全新Arm IP为主流市场带来智能沉浸式体验

北京–2019年10月23日—曾经只是高端设备专属的沉浸式体验，如AR、高保真游戏与以AI为基础的全新移动与家庭应用案例，目前也逐渐成为主流市场的需求。让开发人员能够使用针对日常设备优化的高性能AI与媒体IP解决方案，可以赋能新的AI驱动应用案例，提供包括语音识别与always-on在内的功能，告别这些功能由移动设备所独享的时代。

从游戏设备到数字电视(DTV)，人工智能已经无所不在，但要促成这些响应式体验，端点必须具备更强的计算能力。例如，数字电视的智能体验，包括智能助理语音指令、节目实时翻译，以及人脸辨识以强化家长监护。

为了达成这些功能，Arm宣布将推出两款全新的主流ML处理器，以及最新的MaliGPU与DPU。这些IP的集成代表着Arm有能力根据需求调整产品，把高端的体验带入消费者高效的日常生活设备中。这套全新IP套件包括：

Ethos-N57 and Ethos-N37 NPUs：让AI应用成为可能并在ML的性能与成本、面积、带宽与电池寿命之间达成平衡。

Mali-G57 GPU：第一款基于Valhall架构的主流GPU，可透过性能提升带来沉浸式体验。

·Mali-D37 DPU：以最小的芯片面积达成丰富的显示功能，成为入门设备与小型显示屏幕最适合的显示处理器(DPU)。

Ethos-N57与Ethos-N37 NPUs：提供真正的异构计算

继Arm ML处理器(现称为Ethos-N77)发布后，Ethos NPU家族又添加Ethos-N57与Ethos-N37两位新成员。Arm Ethos产品组合旨在解决AI与ML复杂运算的挑战，以便为日常生活设备创造更为个性化与沉浸式的体验。由于消费者的设备越来越智能化，通过专属的ML处理器提供额外的AI性能与效率，是非常有必要的。全新的Ethos对成本与电池寿命最为敏感的设计进行优化，NPU可以为日常生活设备带来优质的AI体验。

Ethos-N57与Ethos-N37的设计理念包括一些基本原则，例如：

·针对Int8与Int16数据类型的支持性进行优化

·先进的数据管理技术，以减少数据的移动与相关的耗电

·通过如创新的Winograd技术的落地，使性能比其他NPU提升超过200%

此外，Ethos-N57的功能还包括：

·旨在提供平衡的ML性能与功耗效率

·针对每秒2兆次运算次数的性能范围进行优化

Ethos-N37的功能还包括：

·为了提供面积最小的ML推论处理器(小于1平方毫米)而设计

·针对每秒1兆次运算次数的性能范围进行优化

更多有关Ethos-N57与Ethos-N37 NPU资料，请参阅Arm blog。

Mali-G57：为普罗大众带来智能与沉浸式体验的GPU

Mali-G57，将优质的智能与沉浸式体验带到主流市场，包括高保真游戏、媲美电玩主机的移动设备图型效果、DTV的4K/8K用户接口，以及更为复杂的虚拟现实和增强现实的负荷。这是移动市场划分中最大的一部分，而Arm最近与Unity的发布强调其基于Arm IP的片上系统(SoC)，CPU， GPU进一步的性能优化的努力，它可以让开发人员有更多的时间创造出全新的沉浸式内容。

Mali-G57关键功能包括：

·与Mali-G52相比，各种内容都能达到1.3倍的性能密度

·能效比提升30%，使电池寿命更长

·针对虚拟现实(VR)提供注视点渲染支持，且设备ML性能提升60%，以便进行更复杂的XR实境应用

更多有关Mali-G57资料，请参阅Arm blog。

Mali-D37：Arm单位面积效率最高的处理器

Mali-D37是一个在最小的可能面积上包含丰富显示与性能的DPU。对于终端用户而言，这意味着当面积成为首要考虑，在例如入门级智能手机、平板电脑与分辨率在2k以内的小显示屏等成本较低的设备上，会有更佳的视觉效果与性能。

Mali-D37关键功能包括：

·单位面积效率极高，DPU在支持全高清(Full HD)与2K分辨率的组态下，16纳米制程的面积将小于1mm2。

·通过减少GPU核心显示工作以及包括MMU-600等内存管理功能，系统电力最高可节省30%。

·从高阶的Mali-D71保留关键的显示功能，包括与Assertive Display 5结合使用后，可混合显示高动态对比(HDR)与标准动态对比(SDR)的合成内容。

更多有关Mali-D57的资料，请参阅Arm blog。

这一套全新的IP，设计时就考虑到解决方案，并吻合Arm全面运算(Total Compute)的初衷，以确保它们确实是实际体验驱动，同时针对解决未来工作负荷的复杂运算挑战进行优化。这套全新的IP提供更高的单位面积效率且更为节能，同时能提升性能、降低成本及减少上市所需的时间，为移动设备带来更高保真游戏与媲美游戏主机的体验，为DTV带来计算复杂性，并为个人化沉浸式内容带来更高的ML性能，以及消费者期待的更快反应速度。