能,同时满足功耗和效率要求。这意味着不仅要选择高度优化的 GPU 和 NNA,还要将这些处理器与高效的 CPU 和其他计算元素集成到灵活的异构阵列中。

Imagination 的Catapult RISC-V CPU设计用于高度可扩展计算的环境中工作。这使得它不仅适用于 PC,而且适用于广泛的应用场景,例如 5G 调制解调器、存储器、ADAS/自动驾驶汽车、数据中心和高性能计算。此外,我们的以太网数据包处理器 (EPP) IP 核支持处理器和网络之间的数据流,以避免 CPU 瓶颈。

赢在新PC处理器时代

大型科技公司越来越多地从使用现成芯片转向开发定制解决方案,以获得对其设计的更大控制权,从而在市场上取得优势。没有设计自己芯片的 OEM 面临着越来越大的挑战,因为很少有极具竞争力的现成芯片解决方案可用。

这为 SoC 制造商提供了开发高度优化解决方案的机会,这些解决方案可为 OEM 带来优势。所有方案都是为了在相同的功耗范围内提供更多的性能和功能——提供更好的用户体验,同时延长电池寿命。

在 Imagination,我们根据移动设计原则设计了所有 IP 核,因为我们知道这是我们的客户创建前瞻性设计所需要的。借助专为异构架构设计的高效且可扩展的处理器,SoC 制造商可以为其应用选择正确的计算元素组合,并为其客户提供成功的解决方案。

英文链接:https://blog.imaginationtech.com/scaling-up-vs-scaling-down.-the-real-sc...
声明:本文为原创文章,转载需注明作者、出处及原文链接。

最新文章