1、引言
上一篇文章我们介绍了Arm的Cortex-X1至Cortex-X3系列处理器，2023年的5月底，Arm如期发布了新一年的处理器架构，分别为超级大核心Cortex-X4，大核心A720和小核心A520。在智能手机行业，Arm始终保持每年一迭代的处理器架构升级节奏，让用户可以不断体验到最先进的产品设计。本文主要介绍了2023年的新处理器架构的变化，重点分析变化较大的Cortex-X4核心，并探讨今年核心处理器架构有哪些值得关注的改变。
2、整体介绍
从Arm的宣传数据可以看出，今年的三款处理机架构侧重点有所不同，Cortex-X4主打性能提升，相比上一代Cortex-X3提升15%的性能，A720和A520则偏重能效改善，相比上一代A715和A520分别改善20%和22%的能效。值得注意的是今年的处理器没有升级工艺，这些数据应该是基于相同工艺计算而来的（例如TSMC 4nm）。
除了新的处理机架构，Arm在今年还带来了全新的Armv9.2指令集，包括新的QARMA3 PAC算法、浮点能力增加和PMU增强等，最关键的变化是今年Arm计划完全抛弃32bit应用的支持，三个新的核心均不兼容32bit应用。
今年Arm还更新了DSU120模块，用来更好管理处理器核心之间的数据，并支持最多达14核心和最多32MB的L3缓存设计。从下面这张图可以看出来，今年的处理器设计也有明显变化，去年高通8Gen2处理器采用了1+4+3架构，今年我们会看到更少小核心的1+5+2架构（参考链接3，高通8Gen3处理器），多核心性能有大幅度提升。
3、Cortex-X4微架构分析
Cortex-X4的代号是Hunter-ELP，下图是X4的微架构图，第一感觉是变“大”了，X4的核心变得越来越大，如果大家看过前几篇文章，应该可以感觉到这个微架构设计越来越像另外一款行业领先处理器，殊途同归，最优秀的设计往往只有一个选择，下面我们会详分析今年的核心改变。
在前端设计上，X4取消了L0级别的MOP Cache，注意这个变化从大核心A715就开始了，这是一个大的改变，也侧面说明MOP Cache的成本可能真的很高，在先进工艺中不经济。为了弥补取消MOP Cache的影响，X4这次将Decoder的数量从6个增加到了10个。上一代X3，如果从MOP Cache取数据是8-wide，从L1取数据是6-wide，这次的X4则统一是10-wide。在流水线长度上，X3如果从L1取数据是11级，从MOP取数据是9级，这次由于取消了MOP，X4特意优化了流水线，从L1取数据从11级降到了10级。
在后端设计上这次X4同样变化不少，特别是运算单元，增加了1个新的Branch单元，2个新的ALU单元，并且提供了第二个完整的 MAC ALU单元，这些对于整体性能的提升都有显著帮助。
为了支撑新增的10个decoder和运算单元，X4的重排序缓冲（ROB）的尺寸也从320提升到384，提升了20%。
在存储模块方面，Arm重新调整了Load和Store单元的数量，X3有个LS AGU和1个LD AGU，X4则调整为1个 LS AGU，2个LD AGU和1个ST AGU。从3个AGU提升到4个AGU，但是功能稍有差异。此外，像L1的d-TLB，也从48提升到了96，增强了数据的处理能力。
这次X4核心还有一个特点是支持更大的L2缓存，从X3的最大支持1MB提升到X4最大支持2MB，根据Arm给出的数据显示，2MB的L2缓存可以有效降低每千条指令的重填充和写回率，不过由于增加缓存会增加成本，不一定所有厂商都愿意增加到最大的缓存尺寸。
从X4的整体性能数据看，Sepcint2K7提升达到了2位数，Geekbench系列的提升在6-8%之间，只有个位数的提升，推测Geekbench对于L2不是很敏感，而对于L2缓存依赖的Sppdometer2这个benchmark提升比较明显，注意这里面的测试数据使用2MB的L2测试得出的。
此外Arm资料显示X4的典型CPU频率可以跑到3.4G左右，虽然厂商实际处理器频率还没有确认，但是从上一代天玑9200+运行在3.35G推测，3.4G应该是4nm能达到的一个比较高的频率水平。
总结下Cortex-X4的关键改变：
1、取消了MOP Cache；
2、Decoder数量从6个提升到10个；
3、流水线统一为10级；
4、Branch单元从2个提升到3个；
5、ALU单元从6个提升到8个；
6、AGU单元增加了一个且功能有调整；
7、ROB尺寸从320提升到384；
8、L1的d-TLB从48提升到96；
9、最大支持的L2缓存从1MB提升到2MB；
10、不支持32bit。
整体性能上Sepcint2K7参数有13%-14%的提升。
