您可能會發(fā)覺每年到了這個時候，我們都會開始討論最新的高端GPU。2017年也不例外，ARM Mali團隊宣布Mali-G72加入高端GPU產(chǎn)品系列。

跟隨去年Mali-G71的腳步，ARM今年在Computex2017 大會上發(fā)布了基于Bifrost 架構(gòu)的Mali-G72，在更小面積與更低功耗的基礎上，提供更強大的效能。Mali-G72不僅能應用到高保真手機游戲以及機器學習設備，還能將VR能力提升至全新境界。采用Mali-G72的設備，整體圖形性能是前一代的1.4倍，無論業(yè)界要推出多么炫酷的應用，Mali-G72都已做好準備迎接挑戰(zhàn)。

· Mali-G72 的亮點:

o 相較現(xiàn)有產(chǎn)品，設備性能提升40%

o 能效提升25%，芯片面積效能提升20%

o 機器學習效率提升17%

o 眾多針對Bifrost的優(yōu)化，包括緩沖記憶、區(qū)塊拓展性，L1 緩存尺寸

高保真移動游戲崛起

移動端設備高保真游戲的崛起是催生Mali-G72的重要力量。盡管《糖果傳奇》(Candy Crush)等簡單游戲仍有龐大市場，但復雜的游戲卻也在不斷地創(chuàng)收，中國移動游戲產(chǎn)業(yè)43%的收入都是由此而來。例如Digital Legends公司的個人射擊游戲《電磁風暴》(Afterpulse)，在過去是不可能出現(xiàn)在移動平臺上的。高頂點數(shù)所需的耗電量、眾多圖形命令、更復雜的頂點與像素著色器，以及諸如動態(tài)陰影等先進的圖形效果，對于過去而言，實在是要求過高，且會降低質(zhì)量與游戲時間。我們與生態(tài)系統(tǒng)內(nèi)的伙伴和開發(fā)商共同探討，通力合作，確保我們的產(chǎn)品能滿足他們的不同需求。ARM與Digital Legends的合作能支持最新的圖形技術，并搭配ARM的優(yōu)化工具以實現(xiàn)效能與效率最大化，與Mali-G71相比，Mali-G72寫入帶寬可節(jié)省42%。加上使用像素本地儲存(PLS)，可以再額外節(jié)省45%，讓整體寫入帶寬一舉節(jié)省68%。此類合作造就了Mali-G72的各種創(chuàng)新，并讓移動游戲商得以實現(xiàn)如《電磁風暴》般的多功能游戲。

Newzoo 對營收排名前200名的游戲所進行之研究

支持下一代虛擬現(xiàn)實

虛擬現(xiàn)實也在不斷發(fā)展，所以ARM 也要不斷精進自己的技術，在市場中繼續(xù)保有領先地位。超過50%現(xiàn)有的移動VR設備由Mali驅(qū)動，而搭載Mali的Mate 9，是市面上第一個取得Daydream平臺認證的VR設備之一，因此，我們首要任務是繼續(xù)推動創(chuàng)新。你或許曾見過ARM最近在2017 游戲開發(fā)者大會(GDC)中發(fā)布的Circuit VR展示，我們正致力開發(fā)移動Multiview等技術，以降低多次繪制同一圖形的額外負擔–就如同你通常會在VR環(huán)境中做的事一樣(實際上你的兩只眼睛需要一個完整的渲染繪制)。另外還要加上注視點渲染技術，也就是你只會看見與視網(wǎng)膜在一直線上的高解析影像，而當你突然需要渲染繪制四個或更多視野時，Multiview就真正派上用場了。其他像多重采樣抗鋸齒(MSAA)等技術則會讓線條的某一邊增加融入像素，使其看起來比較平滑，以降低VR頭盔在近距離空間內(nèi)偶爾會看到的鋸齒效果。Mali-G72在最低的效能成本下，可達成8倍或16倍的MSAA。上述所提，當然是基于現(xiàn)存的創(chuàng)新科技，包括全調(diào)適紋理壓縮技術(ASTC)，讓我們能整合高質(zhì)量的紋理，且不需要與帶寬進行妥協(xié)。

