Arm宣布推出基于M-Profile Vector Extension (MVE)矢量擴充方案的Arm Helium技術

新聞摘要

Arm Helium技術作為一種全新的M-Profile Vector Extension矢量擴充方案，能為Armv8.1-M架構帶來經(jīng)過強化的計算能力

新架構能夠將最小型邊緣設備的機器學習能力提升15倍，以及將信號處理性能提升5倍

新架構針對下一代Cortex-M處理器而設計，適用于需在本地進行決策的小型嵌入式設備

2019年2月15日，Arm宣布針對其下一代Armv8.1-M架構推出基于M-Profile Vector Extension (MVE)矢量擴充方案的Arm Helium技術。這一全新技術能夠幫助開發(fā)者簡化軟件開發(fā)流程，并顯著提升未來Cortex-M系列處理器的機器學習能力與信號處理性能。

業(yè)界正在加速推動創(chuàng)建一個擁有萬億互聯(lián)設備的世界，而要實現(xiàn)這一愿景，我們必須找到行之有效的方法來擴展網(wǎng)絡邊緣眾多受限設備的計算能力。通過提升這些設備的計算能力，開發(fā)人員能夠直接為設備編寫機器學習(ML)應用程序，并在設備本地實現(xiàn)自主決策，從而在提高數(shù)據(jù)安全性的同時，降低網(wǎng)絡能耗、延遲和帶寬使用量。

為達成這一目標，Arm推出Arm Helium技術，該技術針對Arm Cortex-M系列處理器設計，在Arm TrustZone的安全基礎上，通過M-Profile Vector Extension矢量擴展加強Armv8.1-M架構的計算性能。Helium將為未來的Arm Cortex-M系列處理器提供高達15倍的機器學習性能提升和高達5倍的信號處理性能提升，消除因性能挑戰(zhàn)造成的對低成本、高能效設備的使用限制，從而為我們的合作伙伴帶來全新的市場機遇。

//下一級計算性能//

先進的數(shù)字信號處理(DSP)可通過 Arm Neon 技術擴展至更多Cortex-A架構組件中。針對功能受限的應用，Arm還在其較高性能的Cortex-M處理器系列(包括Cortex-M4、Cortex-M7、Cortex-M33以及Cortex-M35P)中加入DSP擴展方案。這兩種技術都可用來加速特定應用的機器學習計算。

針對功能最為受限的嵌入式系統(tǒng)，功耗效率是優(yōu)先考慮的因素，以往的解決方案將Cortex處理器搭配SoC芯片內(nèi)的DSP處理器，但是這種作法也增加了硬件與軟件設計的復雜性。當我們希望在這些設備上集成更多機器學習功能時，現(xiàn)有的SoC開發(fā)挑戰(zhàn)將變得更加突出，因此在運用不同的工具鏈、編程、調(diào)試以及使用各種復雜的專有安全解決方案時，需要開發(fā)人員擁有更高水平的專業(yè)知識。

搭載Helium技術的Armv8.1-M 架構能克服上述難題，不僅能夠提供實時控制程序代碼、機器學習與DSP執(zhí)行能力，而且效率絲毫不減。由此，數(shù)百萬軟件開發(fā)人員將能夠運行各種DSP功能，安全無虞地擴展各種智能程序到種類更廣泛的設備，強化對三種關鍵類別新興應用的信號處理支持：震動和運動、語音和聲音、以及視覺和圖像。新一代搭載了Helium技術的Cortex-M架構SoC將改進未來各種設備的用戶體驗，包括傳感器中樞設備(sensor hub)、可穿戴設備、音頻設備、工業(yè)應用等。

除提升性能、降低開發(fā)成本之外，SoC設計和開發(fā)團隊還將立即獲得以下優(yōu)勢，包括：

通過功能整合，優(yōu)化成本、功耗以及設計投入

利用 Armv8.1-M的設計遵循平臺安全架構(PSA)規(guī)范的特點，實現(xiàn)簡化的TrustZone部署

單一工具鏈涵蓋控制與信號處理軟件的開發(fā)

簡化的軟件開發(fā)，得益于成熟的 Helium生態(tài)系統(tǒng)所提供的完善的工具、模型和庫，其中許多資源已被Cortex-M開發(fā)者廣為使用

//簡化軟件開發(fā)流程//

由于Helium擁有統(tǒng)一的工具鏈、庫和模型，軟件開發(fā)將變得更加簡單。 Helium工具鏈包括Arm Development Studio，涵蓋Arm Keil MDK、Arm模型(開發(fā)人員可立即使用，用于代碼建模)和各種軟件庫，包括CMSIS-DSP和CMSIS-NN，允許開發(fā)人員根據(jù)他們的需求選擇最合適的資源。對于信號處理應用，我們通過消除對專用DSP或功能加速器的需求以及免去了一層設計復雜性，使之更加簡化。

//驅動下一代嵌入式和物聯(lián)網(wǎng)設備//

Helium將Arm Project Trillium計劃的價值帶到各種機器學習應用中，讓框架與庫的支持能力向下延伸到硬件層面。由于SoC開發(fā)者必須在不同的性能、芯片面積、功耗以及成本等限制下開發(fā)適合的方案，因此沒有單一的產(chǎn)品能滿足所有應用的需求。

我們現(xiàn)已推出Helium專屬的工具鏈與模型，預計在未來2年各伙伴廠商將陸續(xù)推出采用Helium技術的芯片。