从TCS23，看Arm TCS的设计理念

随着Arm TCS23（Total Compute Solutions 2023）的推出，Arm 终端事业部产品管理高级总监 Kinjal Dave在Arm官方博客上发表了一篇题为《TCS23 为移动计算提供完整平台》的博文。日前，Kinjal Dave面对中国媒体，详细介绍了TCS23性能的提升，以及为终端带来体验的提升。

自2019年决定开始使用TCS的方法进行产品定义和开发之后，Arm以解决方案的角度进行技术产品的开发已经持续了几年，目前TCS23是第三代TCS。

TCS是将CPU、GPU、系统级 IP 元素融合，力求通过平台化、方案化的方式满足不同客户共同的需求。每年产品的迭代升级，使得开发变得更加困难，同时成本也日趋高昂，为了不断增强用户体验，Arm选择推出TCS整体方案，以全面的系统级平台应对一切挑战。

TCSf23都包括什么？

作为整体解决方案，Arm的TCS包括了工具、软件、硬件IP，硬件IP包括了底层IP、Arm架构、物理IP以及POP IP等。

硬件IP已经是连续数年的双位数提升，具体包括了CPU IP Cortex-X4、Cortex-A720和Cortex-A520，以及GPU IP Immortalis-G720、 Mali-G720和Mali-G620。

软件方面，Arm看重性能、安全以及开发者的可访问性。针对如今机器学习的大热，TCS23中更新了包括Arm NN 以及 Arm Compute Library (ACL)的库。

Dave透露自 2023 年 1 月以来，Arm NN和 ACL 已经通过谷歌的 Google Play Store 在安卓系统上提供，而且已经有超过 1 亿的日活跃用户。此外，到 2024 年，不管是Arm NN还是 ACL 都可以使用谷歌的移动平台，意味着开发者能够在可下载的项目，在默认状态下更新到网络最新的版本。

在图像开发方面，Arm除了提供免费的开发工具之外，还与游戏引擎工作室进行合作，一起推动图形技术的进步，并且以可扩展的方式实现产品的优化。并且为开发者提供培训以及最佳实践分享，以及与游戏工作室进行合作等等。

在系统方面，升级到了最新的Arm v9.2架构，DynamIQ共享单元也得到了升级，支持更多的可扩展性以及更细致的电源控制模式，可通过更细的颗粒度降低功耗。

Arm也针对最新的工艺节点和库优化了物理IP，为设计和制造提供了优化的EDA流程与物理实现。

Dave强调，作为整体平台，Arm TCS是以全局观来提高方案的性能和效率。一方面要提升单独的IP性能，另外则是提升整体IP集合的系统级性能。

更科学的测试方法

而在测试方面，Arm一方面使用基准测试来评估产品性能，另外则是从实际应用的角度进行真实的测试与评估。“我们会超前生态系统的发展展开研发工作，所以如果在此前找不到一些实际的技术内容，我们可能就会自己建构这些技术内容。比如光线追踪技术、VRS以及机器学习内容等。”

在系统测试方面，Arm 2022年在 FPGA 上构建了一个完整的子系统原型验证平台，从而超越独立IP，来分析完整运行的操作系统及程序，比如安卓 13 以及复杂的工作负载。完整的参考系统包括一个Cortex-X4，三个Cortex-A720，以及四个 Cortex-A520，此外还包括DSU-120 和L3 缓存，CPU集群与Immortalis-G720 GPU通过CoreLink CI-700 互联，并且搭载了最新的 LPDDR5x。

通过现实的用例环境以及实验室基准测试，TCS23得到了非常好的结果，比如每帧平均减少 30% DRAM 的带宽，而在PUBG实际测试中，DRAM 带宽更是减少了 44%。

DRAM带宽的减少为什么重要？实现更少量的数据传输，减少外部的带宽，就意味着降低系统能耗。实现方式则是通过更多的GPU 管道来减少数据传输，减少系统级缓存，从而避免从外部存储器加载数据。

