DynamIQ 技术背景

2017年3月21日下午，ARM在北京金隅喜来登酒店召开发布会，正式发布了全新的有针对人工智能及机器学习进行优化的DynamIQ技术，ARM 称 DynamIQ将是下一代计算革命的开始，将重新定义计算，可以覆盖覆盖从端到云的安全、通用平台。将被广泛应用于汽车、家庭以及数不胜数的各种互联设备，这些设备所产生的数据会在云端或者设备端被用于机器学习，以实现更先进的人工智能，从而带来更自然、更直观的用户体验。

DynamIQ技术详解

自 2011 年 ARM big.LITTLE 技术推出以来，它已经成为了目前运用非常广泛的多核架构技术。而 DynamIQ 技术则是big.LITTLE 技术的重要演进。

原有的 big.LITTLE 技术是将多个大核组成一个计算集群(cluster)、多个小核组成另一个cluster，然后进行协作运行。而全新的DynamIQ big.LITTLE将允许在单一cluster中进行大小核配置，可以出现比如1+3、1+7、3+5等诸多类型，将可配置性提升到了一个新的台阶。

有了DynamIQ，我们可以将不同类型的core放到一个cluster中。比如，将性能高的core，和功耗低的core放进一个cluster。如果没有DynamIQ，我们是将其放在2个不同cluster中的。最常见 4个Cortex-A72 核与4个Cortex-A53核，或者4个Cortex-A53与另外的4个Cortex-A53核配对。

同时，DynamIQ big.LITTLE还可以对每一个处理器进行独立的频率控制以及开、关、休眠状态的控制，可以实现高效的、无缝的在不同任务间切换最合适的处理器。

在 big.LITTLE架构中，要求 big 处理器和 LITTLE 处理器位于不同的 cluster内，big处理器 cluster 和LITTLE 处理器 cluster 通过Cache Coherent Interconnect（CCI）进行数据传输，因此会不可避免地带来传输延迟，引起整体性能下降。DynamIQ big.LITTLE 不仅可以在单一cluster上进行大小核配置，同时也可以通过结合Corelink等技术，实现多个cluseter的组合，而这也意味着，未来可能会出现一个（5+3）的大核 cluster +一个（2+6）小核cluster或者更多的四五个cluster的架构。

与 big.LITTLE 技术不同，DynamIQ技术支持了将 big 处理器、LITTLE处理器和DynamIQ Shared Unit (DSU)集成在同一个cluster中，称为DynamIQ cluster，每个芯片可以集成多个DynamIQ cluster；在同一个cluster内，big处理器和LITTLE处理器的数据传输不必依赖big.LITTLE架构中的Cache Coherent Interconnect（CCI）硬件，而是通过DSU中的L3 Cache实现，从而简化了big处理器和LITTLE处理器间任务切换的数据共享复杂度，改善了传输延迟性能，提高了能效。

ARM V8.2 开始支持DynamIQ技术。而对于芯片设计厂商来说，DynamIQ技术也并不会带来芯片设计上太大的变动。同时在IP授权模式上也将会与ARM以往的策略一样。

DynamIQ 与 big.LITTLE

与 big.LITTLE技术相比，DynamIQ技术具有以下区别及相应的优势：

• 同1个DynamIQ cluster内支持同时集成big处理器和LITTLE处理器，最多集成8个不同种类的处理器，从而使得big处理器和LITTLE处理器的配置数量更加灵活；
• 同1个DynamIQ cluster内不同处理器的工作电压和频率可以通过DSU进行单独配置，有利于提高能效；
• 在保证高性能的同时，进一步提高了芯片能效。

DynamIQ cluster 分类

在DynamIQ技术中，根据包含的big处理器和LITTLE处理器种类情况，DynamIQ cluster分为3种类型：

• 包含big处理器和LITTLE处理器；
• 只包含LITTLE处理器；
• 只包含big处理器。

下面是包含 big处理器和LITTLE处理器的DynamIQ big.LITTLE system以及只包含LITTLE处理器的DynamIQ system示意图。

硬件支持

DynamIQ技术的基本组成单元是DynamIQ cluster，DynamIQ cluster包括CPU和DSU。DSU被DynamlQ cluster内的所有CPU共享使用，其由异步桥、L3Cache、外设和接口总线、功率管理单元等部分组成。

DynamIQ为什么适合人工智能？

ARM前面强调了DynamIQ技术将会被广泛的用于人工智能和机器学习领域，那么它在这些方面到底有何优势呢？

首先，全新的DynamIQ big.LITTLE架构就非常适合人工智能和机器学习的。以语音识别为例，当需要唤醒设备时，这个时候关键词激活设备，只需要启动一个小核就可完成，而随后的语音识别就会立刻需要性能更强的核心；如果是面部识别则可能设备一开始就需要更强的性能，而当识别完成后，工作则迁移至小核。不难看出，人工智能对于大小核之间的调配、无缝切换都要求很高，显然全新的DynamIQ big.LITTLE架构是非常适合的，将会为机器学习和人工智能应用带来更快的响应速度。

其次，DynamIQ还特别加入了针对人工智能的指令集和优化库，下一代ARM V8.2版本的指令集将支持神经网路卷积运算，可以极大的提升人工智能和机器学习的效率。

推荐阅读：
https://www.sohu.com/a/129661515_128469