華為移動AI芯片麒麟970的GPU技術(shù)創(chuàng)新

今日，Arm生態(tài)系統(tǒng)合作伙伴華為于北京召開發(fā)布會，正式在國內(nèi)發(fā)布搭載10nm工藝制程的年度旗艦處理器麒麟970，同時也是全球首款內(nèi)置神經(jīng)元網(wǎng)絡單元（NPU）的智能芯片。

在核心配置方面，麒麟970采用了4*Cortex-A73+4*Cortex-A53的大小核設計，其中A73大核主頻為2.4GHz，A53小核主頻為1.8GHz。在GPU上，麒麟970為Mali-G72 MP12，在視頻方面首次支持HDR10，支持4K@60fps視頻解碼。相機雙ISP，支持人工智能場景識別、人臉追焦、智能運動場景檢測，夜拍效果得到加強。

作為Arm今年新發(fā)的高端GPU，Mali-G72已“裝機”麒麟970，它有哪些強大之處？它又是如何對人工智能與機器學習算法進行支持的呢？

人工智能的最近一次浪潮起源于 2011 年前后深度學習（Deep Learning）引起的大發(fā)展。在其背后，快速發(fā)展的 GPU 功不可沒。機器學習作為人工智能領(lǐng)域的一個小分支，如今已是移動計算的關(guān)鍵應用場景之一。通常而言，機器學習在云端上進行，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，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。

搭載了Mali-G71的華為Mate 9便是一次不錯的嘗試，它其中的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，其中，基于Bifrost架構(gòu)的Mali-G71功不可沒，而Mali-G72性能則更優(yōu)。相比Mali-G71，Mali-G72性能提升了40%、能效提升25%、每平方毫米的芯片面積效能提升20%，并針對機器學習進行了優(yōu)化，為機器學習效率帶來17%的提升，從而使得Arm能夠在整個SoC上更高效地現(xiàn)實分布式智能。期待搭載Mali-G72的新機華為Mate 10的上市。

為何Mali-G72這么牛？除了繼續(xù)保持Bifrost架構(gòu)最主要的高效能特色外，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。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，也重新平衡了執(zhí)行引擎的數(shù)據(jù)路徑，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。同時，Arm針對更多復雜運算進行了優(yōu)化，為了進一步降低帶寬，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。綜上，Mali-G72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，可以實現(xiàn)機器學習最大的效率與效能。

2007年Arm推出基于Utgard架構(gòu)的Mali-200，當時面向的設備分辨率較低，內(nèi)容比較簡單。Utgard架構(gòu)的特點是并非像現(xiàn)代GPU設計那樣采用了統(tǒng)一渲染引擎，它依舊是一個典型的頂點和像素分離式渲染的產(chǎn)物。

2010年末，Arm推出基于Midgard架構(gòu)構(gòu)建的首款GPU Mali-T604，面向的設備可達1080p HD的分辨率，內(nèi)容變得越來越復雜了。從架構(gòu)上來看，Midgard是之前Utgard的繼承者，但是統(tǒng)一渲染架構(gòu)和分離式渲染架構(gòu)的差異如此之大，使得這兩個架構(gòu)又不能直接比較。當然，Midgard還是繼承了不少Utgard中優(yōu)秀的部分，尤其是部分周圍功能模塊。

2016年，隨著內(nèi)容變得越來越精細，越來越復雜，在GPU渲染的角度來說會有更復雜光影的處理，包括全局光照的處理。從顯示面板的角度來看，未來4K的面板也會大量涌現(xiàn)。為滿足這樣的市場需求，Arm推出了基于嶄新GPU架構(gòu)Bifrost的產(chǎn)品。雖然Bifrost架構(gòu)看上去與Midgard類似，但其內(nèi)部的功能模塊均有顯著的提升，基于前面提到的各種各樣的應用場景，包括設備的需求，以及面對的挑戰(zhàn)，Bifrost架構(gòu)都可以解決這樣的問題。