優(yōu)化設備上的機器學習

如前所述，機器學習也是另一關鍵移動的使用案例，如今，機器學習通常在云端上進行，運用訓練神經(jīng)網(wǎng)絡的大量數(shù)據(jù)集實現(xiàn)智能連接，但越來越多的數(shù)據(jù)也需要在設備端進行，比如像翻譯這樣的簡單任務，通過云端持續(xù)傳送大量數(shù)據(jù)，不但增加成本，而且速度也很慢。我希望智能手機能在我需要的時候干我所想;如果連接或數(shù)據(jù)傳送需要等很長時間，那么這個設備再好我也不太想用，這也是為何業(yè)界開始研究“將機器學習界面放到設備本身”的原因。華為已預料到會有這種需求，以飛快的速度在八個月內(nèi)推出搭載Mali-G71的Mate 9。在這款手機上，機器學習算法會找出你最常用的應用程序，，并對其能耗性能進行優(yōu)先設置，保證實現(xiàn)最優(yōu)性能?；贐ifrost架構(gòu)的Mali-G71已經(jīng)相當擅長機器學習界面，如下圖表-華為Mate 9搭載Mali-G71 MP8在執(zhí)行AlexNet時，比具有類似圖形性能的低階獨立顯卡還要快上87%。

而Mali-G72性能更好，我們之前討論的算法優(yōu)化及增加的高速緩存已經(jīng)非常成熟，借由此大幅降低帶寬，Mali-G72可以實現(xiàn)機器學習最大的效率與效能。我們是如何實現(xiàn)的呢?

Bifrost 架構(gòu)的創(chuàng)新

除了繼續(xù)保持Bifrost最主要的高效能特色，像是CPU與GPU彼此間完整的系統(tǒng)一致性、索引式定位著色器等，Mali-G72同時還有多項新武器。優(yōu)化算法效率以及強化復雜的圖形性能與可擴展性，讓Mali-G72 成為明年橫跨智能手機、虛擬現(xiàn)實、機器學習與其它高端移動產(chǎn)品中的最佳選擇?？纯碅RM實際上在其中做了哪些改進?

ARM增加了區(qū)塊緩沖存儲器(tile buffer memory)，以便讓GPU在每個運行區(qū)塊(tile)支持更多的儲存空間。這可在輕負載情況下提升數(shù)據(jù)吞吐量，也讓多重采樣抗鋸齒(MSAA, Multi Sample Anti-Aliasing)與像素本地儲存(PLS, Pixel Local Storage) 技術獲得更佳的利用率，同時也顯著提升效能與視覺質(zhì)量。我們也重新平衡了執(zhí)行引擎的數(shù)據(jù)路徑，以移除某些鮮少使用的指令，并以更簡單的指令順序取而代之，以便降低使用面積與耗電，為我們的合作伙伴降低實施成本，并提升整套系統(tǒng)的效率。為了支持更高的圖形復雜性，ARM已針對更多復雜運算進行優(yōu)化，例如最頻繁使用的互反平方根，并增加區(qū)塊的緩存以加速數(shù)據(jù)存取。這些改變能改善高效能系統(tǒng)的性能擴展能力，同時也提供終端使用者更佳的圖形體驗。為了進一步降低帶寬，ARM同時增加了一級緩存與寫回緩存的大小，同時也改變指令緩存邏輯，以便在不增加整體面積與耗電情況下進行更佳利用，并減少對復雜內(nèi)容產(chǎn)生的緩存遺漏情況。對于合作伙伴而言，如此細心地在效能與效率間取得平衡，對某些應用是極為重要的。

總結(jié)

比起前一代產(chǎn)品，這款基于Bifrost架構(gòu)的Mali-G72實現(xiàn)了多種創(chuàng)新，包括效能提升25%、每平方毫米的芯片面積效能提升20%，以及機器學習效率提升17%。除此之外，它還能讓整體設備效能提升40%。Mali-G72在明年高端智能手機的表現(xiàn)超出預期已指日可待。