ARM stellt Cortex-A77 und Mali-G77 vor

ARM hat die CPU Cortex-A77 und die GPU Mali-G77 angekündigt. Während Cortex-A77 auf der im letzten Jahr mit dem Vorgänger Cortex-A76 eingeführten neuen Architektur basiert, baut Mali-G77 auf einer neuen GPU-Architektur namens Valhall auf.

Schon Cortex-A76 war mit einem deutlichen Leistungssprung von 35 Prozent im Vergleich zu Cortex-A75 verbunden. Das veranlasste ARM, darauf basierende Mobilprozessoren nicht nur für Smartphones und Tablets, sondern auch für den Einsatz in Notebooks zu empfehlen. Schon ein energieeffizienter Cortex-A76 kam demnach einem Intel Core-i5 gleich. Mit den folgenden, noch performanteren Generationen 2019 „Deimos“ und 2020 „Hercules“ wollte ARM schließlich Intel übertreffen.

Für seinen neuen Cortex-A77 gibt der Chipentwickler eine um weitere 20 Prozent gesteigerte Leistung an und erklärt, das Design sei im Hinblick auf die nächste Generation von Smartphones, Notebooks und anderen Mobilgeräten geschaffen worden. Es stehe bereit, um die Vorteile des in diesem Jahr beginnenden 5G-Ausbaus, der wachsenden Chancen von Augmented Reality und fortgeschrittener Szenarios von maschinellem Lernen auf Mobilgeräten zu nutzen.

Mit dem kurzfristigen Einsatz in lieferbaren Geräten ist allerdings nicht zu rechnen. Von Huawei wäre vielleicht ein HiSilicon Kirin 985 mit Cortex-A77 noch in diesem Jahr zu erwarten gewesen, mutmaßen XDA Developers – aber die immer noch mehr verschärften US-Sanktionen gegen den chinesischen Hersteller lassen das nicht mehr wahrscheinlich erscheinen. Zu warten ist also wohl auf Qualcomms nächstes Flaggschiff-Snapdragon-SoC, das aber kaum vor dem ersten Quartal 2020 in ersten Geräten für Käufer verfügbar sein dürfte.

Mit der begleitenden Mali-G77 als erster GPU der Valhall-Architektur verspricht ARM eine um 30 Prozent gesteigerte Leistungsdichte sowie Effizienzverbesserungen um 30 Prozent. Mit Mali-G77 ausgestattete Geräte sollen dabei helfen, mehr High-End-Gaming auf Mobilgeräte zu bringen.

Gleichzeitig soll die neue Mikroarchitektur laut ARM das maschinelle Lernen um 60 Prozent beschleunigen und damit die schnellere Ausführung zunehmend komplexer ML-Aufgaben auf dem Gerät erlauben: „Die Aufgaben auf dem Gerät selbst ausführen zu können, statt sie zur Verarbeitung in die Cloud zu senden, bedeutet bessere Performance, weniger Latenz und weniger Sicherheitsbedenken.“