ARM新版Mali GPU簡析：這次終于趕超高通和蘋果？

前兩天，ARM在Computex 2019大會上宣布推出新一代Cortex-A77 CPU新架構，隨之而來的還有Mali-G77 GPU。ARM Mali GPU一直以來相較高通Adreno和蘋果A系GPU，都屬短板，這讓三星和華為始終在圖形計算能力，尤其是游戲表現上比較尷尬。甚至前兩年就有傳言說華為的自研GPU很快會上線，對Mali的嫌棄并不是一天兩天了。

不過今年的Mali-G77換了新的Valhall架構，執行核心和ISA都發生了較大的變化——考慮到去年G76已經很大程度拉進了Mali與Adreno在性能和能效方面的距離，今年的G77就格外受人關注了。三星和華為手機終于要擺脫GPU孱弱的帽子了嗎？

預期：靠近蘋果，趕超高通？

由于Mali-G77尚無成品上市，現在只能看ARM給定的紙面數據，并參考去年G76的成績，以此來看G77當前的水平層級。ARM宣稱，G77相比G76在每mm²的性能方面提升1.2-1.4倍，或者說“性能密度”提升30%，以及能效提升30%（每瓦性能提升1.20-1.39倍），還有機器學習性能提升60%。

不同的廠商對于具體的GPU實施方案會存在差別，比如頻率、核心數等，所以ARM提供了性能密度提升數據作為參考。Mali-G77 GPU預期在未來的制程工藝方面并不會有多大提升，不過性能密度和能效提升自然也就意味著GPU還可以做得更小，或者說可以塞進更多核心。

考慮到整個系統未來更多的提升，如LPDDR5，ARM認為未來采用Mali-G77的設備將在峰值圖形性能方面提升40%。這里提升的40%，理應對應于G76，那么我們就可以來看一看G76是什么水平。

一般來說，歷代Mali GPU在具體實施時，拋開GPU Turbo不談，三星Exynos在硬件層面的絕對性能和能效方面是優于海思Kirin的。所以我們看看應用了Mali-G76的Exynos 9820當年的表現如何。

參考外媒AnandTech針對三星Galaxy S10的測試成績——這款手機恰好有驍龍855和Exynos 9820兩個版本。從GFXBench測試子項的曼哈頓3.1和霸王龍2.7測試中，Mali-G76和Adreno 640在峰值性能、持續性能，以及能效（每瓦幀率）方面都比較接近，雖然前者相較后者略有不及。

來源：AnandTech，其中A12分成Warm和Cold，其中Warm是指持續跑測試項目至少3分鐘后，在性能下降后測得的成績，這個狀態下的功耗成績會相對合理

Mali-G76實際上相比G72就已經完成了一次能效和性能飛躍，而且G76終于換掉了Midgard時代的texture單元，讓Mali在游戲畫質上終于達到與Adreno同一水準。那么如果G77的確像ARM宣稱的那樣，性能和能效都提升20%-40%，這對高通而言就是個大麻煩。要知道在G72時代以前，高通可是遠遠將Mali甩在身后的。或者說，在未來的G77手機設備中，三星和華為可能將徹底擺脫GPU孱弱的噩夢，只要芯片制造商能夠按照ARM的實施方案去做。

不過按照40%的上限來看，大致上也就是剛剛達到蘋果A12的水平，包括性能和能效。所以G77趕超高通是沒問題的，但要趕超蘋果，恐怕還得加把勁兒。

Valhall架構：改了什么？

做到這個程度的性能和能效飛躍，可以從Valhall執行核心，以及Mali-G77微架構層面的調整說起，尤其是前者。ARM官方提到，Valhall包含了這些特性：

- 新的超標量引擎，這是能效和性能密度提升的關鍵；
- 簡化的標量ISA，新的指令組對compiler（編譯器）更友好；
- 新的指令動態調度；
- 配合如Vulkan之類的當代API，采用新的數據結構。

實際上，Valhall架構的本質在新的執行核心。前代Bifrost架構是4-wide和8-wide設計，G72核心部分的執行模塊就包含4-wide標量SIMD單元，warp size為4；G76則增加到兩個4-wide單元，warp size為8。warp是GPU的最基本可調度單元，SIMD過程中數據處理的最小單位；在所有線程中，同時執行同一指令。

這種比較窄的warp設計，致使工作無法有效填充足夠的線程。而Valhall則將warp執行模型增加到了16-wide，這樣一來，ALU單元的利用率會提升。這是在向桌面級GPU靠攏的節奏。這也是ARM在PPT中反反復復宣傳的核心所在，我們認為這也是G77完成性能提升和多場景應用的關鍵。

另外就是執行引擎從早前的3個，合并為更大的一個。不過實際ALU管線仍然由兩部分構成，每部分有各自的16-wide FMA相應單元。類似Bifrost這樣的三引擎設計，每個執行引擎都有各自的數據路徑控制邏輯、scheduler、指令緩存等，這已經是比較老的設計方案了，相對也更浪費資源，節省空間。

除此之外，就新的ISA，Bifrost以往調度（fixed issuing）是依托于compiler的，而Valhall則降低了compiler的負荷；新版的ISA還對texture指令做了優化；針對AFBC（ARM幀緩沖壓縮）的優化等。

深入到執行引擎微架構內部，其中共有四個模塊，前端包括warp scheduler和16KB的指令緩存，兩個處理單元，還有連接加載/存儲單元和一些固定功能模塊的Message Block。前端支持最多64 warp/1024個線程；執行單元中有三個ALU，分別是FMA、CVT（轉換單元，用于基本的整數操作和類型轉換）和SFU（特定功能單元，這個單元的warp為4-wide，因為相對比較少用），這種“超標量”發射的核心變化也就相應實現了compiler的簡單化。

在執行引擎之外，shader核心在微架構層面的變動其實是不大的，其中尤為值得一提的是shader核心內部的TMU（紋理貼圖單元），其吞吐能力相較Mali-G76翻番（命中路徑吞吐翻番、未命中路徑吞吐也翻番）。Texture緩存增加到32KB，也就能夠達到16紋素/周期的吞吐。過濾單元吞吐也增加了，達到了G76的兩倍。

不過這樣一來，ALU相較texture過濾也就不是均衡分配的關系了，ARM認為當代的圖形工作任務負載是需要這種變化的。ARM宣稱，G77在texture重度游戲中的表現會很好。

再從shader核心之外來看，就不同芯片廠商可以為Mali-G77 GPU配備7-16個shader核心（每個核心一個執行引擎）；L2緩存最多可以切分成4塊，總體最多4MB大小。這些就要看不同廠商的設計了。

強化的更多應用場景：AR、ML

GPU執行神經網絡引擎的推測（inference）其實并不稀罕，不過ARM這回專門拿出來談了談。ARM在社區文章中反復宣傳其16-wide warp和一個執行引擎內的兩簇設計，每個核心每個執行引擎都有16-wide FMA單元。如前文所述，這大概是本次計算性能相較G76提升的根本所在。另外加載/存儲緩存（LSC）也有加強設計，這些帶寬方面的加強對于推動本地推測執行性能都有益處，本身也迎合edge AI的趨勢。

在此基礎上，將Mali-G77應用于更為復雜的顯示增強和機器學習場景——這都是對并行計算要求更高的場景，也就有了依據。不過在這些應用場景上，G77乃至Vallhall都可能只是個開始。

這么看來，今年的手機市場可能會更有意思，尤其華為在補齊GPU短板后，高通到底還能不能使出什么殺手锏呢？