DRAM带宽减少主要是因为Immortalis-G720 GPU 采用了称为延迟顶点着色（DVS）的技术，GPU在执行阶段才会载入内存中，不像之前那样需要两次载入内存，因此大幅降低了对带宽的要求。

GPU实际测试采用了GFXBench，曼哈顿3.0结果显示比TCS22提升了21%，阿兹特克废墟测试则提升了20%。

在CPU相关测试中，1+5+2的新一代CPU集群相比TCS22 1+3+4的方案，GeekBench 多线程性能提升了27%，这是计算机、笔记本电脑和智能手机的主要基准测试。而Speedmeter纯硬件性能提升了33%，软硬件协同优化下更是可提升64%。Speedometer 是一个浏览器基准测试工具，通过模拟用户在Web 应用上的交互来衡量响应速度。

而关于ML的测试，TCS23 和 TCS 22相比，CPU在物体识别、物体分类、实时人脸识别以及人体追踪等方面都实现了双位数提升。而GPU方面，Immortalis-G720支持FSRCNN 720p FP32超分辨率的机器学习。

在软件测试方面，Arm支持Profile Guided Optimization (PGO)，可以收集应用执行需要的各类数据、信息，并针对性的进行优化。收集功能可以详细了解应用的瓶颈，从而能够有指导的进行调整，获得最大的增益。比如光线追踪技术，软件以及硬件的优化为它带来的性能的提升。Arm在参考平台上运行的 PGO 版本的 Chromium浏览器提升30%。

Dave表示，TCS23软件的提升包括：安卓动态性能框架 (Android Dynamic performance Framework, ADPF) 、仅支持64位的迁移、更高的安全性，以及更完善的编译器。其中，安全方面的提升包括AVF 安卓虚拟化的框架，更高性能的加密算法，TF-A 的升级。

TCS23参考设计详解

Arm参考设计是为了降低部署风险，缩短产品上市周期的一种有效方法。Dave指出目前移动SoC设计存在着诸多挑战，包括IP越来越复杂、需要跨领域跨系统调试、终端场景多样化以及整体芯片设计流程等等方面。

Arm的参考设计并不是Arm拍脑袋想出来的，而是将合作伙伴的现实用例解构、再建模、针对模型进行测试和优化，然后再开发基于FPGA的仿真，验证，测试等等一系列流程之后，才会交付到客户手中。

TCS23 的参考设计包括了CPU集群、GPU集群、内存管理MMU-700、DSU-120多核心管理系统单元、CoreLink CI-700和NI-700互联技术，MMU-700转换缓冲单元等。

在降低功耗方面，首先是电源模式时钟选项提供完整的解决方案，其次是动态共享单元集群支持的 L3 缓存片和逻辑增强型降功耗模式。正如文章开始时表示，DRAM延迟在TCS23上通过DynamIQ实现了优化，另外包括GPU、摄像头以及多媒体等内存加载实现了优化。

另外，TCS23支持高级供电模式，不同的IP不同的供电线路，有单独的电压管理、电源管理以及电源及电源网络控制不见，从而实现细化的调度器，和操作系统的电源管理软件搭配工作。

GPU的优化包括了带宽、功耗以及安全性。Arm将Immortalis-G720与MMU-700协同实现了优化。GPU支持固定速率和无损压缩方案 (AFRC 与 AFBC)，最大限度地减少 DRAM 的访问，并且能够支持更多的散热空间。同时IO一致性也将缓存维护开销降到最低。CoreLink CI-700提供了大型系统高速缓存，并且通过内存分配提示优先可以确定哪部分存在高速缓存中。

功耗方面，GPU同样利用时钟管理动态功率，提供了时钟和复位生成逻辑的参考。

最后，安全性方面，MMU-700 支持 DRAM 保护内容安全处理，以及支持安卓虚拟化框架。

总的说来，通过提供 TCS 全面计算解决方案，Arm 已经超越单个 IP 产品的供应商，为客户实现端到端系统级的优化，从而释放整个 SoC 系统全面性能，让大家更多更快的体会到 TCS23 所带来更大的算力、更高的安全性和效率。