通过创新架构和电源技术提升处理器能效

随着过去20年计算的突飞猛进，及其对商业、教育、科研、医疗机构及其他行业带来的社会效益，计算的能源和环境足迹也相应地增加。全球30亿台个人电脑每 年消耗的能量超过总能耗的的1%；全球3,000万台服务器将再增加1.5%的总用电量，每年耗费约140亿至180亿美元。

由于全 球上网用户越来越多，据预测到2018年，全球数据中心的总占地面积将从2013年的15亿平方英尺增加到近20亿平方英尺。这些计算中心的服务器不仅会 连接到个人电脑、电话和平板电脑，还会连接到大量新型联网设备和系统。尽管可能会与预期有所出入，但保守估计，到2020年将会有近260亿台包含可穿戴 计算机和工业传感器在内的各种设备连接到互联网。这就意味着互联网流量会大幅增加，预计到2015年将会从2010年的245EB增加到1,000EB。

与 用户对高能效性能的需求相结合，智能手机、平板电脑和游戏机等将被用于计算密集型任务中，比如流媒体、视觉体验效果更丰富的游戏和增强现实。同时，在视频 编辑、语音和手势识别及基于生物特征信息的数据安全等方面，用户对便携式电脑和台式电脑的需求也不断升温。这些因素强力推动着提高处理器性能同时降低能耗 的技术创新。

能源效率的现状

能源效率是数字 移动革命的主要推动因素之一。20世纪40年代至今，计算效率提高了好几个数量级，因此笔记本电脑、平板电脑和手机在电池充满电的条件下可以持续工作几个 小时。由于电池技术的发展速度明显落后于计算性能的增长速度，移动设备制造商只能集成多项技术来延长电池的续航时间。比如，智能手机和笔记本电脑在空闲一 定时间后会自动进入休眠状态。

如下这些改进将具有深远的影响：假如美国境内销售的计算机都通过了能源之星认证，那么每年可节约资金10亿美元，同时温室气体排放量也能减少150亿磅，这相当于140万台汽车一年的排放量。

微处理器的电源挑战

20 世纪80年代和90年代是微处理器性能和计算效率大幅提升的黄金时代。晶体管越来越小，设计人员可以在单个芯片上集成更多晶体管，处理器的时钟频率同时得 到提高，进而用户计算机的性能得到提高。但是晶体管再小，功率密度基本上保持不变—这种现象被称为登纳德缩放比例定律。这就是说每一代新处理器每单位计算 能力的能耗都会减少至上一代的1/4，同时电压和电容也相应降低。

但是，21世纪初，晶体管仍越来越小，单个芯片上可集成的 晶体管数量仍在增加，但能源效益的增速却在逐渐放缓。主要原因是晶体管的尺寸已接近物理极限。晶体管越小，制造过程中漏电的可能性就越大，因为晶体管的阈 值电压已经降低到器件不完全关断的点。登纳德缩放比例定律中的这一完结会增加消费者所期望的高集成度、高性能器件的功耗，从而需要采用更复杂的散热技术和 创新的电源管理技术。

这最终导致半导体制造商不能单纯依靠工艺的改进来提高能源效率。此外，即使工程师保持摩尔定律与其历史性能轨迹相吻合，也同样需要探索新技术，来让能源效率的增长速度媲美早期的增长速度。

AMD 25×20计划

AMD 的工程师认真研究了上述趋势和降低信息技术对环境影响的市场需求，以及延长电池寿命和提高更加轻薄小巧产品性能的需求。因此，过去几年他们大大提高了 AMD处理器的性能。AMD认识到不能满足于现状，因此在2014年6月提出了到2020年实现加速处理器(APU)能效提高25倍的目标，或 "25×20"计划。

AMD使用平台性能除以典型应用能耗获得的典型应用效率指数，来实现每单位能耗执行工作的单次测量。通 过使用曲线， 可以清楚地看到典型应用实际上是由空闲功耗而非峰值计算功耗所主导。目前有许多电源相关的创新技术，可以在不影响性能的前提下最大限度地增加空闲时间，降 低空闲功耗。当然，性能是一个关键参数—用户希望获得快速响应、快速运算和无缝视频回放。他们还希望拥有更长的电池续航时间、更轻薄小巧的尺寸和更小的环 境影响。只要能优化典型应用的能效，上述问题就可以迎刃而解。

要实现25x20目 标，就必须通过开使用技术和新方法大幅提高典型应用效率的提升速度。根据这一目标，从2014到2020年，AMD产品功耗的降低至少要比摩尔定律预测的 历史效率趋势高出70%。这就是说到2020年，一台计算机完成同一项任务的用时将是目前个人电脑的1/5，而平均用电量也将不到目前个人电脑的1/5。 这就好比仅用六年时间就将原来100马力的汽车变身为一辆500马力的汽车，同时每加仑燃料的行驶距离也从原来的30英里增加到150英里。

实现25x20目标

架构创新 几十年来，CPU一直用来运行一般的编程任务。它擅长于利用分支预测和乱序执行等各种复杂技术来串行运行计算指令，从而提高速度。相反，图形处理器(GPU)是专用加速器，最早是为了在显示屏上同时显示数百万个像素而设计的。GPU通过使用较简单的执行流水线并行执行计算来实现这个过程。以前，CPU和GPU虽然集成度越来越高，但却是相互独立运行。