آرم از Lumex رونمایی کرد: یک طراحی تراشه قابل تنظیم برای گره‌های ۳ نانومتری

شرکت آرم به‌تازگی از نسل بعدی CPU و GPU خود رونمایی و علاوه بر آن، زیرسیستم محاسباتی Lumex (مخفف CSS) را نیز معرفی کرد. پیش از این، شرکت‌هایی مانند مدیاتک و سامسونگ طرح‌های CPU و GPU را از ARM دریافت می‌کردند و سپس با ترکیب آن‌ها یک تراشه کامل می‌ساختند، اما Lumex CSS یک راه‌حل آماده و جامع است.

ویژگی‌های زیرسیستم محاسباتی Lumex آرم

آرم هنوز قصد ورود مستقیم به بازار فروش تراشه‌ها را ندارد، بلکه این شرکت پیاده‌سازی‌های کاملاً آماده را برای تولید در لیتوگرافی 3 نانومتری چندین کارخانه نیمه‌هادی طراحی کرده است. بنا به گفته ARM، شرکای سیلیکونی و تولیدکنندگان تجهیزات می‌توانند این پیاده‌سازی‌ها را همچون بلوک‌های ساخت انعطاف‌پذیر مورد استفاده قرار دهند و تمرکز خود را بر ایجاد تمایز در سطح خوشه‌های CPU و GPU قرار دهند.

CPU
مزیت اصلی
افزایش کارایی و بهره‌وری
کاربردهای ایده‌آل

C1-Ultra
اوج عملکرد پرچمدار
افزایش 25 درصدی عملکرد تک‌رشته‌ای و افزایش دو رقمی در IPC سالانه
استنتاج مدل‌های بزرگ، عکاسی محاسباتی، تولید محتوا، هوش مصنوعی مولد

C1-Premium
عملکرد مشابه C1-Ultra با بهره‌وری فضایی بیشتر
35 درصد مساحت کوچکتر از C1-Ultra
بخش‌های موبایل زیر پرچمدار، دستیارهای صوتی، چندوظیفگی

C1-Pro
عملکرد پایدار
16 درصد عملکرد پایدار بیشتر
پخش ویدیو، استنتاج در حال استریم

C1-Nano
بسیار کم‌مصرف
26 درصد بهره‌وری بیشتر، با استفاده از مساحت کمتر
پوشیدنی‌ها، کوچک‌ترین فرم‌فکتورها

بنابراین هیچ طرح ثابتی وجود ندارد، اما اجزا قابلیت شخصی‌سازی دارند. واحد C1-DSU این امکان را فراهم می‌آورد که طراحی‌هایی با 1 تا 14 هسته CPU و با استفاده از حداکثر سه نوع هسته مختلف از میان چهار گزینه C1-Ultra، C1-Premium، C1-Pro و C1-Nano ایجاد شود. در بخش پردازنده گرافیکی، Mali-G1 می‌تواند بین 1 تا 24 شیدر مقیاس‌پذیری داشته باشد.

آرم برای برتری Lumex نسبت به طراحی‌های سفارشی گذشته بهره برده است. اتصال‌دهنده سیستمی L1، حافظه کش سطح سیستم (SLC) را در تراشه نگهداری می‌کند و در مقایسه با طراحی‌های متداول رم، 71 درصد کاهش نشت انرژی دارد که باعث کمینه شدن مصرف توان در حالت آماده‌به‌کار می‌شود. همچنین واحد مدیریت حافظه (MMU) L1 امکان مجازی‌سازی ایمن و مقرون‌به‌صرفه را فراهم می‌آورد که معمولاً برای اجرای هم‌زمان چند سیستم‌عامل روی یک سخت‌افزار به کار گرفته می‌شود.

یک خوشه محاسباتی CPU از سری C1 به طور میانگین 30 درصد کارایی بالاتر در شش بنچمارک استاندارد صنعتی به دست آورده است. در حوزه‌هایی مانند اجرای بازی و پخش ویدئو، به طور میانگین 15 درصد سریع‌تر عمل می‌کند و در سایر وظایف نظیر مرور صفحات وب و شبکه‌های اجتماعی، به طور میانگین 12 درصد بهره‌وری بیشتری نسبت به طراحی‌های پیشین ARM دارد.

اگر بر سخت‌افزار سطح بالا تمرکز کنیم، پردازنده C1-Ultra بهبود دو رقمی در تعداد دستورالعمل به ازای هر سیکل (IPC) نسبت به Cortex-X925 ارائه می‌دهد. پردازنده گرافیکی Mali-G1 Ultra نیز در رسترایزیشن 20 درصد بهتر و در پردازش پرتوها دو برابر سریع‌تر از Immortalis-G925 است.

افزونه جدید Scalable Matrix Extension 2 یا SME2، بخش مرکزی تلاش آرم برای افزایش کارایی هوش مصنوعی روی دستگاه است. پردازنده‌های جدید در این بخش تا 5 برابر سریع‌تر و تا 3 برابر کارآمدتر از طراحی‌های قبلی عمل می‌کنند. علاوه بر این، پردازنده گرافیکی G1 در استنتاج 20 درصد بهبود نسبت به نسل گذشته نشان می‌دهد.

شرکای کلیدی صنعت نیز دیدگاه‌های خود را درباره این فناوری ارائه کرده‌اند. ناگ هی سئونگ، معاون و رئیس تیم توسعه IP واحد SOC در سامسونگ الکترونیکس، گفت:

در سامسونگ بسیار خرسندیم که همکاری خود با ARM را با بهره‌گیری از پلتفرم زیرسامانه محاسباتی این شرکت برای توسعه نسل بعدی محصولات پرچمدار موبایلی ادامه می‌دهیم. این شراکت به ما اجازه می‌دهد مرزهای هوش مصنوعی روی دستگاه را جابه‌جا کرده و تجربه‌هایی هوشمندتر، سریع‌تر و بهینه‌تر را برای کاربران خود ارائه دهیم.

شرکت آنر اعلام کرد:

ماموریت ما این است که تجربه‌های ممتاز را به طیف گسترده‌تری از کاربران عرضه کنیم، به‌ویژه از طریق گوشی‌های هوشمند میان‌رده و بالارده. با استفاده از پلتفرم Arm Lumex CSS می‌توانیم عملکرد روان، قابلیت‌های هوش مصنوعی هوشمند و بهره‌وری انرژی برجسته‌ای ارائه دهیم که سطح تجربه روزمره موبایلی را ارتقا می‌دهد.

ایلیان مالچف، مهندس نرم‌افزار ارشد اندروید در گوگل، گفت:

سخت‌افزار مبتنی بر SME2 امکان اجرای مدل‌های هوش مصنوعی پیشرفته‌تر همچون Gemma 3 را مستقیماً روی طیف وسیعی از دستگاه‌ها فراهم می‌کند. با گسترش SME2، توسعه‌دهندگان موبایل قادر خواهند بود نسل جدید قابلیت‌های هوش مصنوعی را به‌طور یکپارچه در سراسر اکوسیستم‌ها پیاده‌سازی کنند. در نهایت، این روند به کاربران تجربه‌هایی با تأخیر کم ارائه می‌دهد که به شکلی فراگیر در گوشی‌های هوشمند در دسترس خواهند بود.

منبع خبر