ARMv9能给ARM带来新一轮腾飞吗？（人工智能篇）

开篇

图1 ARMv9发布 ^[1]   自从2011年10月ARM发布ARMv8以来，一晃已经过去了近10年。在此期间，ARM的芯片出货量从11年的79亿片 ^[2]涨到18年的229亿片 ^[3]，收入从11年的约7.85亿美元 ^[4]涨到19年的18.98亿美元 ^[5]，非常的成功，其中两个技术起到了重要的作用：

1. ARMv8引入了64bit，从而让ARM从低端处理器一跃进入PC和服务器领域，其影响力从最近苹果在MacBook和Mac mini上使用ARM替换x86可见一斑。
2. TrustZone被ARMv8-M引入嵌入式领域，为目前万物互联大趋势提供了坚实的硬件保护能力。

图2 ARM芯片出货量一览 ^[3]   但ARM近两年的表现似乎不再亮眼，ARM曾经在IP市场占用率上达到过50%，2019年却已降到40.8% （2018年是44.7%） ^[6]，2019年收入只上涨3.4% ^[5]。ARM今年3月发布ARMv9，自然是想借着新技术继续之前的发展势头。但ARM能得偿所愿吗？   本文试图介绍ARMv9的相关技术，但目前ARM并未开放太多技术资料，因此很多内容不够详实，敬请谅解。 # 人工智能上的野心   ARM在ARMv8推出后，近十年间陆续推出了各种扩展，应对不同的市场需求，其中很多都是针对快速发展的人工智能(AI)的，比如在ARMv8.1-M中引入MVE(M-Profile Vector Extension)，就是为M系列增加AI的处理能力。而在A系列ARMv8.2中引入的SVE(Scalable Vector Extension)，更是增强了向量处理，机器学习，数字信号处理等AI各方向的能力。ARMv9更是将其升级到SVE2。据说Nvidia斥资400亿美元收购ARM就是看中了这点。下面我们就看看ARM为了AI布局推出的SVE/SVE2是个什么技术。   在传统计算机体系结构中，并行计算是提高处理器性能的基本方法，最核心的思想就是通过增加硬件冗余，提高单位时间执行的工作量。而并行计算技术可以分成3类：指令级并行技术(Instruction-Level Parallelism)，数据级并行技术(Data-Level Parallelism)和线程级并行技术(Thread-Level Parallelism)。SVE和NEON就是ARM提供的数据级并行的技术方案。 ## 邯郸学步(NEON)   在ARM推出SVE前，NEON已经为多媒体等相关应用场景服务了快20年了。NEON是和Intel的MMX, SSE2, AVX, AVX-512技术类似的SIMD(Single Instruction Multiple Data)技术，通过增加数据寄存器的位宽，从而提供单条指令处理一组数据(向量)的能力。NEON在ARMv8中提供的是128bit寄存器位宽，相对于AAr