资料直通车：Linux内核源码技术学习路线+视频教程内核源码
学习直通车：Linux内核源码内存调优文件系统进程管理设备驱动/网络协议栈
4、A720微架构分析
上一节我们列举了10条X4内核的微架构变化，相比X4的大动作，A720和A520的变化则没有那么大，但也有些值得我们研究和探讨。
首先我们来看下A720，A720的代号叫做Hunter，A720的设计目标是比A715提升20%的能效，在同样的功耗下，A720可以提供更强的性能。
A720的的微架构整体和A715差异不大，Arm并没有增加fetch-decode宽度，也没有增加诸如ROB尺寸之类的优化，而是进一步深入到微架构的细节调整以优化能效。
在前端设计上，A720持续优化分支预测能力，通俗的说就是走一步看两步的能力。A720的分支预测错误的恢复周期从12降低到11周期，这个优化对于实际用户场景中无法准确预测的案例很有帮助。在分支预测能力上，A710的大核心每周期可以预测2个unconditional分支，A715额外支持了conditional分支，A720则进一步进行了优化了功耗，Arm宣称可以在不影响性能的情况下降低功耗。
在后端设计上，A720通过管线化排序FDIV\FSQRT单元（除法和开方），提升指令执行能效。同时，A720优化了数据在整型和浮点单元的传输效率，降低数据传输的延迟和存储数据的延迟。A720还改进了发射队列和执行单元，简化网点到AGU的数据传输等。
A720在存储模块上有一个较为明显的优化是降低了L2访问的延迟，从10个周期降低为9个周期，对于访存多的场景会比较有帮助。另外A720支持的最大L2缓存数量还是512KB。
最后介绍一个A720在今年最大的变化，今年Arm的A720不是一个人，是一对双胞胎，Arm提供了另外一个A720min（暂时这样叫）的核心。这个核心和A720不同，在面积上做了一定的削减，整体核心面积大小和A78接近，性能上也弱于A720，但是比A78强10%左右。总结，A720min的面积和A78接近（耗电也应该接近），性能比A78强10%，属于A720的一个分支。
最后简单总结下A720的关键改变：
1、分支预测错误的恢复周期从12降低到11周期；
2、L2访问延迟从10个周期降低为9个周期；
3、提供了一个A720min的选择，面积和A78接近，性能比A78强10%。
5、A520微架构分析
我们来看一下小核心A520，A520小核心的代号叫做Hayes，依然不支持乱序执行，设计相对简单，主打能效改善。A520依然继承了A510的2个小核心拼接在一起共享SIMD单元的设计，这次的A520也是仅支持64bit，不再支持32bit。A520提供了新的QARMA3 PAC算法，旨在将PAC的影响降低到1%以内。
相比A510，A520为了提升能效还做了减法，主要的变化是减少了一个执行单元的ALU。A510有3个ALU，A520只有2个。当然，Arm说通过全局的优化有将性能的损失弥补回来，从Arm提供的数据上看，A520在相同的性能下，功耗可以降低22%；在相同的功耗下，性能可以提升约8%，我们也会实际测试看看。
可惜，8%的性能提升相比旗舰处理器的需求还是有一定差距，我们看到在今年的旗舰处理器设计上，芯片厂商在继续减少使用A520小核心，甚至有的厂商完全没有使用A520小核心。
6、DSU120分析
最后我们来看一下用于协调处理器核心和缓存的DSU模块，Arm升级了最新的DSU120模块，可以在一个Cluster内支持最多14个核心，并且支持最多32MB的L3缓存管理。
DSU120提供了一个有价值的功能，随着L3缓存越来越大，静态漏电也成为一个需要考虑的影响因素，会影响手机的待机耗电场景。DSU120提供了一个L3部分关闭的功能，在一些不需要使用那么大缓存的场景，关闭部分L3缓存，可以减少静态漏电。
7、总结
本文主要分析了Arm公司于2023年最新发布的Cortex-X4、A720和A520等处理器架构。今年是Arm公司发布的第四代X系列处理器，通过前面的分析，我们可以看到Arm在不断提升其核心处理器的计算性能，挑战业内最先进的架构设计。同时，Arm也通过优化A720、A520的能效，给用户提供在芯片能效上更有竞争力的产品组合。
2023年，芯片厂商也不满足传统的核心搭配，开始了减少小核心，增加大核心的架构升级。我们今年可以看到更多的多大核心SOC设计，在多核心性能上有了进一步的提升。无疑，2023年的处理器竞争会更加激烈，多大核心的引入也需要警惕功耗和发热增加的风险，作为芯片和智能设备终端的开发者，需要充分了解处理器架构，通过合理的软硬件调度设计，将芯片的能效优化到最佳，给用户提供最佳且可持续的性能表现。
