1、引言

上一篇文章我們介紹了Arm的Cortex-X1至Cortex-X3系列處理器，2023年的5月底，Arm如期發布了新一年的處理器架構，分別為超級大核心Cortex-X4，大核心A720和小核心A520。在智能手機行業，Arm始終保持每年一迭代的處理器架構升級節奏，讓用戶可以不斷體驗到最先進的產品設計。本文主要介紹了2023年的新處理器架構的變化，重點分析變化較大的Cortex-X4核心，并探討今年核心處理器架構有哪些值得關注的改變。

2、整體介紹

從Arm的宣傳數據可以看出，今年的三款處理機架構側重點有所不同，Cortex-X4主打性能提升，相比上一代Cortex-X3提升15%的性能，A720和A520則偏重能效改善，相比上一代A715和A520分別改善20%和22%的能效。值得注意的是今年的處理器沒有升級工藝，這些數據應該是基于相同工藝計算而來的（例如TSMC 4nm）。

除了新的處理機架構，Arm在今年還帶來了全新的Armv9.2指令集，包括新的QARMA3 PAC算法、浮點能力增加和PMU增強等，最關鍵的變化是今年Arm計劃完全拋棄32bit應用的支持，三個新的核心均不兼容32bit應用。

今年Arm還更新了DSU120模塊，用來更好管理處理器核心之間的數據，并支持最多達14核心和最多32MB的L3緩存設計。從下面這張圖可以看出來，今年的處理器設計也有明顯變化，去年高通8Gen2處理器采用了1+4+3架構，今年我們會看到更少小核心的1+5+2架構（參考鏈接3，高通8Gen3處理器），多核心性能有大幅度提升。

3、Cortex-X4微架構分析

Cortex-X4的代號是Hunter-ELP，下圖是X4的微架構圖，第一感覺是變“大”了，X4的核心變得越來越大，如果大家看過前幾篇文章，應該可以感覺到這個微架構設計越來越像另外一款行業領先處理器，殊途同歸，最優秀的設計往往只有一個選擇，下面我們會詳分析今年的核心改變。

在前端設計上，X4取消了L0級別的MOP Cache，注意這個變化從大核心A715就開始了，這是一個大的改變，也側面說明MOP Cache的成本可能真的很高，在先進工藝中不經濟。為了彌補取消MOP Cache的影響，X4這次將Decoder的數量從6個增加到了10個。上一代X3，如果從MOP Cache取數據是8-wide，從L1取數據是6-wide，這次的X4則統一是10-wide。在流水線長度上，X3如果從L1取數據是11級，從MOP取數據是9級，這次由于取消了MOP，X4特意優化了流水線，從L1取數據從11級降到了10級。

在后端設計上這次X4同樣變化不少，特別是運算單元，增加了1個新的Branch單元，2個新的ALU單元，并且提供了第二個完整的 MAC ALU單元，這些對于整體性能的提升都有顯著幫助。

為了支撐新增的10個decoder和運算單元，X4的重排序緩沖（ROB）的尺寸也從320提升到384，提升了20%。

在存儲模塊方面，Arm重新調整了Load和Store單元的數量，X3有個LS AGU和1個LD AGU，X4則調整為1個 LS AGU，2個LD AGU和1個ST AGU。從3個AGU提升到4個AGU，但是功能稍有差異。此外，像L1的d-TLB，也從48提升到了96，增強了數據的處理能力。

這次X4核心還有一個特點是支持更大的L2緩存，從X3的最大支持1MB提升到X4最大支持2MB，根據Arm給出的數據顯示，2MB的L2緩存可以有效降低每千條指令的重填充和寫回率，不過由于增加緩存會增加成本，不一定所有廠商都愿意增加到最大的緩存尺寸。

從X4的整體性能數據看，Sepcint2K7提升達到了2位數，Geekbench系列的提升在6-8%之間，只有個位數的提升，推測Geekbench對于L2不是很敏感，而對于L2緩存依賴的Sppdometer2這個benchmark提升比較明顯，注意這里面的測試數據使用2MB的L2測試得出的。

此外Arm資料顯示X4的典型CPU頻率可以跑到3.4G左右，雖然廠商實際處理器頻率還沒有確認，但是從上一代天璣9200+運行在3.35G推測，3.4G應該是4nm能達到的一個比較高的頻率水平。

