多年来，移动处理器制造商一直致力于优化设计，以在有限的功耗预算、存储空间和带宽范围内获得最佳性能。在过去，这些因素显然是在数据中心或个人计算机中考虑的（PC）如今，传统的数据中心和PC市场变化正在悄然发生——改变处理器设计规则，让开发人员重新考虑芯片架构，以获得更高的性能功耗比。

芯片采购网专注于整合国内外授权IC代理商现货资源，芯片库存实时查询，行业价格合理，采购方便IC芯片，国内专业芯片采购平Exar代理台。

运用移动处理器设计原则PC和数据中心

如今，云中实现了越来越多的云游戏、数据挖掘、人工智能/数据分析和高性能计算。虽然这些应用程序有不同的要求，但在不断增加计算量的要求上是一样的。

通过不断扩大物理占地面积，数据中心无法满足这一需求。运营费用（OpEx）保持在可接受的范围内，实现净零（Net Zero）企业需要在有限的空间内增加计算密度，以获得更高的计算性能。图形处理器（GPU）、中央处理器（CPU）、人工智能（AI）在最小功耗/散热和面积预算中，必须实现加速器等处理元件的最高性能。因此，按照移动设计原则设计处理器是理想的起点。

分析PC市场趋势也可以得出类似的结论。在传统PC在模式下，大多数功能被集成为独立模块。然而，随着大多数组织希望扩大混合办公模式，人们逐渐用笔记本电脑取代台式机。包括图形处理、神经网络加速、安全、I/O等)集成到具有统一存储架构的单系统级芯片（SoC）它不仅能提高性能，还能将功耗保持在最低水平。所以，下一代PC处理器看起来越来越像智能手机处理器。

借助定制芯片设计，大型科技公司实现差异化

随着摩尔定律的结束，该行业不可能每两年提高一次性能。在此背景下，企业加入了设计竞争，以最佳芯片创造最佳用户体验。

全球大型科技公司已经深知这一点，并做好了准备。他们专注于为消费品设计定制芯片，PC或数据中心等。从现成可用芯片到定制芯片，这些公司希望更好地控制设计，赢得优势。因此，我们可以看到亚马逊投资Graviton CPU谷歌推出了以TPU为中心的Tensor CPU。苹果公司的M1处理器将为Mac在移动设计原则的帮助下，计算机带来了优化芯片，提供了更高的集成度和更出色的性能功耗比。

OEM替代方案

对于没有内部硬件和软件设计团队件设计团队，也没有开始开发定制芯片（OEM）他们面临的挑战是如何使自己的设计脱颖而出，与高度优化的结构相当。这些OEM大部分使用的芯片都是现成的，可能会使它们处于劣势。许多为PC与数据中心设计的芯片是暴力解决方案，虽然可以提供所需的性能，但通常过于耗电，过于占用内存/带宽，缺乏竞争力。此外，这些芯片对可用的特定软件和操作系统也有限制。

一些移动市场SoC供应商开始进入数据中心PC市场期望瓜分现有玩家的部分市场份额，但数量很少，很难帮助OEM制造商实现创新和成本控制的差异化。因此，一些行业替代方案应运而生。我们看到许多制造商正在考虑它RISC-V架构的CPU 解决方案。但是，单一的CPU设计不能完全解决OEM激烈的竞争困境。OEM整个数据中心的架构结构需要改进整体方案的创新，以提高其竞争力。

可扩展的异构结构是关键

灵活利用异构计算CPU,GPU等待计算单元，实现硬件最大利用率，优化提高计算性能，满足效率和功耗比优化。异构计算架构为数据中心不断提高的计算要求提供了灵活的阵列工作方案。目前，许多半导体制造商正在研究相关的产品和应用程序来授权OEM市场竞争力。传统的GPU IP 公司Imagination 就在去年CPU产品线，加强异构计算的研发，旨在通过产品组合的优化和改进，为客户提供更完善的异构计算解决方案，更好地为客户服务，以满足未来高性能计算的需求。

移动GPU奠定基础

移动GPU是创造高效异构设计的理想切入点。并试图将高端化GPU与移动功耗预算强行纳入移动功耗预算范围GPU应用于数据中心和数据中心的升级PC该领域将更有意义。因为移动GPU天生为小而美而生。移动GPU制造商开发了大量的专利技术，以最大限度地实现GPU高性能、低功耗。数据中心和PC粗放单一追求高性能GPU这些技术优势可以让移动GPU制造商具有更多的竞争优势OEM提供更多的管理附加值。

提及移动GPU必须再次提到专利技术Imagination这家专注于GPU老设计企业。与对手相比，Imagination 多年来，我们一直专注于主要精力。GPU特别是在更复杂的领域研究中GPU渲染领域，Imagination它是许多技术的先驱开发者， 例如GPU硬件虚拟化，块延迟渲染（TBDR）, 实时硬件光跟踪（Ray Tracing) 等。分块延迟渲染（TBDR）技术是将几何数据分割成小区域(图块)并统一处理。由于每个图块都经过光栅化和单独处理，渲染尺寸非常小，所以所有数据都可以保存在快速运行的板上存储器中。这项技术为M1的图形处理奠定了基础。

对于Android云游戏等应用场景，数据中心需要灵活处理多个用户的不同游戏消费场景。在多个小型GPU与传统桌面相比，上部处理多个小并发工作负荷的方法是使用GPU更高效。云游戏产业链正在加强GPU开发和应用硬件虚拟化技术来降低成本。移动GPU通过向上扩展分散多核移动GPU架构，让每一个GPU它不仅可以支持更多的用户，还可以为云中的许多用户提供更高的能效。

以芯动科技（Innosilicon）以国产高端为例GPU基于第一芯的行业领导者Imagination 移动GPU IP移动GPU架构向上扩展到高性能服务器级别的硬件，旨在打破台式显卡市场的现有格局。在这个长期被双寡头垄断的高端市场中，没有人预料到会有新的竞争对手，但芯动科技正在利用不断变化的市场实力和高度可扩展的高效技术提供替代方案。

增加高效片AI处理（正如M1所示）是OEM另一个机会。由于片上AI处理尚未成为PC的标准，OEM支持超分辨率降噪、音频命令、安全等新兴应用。这种AI基于移动设计原则设计的神经网络加速器通常需要巨大的计算能力（NNA）IP便可以在SoC集成高效、高度可靠AI推理功能。在端侧的AI与其他竞争对手相比，边缘加速器领域，Imagination的NNA 边缘加速器硬件不仅继承了它GPU高性能、低功耗设计DNA，同时，在不同同数量级的计算领域表现优于竞争对手。

专用芯片的设计–不仅服务于大型科技公司

SoC制造商需要根据移动设计原则进行可扩展设计IP核心，创造高效、高带宽和高性能的设计。借助这种专门为异构结构设计的处理器，他们可以创建一个特殊和高效的新解决方案。这有助于OEM提供极具竞争力和差异化的产品，牢牢把握企业未来的发展方向。