多年来，移动处理器制造商一直致力于优化设计，以在有限的功耗预算、存储空间和带宽范围内获得最佳性能。在过去，这些考虑因素显然没有受到数据中心或个人计算机（个人电脑）等市场的重视。如今，传统数据中心和个人电脑市场的变化正在悄然发生——改变处理器设计规则，让开发人员重新考虑其芯片架构，以获得更高的性能功耗比。
PC和数据中心采用移动处理器设计原则。
如今，云中实现了越来越多的云游戏、数据挖掘、人工智能/数据分析和高性能计算。虽然这些应用程序有不同的要求，但在不断增加计算量的要求上是一样的。
数据中心无法通过不断扩大物理面积来满足这一需求。为了将运营支出(Opex)保持在可接受的范围内，实现净零(NetZero)目标，企业需要在有限的空间内增加计算密度，从而获得更高的计算性能。图形处理器(GPU)、中央处理器(CPU)、人工智能(AI)加速器等处理元件必须在最小功耗/散热和面积预算中达到最高性能。因此，遵循移动设计原则设计处理器是一个理想的起点。
通过分析个人电脑市场的趋势，我们也可以得出类似的结论。在传统的个人电脑模式下，大多数功能都被集成到独立的模块中。然而，随着大多数组织希望扩大混合办公模式，人们逐渐用笔记本电脑取代桌面。将越来越多的功能（包括图形处理、神经网络加速、安全、I/O等）集成到具有统一存储架构的单个系统级芯片（SOC）中，不仅可以提高性能，而且可以将功耗保持在最低水平。因此，下一代个人电脑处理器看起来越来越像智能手机处理器。
借助定制芯片设计，大型科技公司实现差异化。
随着摩尔定律的结束，该行业不可能每两年提高一次性能。在此背景下，企业加入了设计竞争，以最佳芯片创造最佳用户体验。
全球大型科技公司已经知道了这一点，并做好了准备。他们专注于为消费品、个人电脑或数据中心设计定制芯片。这些公司从现成的可用芯片转向定制芯片，希望更好地控制设计，赢得优势。因此，我们可以看到，亚马逊投资于GravitonCPU设计，谷歌推出了以TPU为中心的TensorCPU。苹果的M1处理器将为Mac计算机带来优化的芯片，提供更高的集成度和更突出的性能功耗比。
OEM替代方案。
对于没有内部硬件和软件设计团队，还没有开发定制芯片的原始设备制造商（OEM）来说，他们面临的挑战是如何使他们的设计脱颖而出，与高度优化的结构相当。这些OEM使用的大多数芯片都是现成的，可能会使它们处于劣势。许多为PC和数据中心设计的芯片都是暴力解决方案。虽然它们可以提供所需的性能，但它们通常耗电过多，占用内存/带宽过多，缺乏竞争力。此外，这些芯片对特定的软件和操作系统也有限制。
一些移动市场的SOC供应商开始进入数据中心和个人电脑市场，希望划分现有玩家的部分市场份额，但数量很少，很难帮助OEM制造商实现创新和成本控制的差异化。因此，一些行业替代品正在出现在历史时刻。我们看到许多制造商正在考虑基于RISC-V架构的CPU解决方案。然而，单一的CPU设计并不能完全解决OEM目前面临的激烈竞争困境。OEM需要关注整个数据中心的架构结构，以改善整体解决方案的创新，从而提高其竞争力。
可扩展的异构结构是关键。
通过异构计算，灵活利用CPU、GPU等计算单元，实现硬件的最大利用率，优化和提高计算性能，满足效率和功耗比的优化。异构计算架构为数据中心不断提高的计算要求提供了灵活的阵列工作解决方案。目前，许多半导体制造商正在研究相关的产品和应用程序，以增强OEM市场的竞争力。去年，传统的GPUIP公司Imagination推出了其CPU产品线，加强了异构计算的研发，旨在通过产品组合的优化和改进，为客户提供更完善的异构计算解决方案，更好地为客户服务，满足未来高性能计算的需求。
为移动GPU奠定基础。
移动GPU是创建高效异构设计的理想切入点。将移动GPU升级应用于数据中心和PC领域将比试图将高端GPU强行纳入移动功耗预算更有意义。因为移动GPU诞生于小而美。移动GPU制造商开发了大量的专利技术，以最大限度地实现GPU的高性能和低功耗。这些技术优势可以使移动GPU制造商更具竞争力，并为OEM提供更多的管理附加值。
说到移动GPU的专利技术，我们不得不再次提到专注于GPU设计的老企业Imagination。与其竞争对手相比，Imagination多年来一直专注于GPU领域的研究，特别是在更复杂的GPU渲染领域，Imagination是GPU硬件虚拟化、块延迟渲染（TBDR）、实时硬件光跟踪（RayTracing）等许多技术的先驱。块延迟渲染（TBDR）技术将几何数据分为小区域（块）并统一处理。由于每个块都是光栅和单独处理的，渲染的大小非常小，所以所有的数据都可以保存在快速运行的片上存储器中。该技术为M1的图形处理奠定了基础。
对于Android云游戏等应用场景，数据中心需要灵活处理多个用户的不同游戏消费场景。在多个小GPU上处理多个小并发工作负载的方法比使用传统桌面GPU更有效。云游戏产业链正在加强GPU硬件虚拟化技术的开发和应用，以降低成本。通过向上扩展分散的多核移动GPU架构，移动GPU不仅可以支持更多的用户，还可以为云中的许多用户提供更高的能源效率。
以核心技术为例，作为国内高端GPU第一芯的行业领导者，公司在Imagination移动GPUIP的基础上，将移动GPU架构向上扩展到高性能服务器级别的硬件，旨在打破台式显卡市场的现有格局。在这个长期被双寡头垄断的高端市场，没有人预料到会有新的竞争对手，但芯动科技正在利用不断变化的市场实力和高度可扩展的高效技术提供替代方案。
增加高效的电影人工智能处理（如M1所示）是OEM的另一个机会。由于电影中的人工智能处理尚未成为PC的标准，OEM可以利用该能力支持超分辨率降噪、音频命令、安全等新兴应用程序。这种人工智能功能通常需要巨大的计算能力，基于移动设计原则的神经网络加速器（NNA）IP可以在SOC上集成高效、高度可靠的人工智能推理功能。在人工智能边缘加速器领域，与其他竞争对手相比，IMagination的NNA边缘加速器硬件不仅继承了GPU设计的高性能、低功耗DNA，而且在不同数量级的计算领域表现优于竞争对手。
不仅为大型科技公司设计专用芯片。
SOC制造商需要扩展基于移动设计原则的知识产权核心，以创造高效、高带宽和高性能的设计。借助这种专门为异构架构设计的处理器，他们可以创建一个特殊和高效的新解决方案。这可以帮助OEM提供具有竞争力和差异化的产品，并牢牢把握企业未来的发展方向。
主题测试文章，只做测试使用。发布者：手机百科，转转请注明出处：https://www.b2cfans.com/128569.html