从游戏设备到数字电视，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。为此，Arm宣布将推出两款面向机器学习量身打造的新产品Ethos－N57与Ethos－N37 NPU，以及最新的Mali－G57 GPU与Mali－D37 DPU。
在近日于上海举办的一场媒体沟通上，Arm市场营销副总裁Ian Smythe表示：“在Arm的整个产品线以及开发战略体系之下，我们希望我们全部的设备和主流产品都能提供卓越的产品体验及客户体验。只有这样，我们才能满足整个市场上更多用户的核心需求以及他们对性能的要求。”
图：Arm市场营销副总裁Ian Smythe（右）与Arm ML事业群商业与营销副总裁Dennis Laudick（左）。
Ethos NPU家族又添新成员
继发布瞄准高端市场的NPU处理器Ethos－N77后，Ethos NPU家族又添加了针对中端及入门级市场的Ethos－N57与Ethos－N37两位新成员。Arm Ethos产品组合旨在解决AI与ML（机器学习）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。
据介绍，Ethos－N57与Ethos－N37的设计理念包括一些基本原则：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％。
Arm ML事业群商业与营销副总裁Dennis Laudick表示，近期我们发布了很多全新的产品及相关解决方案，主要的目的就是使Arm全线产品都能提供机器学习及相关的卓越性能。同时他强调，不管是开发什么样的处理器产品，只要涉及到人工智能、算法以及处理能力，数据都是核心，这也是Arm设计这三款产品时最先考虑的。
“我们必须在提高产品处理性能之前，确保数据处理和数据管理能力。这三款Ethos产品都集成了非常完整的智能数据管理系统，这也是三款架构以及产品设计的核心所在。同时我们针对相关用户需求做了核心优化，并大幅提高了全系列产品的核心性能及能效。”他谈到。
Mali－G5将智能与沉浸式体验带到主流市场
同时，Arm全新推出的Mali－G57 GPU，这是其首款基于Valhall架构的主流图形处理器，将能够把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。
据悉，与Mali－G52相比，Mali－G57各种内容都能达到1．3倍的性能密度；同时，Mali－G57的能效比提升了30％，使其电池寿命更长；此外，Mali－G57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。
值得注意的是，Arm最近与全球领先的3D内容构建商Unity宣布达成战略合作，以确保3D应用程序（例如游戏和娱乐）在使用ARM架构的硬件上流畅运行。
“基于这项合作，我们将Arm的整体工具包括解决方案预置在Unity的引擎和平台之上，通过这个完整的集成，可以帮助Unity的开发者和使用者充分并且非常简单地获得Arm全系列产品的最高性能。此外，在设计以及工程层面，我们也可以帮助开发者面向Arm的CPU、GPU和NPU进行更加量身定制的优化。”Ian Smythe介绍到。
Mali－D37大幅提升小屏设备视觉体验
据介绍，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1 mm2；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。
机器学习需求将从通用转向专用
同时，Ian Smythe谈到，针对不同的人工智能应用以及机器学习的工作负载，CPU、GPU、NPU等不同的处理器是各司其职的，但在不同的场景和任务模式下，在效能、处理效率和性能上，可能会存在一定波动范围。
根据Arm对于市场的理解以及相关市场反馈，目前市场上绝大多数需求都是对于通用型机器学习的需求。而Arm的各类产品虽然针对的是不同的目标市场，但是产品本身非常灵活。以CPU为例，它可以适用于不同的机器学习应用场景。至于机器学习工作负载方面，Arm则提供不同的算法提供支持，只有这样，才能在正确的时间正确的地点部署正确的解决方案，从而实现正确的负载并由此满足性能要求。
Dennis Laudick对此表示，“Arm内部有着完整的算法分析工具，目前已经应用于CPU和GPU产品，未来这项功能也将加入到NPU产品中。由此，我们将可以更加标准化地提高性能。对于开发者而言，这将带来巨大益处，我们可以帮助他们使用这套分析工具，更加完整地去实现优化，并且有的放矢地针对自己的工作负载去提高性能。”
最后，Ian Smythe指出，“虽然现在绝大多数还是通用型机器学习的需求，但在未来市场一定会朝着更加细分的市场去发展。届时，Arm也一定会开发更多专用产品来满足这部分市场需求。”
