兼容多种运算核心　HSA架构提高处理器能源效率

进一步整合系统组件等做法，提升APU矽智财（IP）效率。

　　Tirias Research指出，将降低闲置耗电及智能化电源管理所达成的节电功效，同时与异质运算效能提升和程序改善相结合。超微半导体应能达成在2014？2020年之间实现二十五倍标准使用能源效率改善的目标。

　　超微半导体目前已将笔记型电脑中的GPU、记忆体控制器、输入/输出（I/O）控制器及周边汇流排等系统组件全部都整合于单一晶粒中，可实现同时监控CPU 与GPU的精密化电源管理。这项技术能够有效平衡两种单元之间的电力最佳化，将散热能力集中在最须要散热的单元。除此之外，将GPU移至CPU晶粒，可以减少所需要之记忆体介面数量，同时还可以达到省电之效果。

　　超微半导体的智能电源管理以专用晶粒控制器追踪功耗、温度及各主要组件活动情形，使APU进一步提升效率。这种功率微控制器就像是"APU交响曲"的指挥，在正确的时间将处理重点导向正确的位置，其可快速回应热事件，控制器能够快速分配电力到CPU的特定部位，以发挥最大效能与效率。另外，也能判断各单元何时最无活动现象，并将其运作降低至最小状态或将之完全关闭。

　　处理元件若能以最短时间完成工作，然后进入最深休眠状态，即达到其最大能源效率。这种"加速进入闲置模式"行为对于网页浏览、文件编辑和相片编辑等多数消费者导向任务都很有助益。协调GPU与CPU的使用能够使APU更快完成任务，然后降低功率、减少总耗能（能量=功率×时间）。此一耗电状态过渡时间应极短，使单元尽快降低功率，让处理器能够在使用者进行按键输入或影片讯框之间，就可进入闲置状态。

　　借重HSA编程架构　处理器达成高效能/低功耗

　　超微半导体现正着手设计与1.0版HSA相容的新款APU，而HSA规格的目的在于协助软体利用GPU及其他处理元件的功率与效能。以GPU而非CPU来执行高度平行码时，APU能够利用其GPU核心的能源效率，以及巨量平行运算来处理工作负载，更快完成任务。HSA编程架构可将工作负载导向最佳芯片资源，例如专为特定演算法所设计的加速器，其设计宗旨在于减少完成固定工作负载所需周期数量及电力消耗，并在行动装置的功率限制内执行高阶运算密集式应用程式，转由GPU而非CPU处理之后，高阶行动应用程式（如语音辨识、手势辨识、脸部辨识等次世代使用者介面和相片索引）都能获得次方程度的效能改善。

　　个人电脑处理器的效能随时间而成长，但步调相对较慢。另一方面，由于设计者将更多芯片空间留给图形处理，以支援4K解析度的显示设备，GPU效能得以快速攀升。藉由HSA架构，超微半导体就能善用这种GPU效能成长。将GPU用于一般任务的优点，展现于个人电脑应用程式和基准测试中（图1）。

　　图1　标准35W行动处理器的GPU运算趋势

　　OpenCL 是首批支援以GPU执行平行运算的业界标准编程语言之一，可供C程式发挥语言扩充的功效，为代码的运算密集部分带来次方程度的效能提升。采用OpenCL 1.x（以OpenCL 2.x全面启用HSA的前身）加速时，PCMark 8 v2.0基准测试展现多达25%的增益（图2）。

　　图2　现有平台经由GPU卸载所达成的PCMark 8 v2.0加速

　　回头参考图1所示，异质架构利用GPU效能的快速成长，而GPU效能远胜近代CPU效能，GPU仍会是让未来处理器实现更高效能与能源效率的关键。每一个 GPU都有多个"着色器"核心（超微半导体将其称之为"串流处理单元"），每个核心都能处理整数或浮点运算，同时维持小于标准CPU核心的体积与耗电量。而且，由于每一个着色器核心都很小，所以单一晶粒可以整合数十甚至数百个着色器核心与个位数的通用CPU核心。因此，GPU可以对运用这么多处理核心的工作负载，产生次方以上程度的运算提升。上述所提及的每一种高阶应用程式，都可利用GPU固有的平行运算能力，来达成如此惊人的效能增益，而且耗电量极低。

　　图3显示超微半导体从2008年"Puma"CPU处理器，到2020年预测APU的标准使用耗电降低趋势。虚线表示至2015年的耗电趋势，Tirias Research预测超越此点后至2020年之间降低速度会相对减缓，因为耗电已趋近于0瓦（W）。但Tirias Research预测2015年，异质运算将大幅提升，驱动与GPU能力相称的更高效能水准。

　　图3　APU的能源使用与运算趋势

闲置耗电量降低，将可以帮助标准使用耗电，得以从相邻的2008年平台"Puma"CPU的近4W，降低至2014年"Kaveri"APU的1.6W，将会产生2.5倍的基准耗电量改善（两种产品都适用于相同的35W笔记型电脑热功率封包）。数量更多的CPU核心、更快的时脉速度，以及GPU运算协助，使得处理器效能得以改善，让"Kaveri"的