總結下Cortex-X4的關鍵改變：

1、取消了MOP Cache；

2、Decoder數量從6個提升到10個；

3、流水線統一為10級；

4、Branch單元從2個提升到3個；

5、ALU單元從6個提升到8個；

6、AGU單元增加了一個且功能有調整；

7、ROB尺寸從320提升到384；

8、L1的d-TLB從48提升到96；

9、最大支持的L2緩存從1MB提升到2MB；

10、不支持32bit。

整體性能上Sepcint2K7參數有13%-14%的提升。

4、A720微架構分析

上一節我們列舉了10條X4內核的微架構變化，相比X4的大動作，A720和A520的變化則沒有那么大，但也有些值得我們研究和探討。

首先我們來看下A720，A720的代號叫做Hunter，A720的設計目標是比A715提升20%的能效，在同樣的功耗下，A720可以提供更強的性能。

A720的的微架構整體和A715差異不大，Arm并沒有增加fetch-decode寬度，也沒有增加諸如ROB尺寸之類的優化，而是進一步深入到微架構的細節調整以優化能效。

在前端設計上，A720持續優化分支預測能力，通俗的說就是走一步看兩步的能力。A720的分支預測錯誤的恢復周期從12降低到11周期，這個優化對于實際用戶場景中無法準確預測的案例很有幫助。在分支預測能力上，A710的大核心每周期可以預測2個unconditional分支，A715額外支持了conditional分支，A720則進一步進行了優化了功耗，Arm宣稱可以在不影響性能的情況下降低功耗。

在后端設計上，A720通過管線化排序FDIVFSQRT單元（除法和開方），提升指令執行能效。同時，A720優化了數據在整型和浮點單元的傳輸效率，降低數據傳輸的延遲和存儲數據的延遲。A720還改進了發射隊列和執行單元，簡化網點到AGU的數據傳輸等。

A720在存儲模塊上有一個較為明顯的優化是降低了L2訪問的延遲，從10個周期降低為9個周期，對于訪存多的場景會比較有幫助。另外A720支持的最大L2緩存數量還是512KB。

最后介紹一個A720在今年最大的變化，今年Arm的A720不是一個人，是一對雙胞胎，Arm提供了另外一個A720min（暫時這樣叫）的核心。這個核心和A720不同，在面積上做了一定的削減，整體核心面積大小和A78接近，性能上也弱于A720，但是比A78強10%左右。總結，A720min的面積和A78接近（耗電也應該接近），性能比A78強10%，屬于A720的一個分支。

最后簡單總結下A720的關鍵改變：

1、分支預測錯誤的恢復周期從12降低到11周期；

2、L2訪問延遲從10個周期降低為9個周期；

3、提供了一個A720min的選擇，面積和A78接近，性能比A78強10%。

5、A520微架構分析

我們來看一下小核心A520，A520小核心的代號叫做Hayes，依然不支持亂序執行，設計相對簡單，主打能效改善。A520依然繼承了A510的2個小核心拼接在一起共享SIMD單元的設計，這次的A520也是僅支持64bit，不再支持32bit。A520提供了新的QARMA3 PAC算法，旨在將PAC的影響降低到1%以內。

相比A510，A520為了提升能效還做了減法，主要的變化是減少了一個執行單元的ALU。A510有3個ALU，A520只有2個。當然，Arm說通過全局的優化有將性能的損失彌補回來，從Arm提供的數據上看，A520在相同的性能下，功耗可以降低22%；在相同的功耗下，性能可以提升約8%，我們也會實際測試看看。

可惜，8%的性能提升相比旗艦處理器的需求還是有一定差距，我們看到在今年的旗艦處理器設計上，芯片廠商在繼續減少使用A520小核心，甚至有的廠商完全沒有使用A520小核心。

6、DSU120分析

最后我們來看一下用于協調處理器核心和緩存的DSU模塊，Arm升級了最新的DSU120模塊，可以在一個Cluster內支持最多14個核心，并且支持最多32MB的L3緩存管理。

DSU120提供了一個有價值的功能，隨著L3緩存越來越大，靜態漏電也成為一個需要考慮的影響因素，會影響手機的待機耗電場景。DSU120提供了一個L3部分關閉的功能，在一些不需要使用那么大緩存的場景，關閉部分L3緩存，可以減少靜態漏電。

7、總結

本文主要分析了Arm公司于2023年最新發布的Cortex-X4、A720和A520等處理器架構。今年是Arm公司發布的第四代X系列處理器，通過前面的分析，我們可以看到Arm在不斷提升其核心處理器的計算性能，挑戰業內最先進的架構設計。同時，Arm也通過優化A720、A520的能效，給用戶提供在芯片能效上更有競爭力的產品組合。

2023年，芯片廠商也不滿足傳統的核心搭配，開始了減少小核心，增加大核心的架構升級。我們今年可以看到更多的多大核心SOC設計，在多核心性能上有了進一步的提升。無疑，2023年的處理器競爭會更加激烈，多大核心的引入也需要警惕功耗和發熱增加的風險，作為芯片和智能設備終端的開發者，需要充分了解處理器架構，通過合理的軟硬件調度設計，將芯片的能效優化到最佳，給用戶提供最佳且可持續的性能表現。