您可能会发觉每年到了这个时候，我们都会开始讨论最新的高端GPU。2017年也不例外，ARM Mali团队宣布Mali-G72加入高端GPU产品系列。
2017年高级移动设备GPU
跟随去年Mali-G71的脚步，ARM今年在Computex2017 大会上发布了基于Bifrost 架构的Mali-G72，在更小面积与更低功耗的基础上，提供更强大的效能。Mali-G72不仅能应用到高保真手机游戏以及机器学习设备，还能将VR能力提升至全新境界。采用Mali-G72的设备，整体图形性能是前一代的1.4倍，无论业界要推出多么炫酷的应用，Mali-G72都已做好准备迎接挑战。
• Mali-G72 的亮点:
o 相较现有产品，设备性能提升40%
o 能效提升25%，芯片面积效能提升20%
o 机器学习效率提升17%
o 众多针对Bifrost的优化，包括缓冲记忆、区块拓展性，L1 缓存尺寸
o 相较现有产品，设备性能提升40%
o 能效提升25%，芯片面积效能提升20%
o 机器学习效率提升17%
o 众多针对Bifrost的优化，包括缓冲记忆、区块拓展性，L1 缓存尺寸
高保真移动游戏崛起
移动端设备高保真游戏的崛起是催生Mali-G72的重要力量。尽管《糖果传奇》(Candy Crush)等简单游戏仍有庞大市场，但复杂的游戏却也在不断地创收，中国移动游戏产业43%的收入都是由此而来。例如Digital Legends公司的个人射击游戏《电磁风暴》(Afterpulse)，在过去是不可能出现在移动平台上的。高顶点数所需的耗电量、众多图形命令、更复杂的顶点与像素着色器，以及诸如动态阴影等先进的图形效果，对于过去而言，实在是要求过高，且会降低质量与游戏时间。我们与生态系统内的伙伴和开发商共同探讨，通力合作，确保我们的产品能满足他们的不同需求。ARM与Digital Legends的合作能支持最新的图形技术，并搭配ARM的优化工具以实现效能与效率最大化，与Mali-G71相比，Mali-G72写入带宽可节省42%。加上使用像素本地储存(PLS)，可以再额外节省45%，让整体写入带宽一举节省68%。此类合作造就了Mali-G72的各种创新，并让移动游戏商得以实现如《电磁风暴》般的多功能游戏。
* Newzoo 对营收排名前200名的游戏所进行之研究
支持下一代虚拟现实
虚拟现实也在不断发展，所以ARM 也要不断精进自己的技术，在市场中继续保有领先地位。超过50%现有的移动VR设备由Mali驱动，而搭载Mali的Mate 9，是市面上第一个取得Daydream平台认证的VR设备之一，因此，我们首要任务是继续推动创新。你或许曾见过ARM最近在2017 游戏开发者大会(GDC)中发布的Circuit VR展示，我们正致力开发移动Multiview等技术，以降低多次绘制同一图形的额外负担–就如同你通常会在VR环境中做的事一样(实际上你的两只眼睛需要一个完整的渲染绘制)。另外还要加上注视点渲染技术，也就是你只会看见与视网膜在一直线上的高解析影像，而当你突然需要渲染绘制四个或更多视野时，Multiview就真正派上用场了。其他像多重采样抗锯齿(MSAA)等技术则会让线条的某一边增加融入像素，使其看起来比较平滑，以降低VR头盔在近距离空间内偶尔会看到的锯齿效果。Mali-G72在最低的效能成本下，可达成8倍或16倍的MSAA。上述所提，当然是基于现存的创新科技，包括全调适纹理压缩技术(ASTC)，让我们能整合高质量的纹理，且不需要与带宽进行妥协。
优化设备上的机器学习
如前所述，机器学习也是另一关键移动的使用案例，如今，机器学习通常在云端上进行，运用训练神经网络的大量数据集实现智能连接，但越来越多的数据也需要在设备端进行，比如像翻译这样的简单任务，通过云端持续传送大量数据，不但增加成本，而且速度也很慢。我希望智能手机能在我需要的时候干我所想；如果连接或数据传送需要等很长时间，那么这个设备再好我也不太想用，这也是为何业界开始研究“将机器学习界面放到设备本身”的原因。华为已预料到会有这种需求，以飞快的速度在八个月内推出搭载Mali-G71的Mate 9。在这款手机上，机器学习算法会找出你最常用的应用程序，，并对其能耗性能进行优先设置，保证实现最优性能。基于Bifrost架构的Mali-G71已经相当擅长机器学习界面，如下图表－ 华为Mate 9搭载Mali-G71 MP8在执行AlexNet时，比具有类似图形性能的低阶独立显卡还要快上87%。
而Mali-G72性能更好，我们之前讨论的算法优化及增加的高速缓存已经非常成熟，借由此大幅降低带宽，Mali-G72可以实现机器学习最大的效率与效能。我们是如何实现的呢？
Bifrost 架构的创新
除了继续保持Bifrost最主要的高效能特色，像是CPU与GPU彼此间完整的系统一致性、索引式定位着色器等，Mali-G72同时还有多项新武器。优化算法效率以及强化复杂的图形性能与可扩展性，让Mali-G72 成为明年横跨智能手机、虚拟现实、机器学习与其它高端移动产品中的最佳选择。看看ARM实际上在其中做了哪些改进？
ARM增加了区块缓冲存储器(tile buffer memory)，以便让GPU在每个运行区块(tile)支持更多的储存空间。这可在轻负载情况下提升数据吞吐量，也让多重采样抗锯齿(MSAA, Multi Sample Anti-Aliasing)与像素本地储存(PLS, Pixel Local Storage) 技术获得更佳的利用率，同时也显著提升效能与视觉质量。我们也重新平衡了执行引擎的数据路径，以移除某些鲜少使用的指令，并以更简单的指令顺序取而代之，以便降低使用面积与耗电，为我们的合作伙伴降低实施成本，并提升整套系统的效率。为了支持更高的图形复杂性，ARM已针对更多复杂运算进行优化，例如最频繁使用的互反平方根，并增加区块的缓存以加速数据存取。这些改变能改善高效能系统的性能扩展能力，同时也提供终端使用者更佳的图形体验。为了进一步降低带宽，ARM同时增加了一级缓存与写回缓存的大小，同时也改变指令缓存逻辑，以便在不增加整体面积与耗电情况下进行更佳利用，并减少对复杂内容产生的缓存遗漏情况。对于合作伙伴而言，如此细心地在效能与效率间取得平衡，对某些应用是极为重要的。
总结
比起前一代产品，这款基于Bifrost架构的Mali-G72实现了多种创新，包括效能提升25%、每平方毫米的芯片面积效能提升20%，以及机器学习效率提升17%。除此之外，它还能让整体设备效能提升40%。Mali-G72在明年高端智能手机的表现超出预期已指日可待。
比起前一代产品，这款基于Bifrost架构的Mali-G72实现了多种创新，包括效能提升25%、每平方毫米的芯片面积效能提升20%，以及机器学习效率提升17%。除此之外，它还能让整体设备效能提升40%。Mali-G72在明年高端智能手机的表现超出预期已指日可待。
