模型通过人工智能技术，自动选取极少量（约100个）与功耗最相关的CPU信号输入

　　“这种方法的核心是个非常简洁的功耗模型。”谢知遥说，“和以前通过模拟计算的方式不同，我们这个模型并非进行准确的模拟，而是进行快速的估算。”
　　处理器工作时，芯片内部涉及数百万个关键信号，该模型通过人工智能技术，自动选取极少量（约100个）与功耗最相关的CPU信号输入，然后建立一个快速的线性模型，用于对每个周期的功耗进行预测或监测。
　　“这100个典型信号可以形成一个‘轻量级’、非常简洁的功耗模型。”谢知遥强调说，“而且，信号选取（不是随机抽取）由人工智能自动完成，它摆脱了对工程师的依赖，从而让模型的计算速度大大提升。”
　　CPU在运行的时候，人们会对功耗进行控制，如果功耗过高，就必须想办法将它降下来。事实上，工程师们也积累了不少办法，可以降低功耗，但所有这些需要一个前提，即人们能够快速且准确地掌握芯片功耗的即时变化。
　　遗憾的是，在计算功耗时，工程师们常面临一个无法跨越的时间“窗口”。比如，之前功耗模型的计算速度可能是每毫秒进行一次——人们只能估算1毫秒的功耗平均值。
　　除信号选取和模型训练是自动完成之外，阿波罗的训练数据也通过算法自动生成，这让其因“简”而快成为可能。
　　论文表明，阿波罗可以在几分钟内获得几千万时钟周期的功耗，而传统基于emulator的工业界方法需要长达两周时间。在准确率方面，阿波罗也可以达到90%~95%。另外，阿波罗的功耗分析可以精确到每个时钟周期，之前任何方法在这种速度下都无法获得如此高分辨率的功耗分析。
　　“每毫秒计算一次的时间分辨率远远不够，因为在1毫秒之内，有可能其功耗前半程很低，后半程很高，虽然我们计算出了功耗数值，但它并不能反映处理器的真实工作状态。”谢知遥补充说，“我们的模型可以控制在0.3纳秒（0.000001 毫秒），即每0.3纳秒就可计算一次实时功耗值。”
　　离应用已经很近
　　因为以前无法了解处理器的即时功耗，工程师们在进行芯片设计时，为避免应用中功耗波动带来的影响，往往会为功耗设计一定的余量。
　　现在，阿波罗可以在极短时间内，对芯片内部的即时功耗变化进行反馈。即使芯片内部由于复杂的交互出现了电压的快速波动，工程师们也能及时采取措施，对CPU功耗和温度进行管理，从而发挥CPU的最佳性能，并保障其运行稳定。
　　“因为阿波罗非常简洁，它的成本和面积都很小（约占用CPU芯片0.2%的面积），所以可以将它做成硬件，整合进芯片内部。”谢知遥说，“这样，在使用过程中，一旦监测到处理器功耗的异常变化，我们就可以让它采取一些自我调节措施，把功耗降下来。”
　　如果在设计芯片时，加入这样的功耗管理模块，不但性能可以得到提升，其运行的稳定性也能得到保证。
　　在该项研究中，ARM公司提供了很多帮助，目前这一模型已经在ARM的多款高性能商业处理器上进行过验证，显示出较领先的芯片性能。
　　“这不是一项纯理论研究，而是具备非常强的工程性研究特点，或者说是一项能应用在产品里的研究。”陈怡然说，“在商业化应用之前，该模型可能还需要在更多的平台上进行测试和综合评估。至于它能不能最终落地、什么时间能成为产品，会受到多种因素影响，还需要时间来证明。”