微波EDA网,见证研发工程师的成长!
首页 > 硬件设计 > 行业新闻动态 > 靠这七招,骁龙630/660就想碾压其他手机处理器?

靠这七招,骁龙630/660就想碾压其他手机处理器?

时间:04-09 来源:集微网 点击:

高通今日召开发布会推出两款全新的骁龙660/630移动平台,特点是将此前高端旗舰设备上的性能,下放到了中端手机和平板产品线上。

据悉,两款平台都使用了14 nm FinFET制程,提供4K视频拍摄与播放功能,并支持最大8GB内存和Vulkan API。此外,骁龙660移动平台最高支持QHD(2K)分辨率显示屏,而骁龙630支持FHD/QXGA(1080p)。

骁龙660/630移动平台包括集成基带功能的骁龙660和630系统级芯片(SoC),以及包括射频(RF)前端、集成Wi-Fi、电源管理、音频编解码器和扬声放大器在内的软硬件组件,从而支持一套完整的移动解决方案。迄今为止,已有超过1000款基于骁龙600系列移动平台的设计已经发布或正在开发中。

骁龙660移动平台现已出货,骁龙630移动平台将于本月底开始出货。相比于前辈骁龙653/626移动平台,最新的骁龙660/630移动平台专注于摄像头、音频、视觉处理、连接性、改进 CPU 与 GPU 性能、快速充电、安全性、以及机器学习七大特性,不断改善和进步。

1. 拍摄:Qualcomm Spectra™160顶级摄像头ISP可支持更佳的拍摄图像质量,实现更自然的肤色、出色的弱光拍摄,以及针对双摄像头智能手机的、更好的能效表现和更高的吞吐量。此外,它还支持平滑的光学变焦、背景虚化、双相位对焦(2PD)与增强的摄像机视频稳像等特性;

2. 音频/视觉处理:骁龙660移动平台首次在骁龙600系列中采用了支持向量扩展(HVX)的Qualcomm® Hexagon™ 680 DSP,可支持高性能低功耗的成像、计算机视觉和机器智能负载处理。优化的软件库可支持TensorFlow和Halide。两款平台还支持Qualcomm All-Ways Aware™技术,以实现对Google Awareness API的支持。该技术可提供Qualcomm Technologies下一代"始终开启"的情境感知体验,并在Hexagon DSP上以极低功耗运行;

3. 连接:骁龙660和630均采用骁龙X12 LTE调制解调器,搭配全新SDR660射频收发器,首次在骁龙600系列的SoC中支持了600Mbps的峰值下行数据速率。骁龙660支持2x2 MU-MIMO 802.11ac Wi-Fi,与骁龙652相比,数据吞吐量可实现翻倍,并且下载时的功耗降低可达60%。

它还可改善信号覆盖,尤其是在家庭和办公室等难以穿透的砖与混凝土墙环境中;还支持LTE/Wi-Fi天线共享和双频并发(DBS)操作等先进特性。

两款平台都集成了先进的射频前端技术,包括支持载波聚合的Qualcomm® TruSignal™自适应天线调谐,旨在于各种用户条件下动态优化信号质量,支持广泛的网络覆盖与更一致的数据和语音体验。

骁龙660和630是首批支持包络跟踪技术的骁龙600系列芯片组,并包括了对高功率用户设备(High Power User Equipment, HPUE)的支持,可实现出色的能效与散热表现。两款平台都集成了强大的定位引擎,具备更佳的灵敏度,并支持全新卫星(伽利略和QZSS)以实现更快的定位;增强性能更好的支持强制性紧急服务需求,以及与前代产品相比功耗降低达50% – 75%的、更流畅的步行导航。

两款平台都支持Bluetooth 5,与前代产品相比,终端传输数据量可翻倍;

4. 提升的CPU和GPU:骁龙660移动平台是骁龙653的后续产品,通过Qualcomm® Kryo™ 260实现了20%的CPU性能提升,通过Qualcomm® Adreno™ 512实现了30%的GPU性能提升,确保为终端用户提供更佳的游戏与多媒体体验。骁龙630作为骁龙625的后续产品,通过Adreno 508 GPU实现了30%的GPU性能提升,并在CPU性能上也获得了10%的提升。两款平台都旨在提供出色的电池续航;

5. Qualcomm® Quick Charge™ 4:骁龙660和630移动平台采用了Quick Charge最新的创新技术,充电仅15分钟即可获得50%的电池电量;

6. 安全:两款平台均支持Qualcomm® Mobile Security移动安全,在移动终端上提供注重安全基于硬件的保护、用户认证以及终端认证;

7. 机器学习:利用骁龙神经处理引擎SDK,OEM厂商与开发商还可通过骁龙660和630移动平台上的机器学习实现沉浸式和参与式的用户体验。该异构软件框架可支持Caffe/Caffe2和TensorFlow,从而可根据具体想要实现的功能特性的性能以及功耗需求,更容易地选择具体的骁龙内核,如CPU、GPU或DSP/HVX,来运行神经网络。

更多最新行业资讯,欢迎点击《今日大事要闻》

Copyright © 2017-2020 微波EDA网 版权所有

网站地图

Top