ARM, nuovi processori più potenti e con maggiore autonomia

Novità in arrivo da ARM. Tre nuovi dispositivi che usciranno molto probabilmente nel 2018: Cortex-A75, Cortex-A55 e Mali-G72. Saranno dorati di nuovi processori in grado di fornire prestazioni paragonabili a quelle di un computer portatile, senza però incidere sui consumi e quindi permettendo di allungare notevolmente l’autonomia.

ARM, nuova architettura DynamIQ

Saranno tutti dotati dell’architettura DynamIQ annunicata da ARM a marzo. Si tratta di un’evoluzione di big.LITTLE. Ma di che cosa si tratta? I nuovi dispositivi non avranno più quattro core di un tipo e quattro di un altro, ma tanti core diversi per gestire al meglio operazioni complesse e non. Questa architettura andrà a incidere anche sulle prestazioni e ridurrà anche i consumi.

ARM, che cosa cambia con i nuovi processori

Durante l’ARM Tech Day 2017 l’azienda britannica che dall’estate scorsa è di proprietà della giapponese Softbank, ha illustrato i nuovi aspetti di DynamIQ. La struttura è così composta: ogni cluster di core è collegato a una DSU (DynamIQ Shared Unit). All’interno di un SoC possono esserci più DSU. Ogni DSU è dotata di collegamenti asincroni con i cluster, in modo da permettere ai core di lavorare a frequenze differenti dal resto del SoC e dagli altri cluster di core.
Si riducono anche i consumi perché DinamIQ permette di regolare la frequenza o spegnere singoli core nel cluster.

ARM, in arrivo tre nuovi dispositivi

Cortex-A55 è il successore del dispositivo di successo Cortex-A53. L’azienda britannica stima consegne per 1,7 miliardi di chip dotati di core A53. Oltre a Cortex-A55, la società debutterà sul mercato anche con Cortex-A75 e la GPU Mali-G72.

Cortex-A75 è più piccolo del precedente A73, mentre è 2,5 volte più grande di A55. ARM promette un miglioramento delle prestazioni del 22% rispetto ad A73.

Mali-G72 debutterà tra la fine dell’anno e l’inizio del 2018, come le due nuove soluzioni Cortex. ARM ha migliorato prestazioni ed efficienza rispetto a G71. Si parla di un’efficienza del 17% in più con processi di machine learning.