Les nouvelles architectures ARM sont donc officielles, les Cortex-A75 deviennent les nouvelles solutions haut de gamme de la marque avec un augmentation de performances de 22% par rapport à l’actuel Cortex-A73. Le Cortex-A55 se positionne comme une solution plus milieu de gamme avec moins de performances mais avec également moins de consommation. Enfin, le circuit graphique Mali-G72 annonce également une performance en hausse d’un quart face à l’actuel Mali-G71.
DynamiQ la poursuite de big.LITTLE.
Avec cette gamme ARM lance également sa technologie DynamIQ qui permettra aux concepteurs de puces de marier les cœurs entre eux avec encore plus de souplesse que grâce à la technologie big.LITTLE de la marque. Cette évolution est donc, sur le papier, plus qu’une mise à jour de routine parmi les annonces habituelles de la marque. On gagne en performances, on consomme un poil moins et on associe tout ça dans un emballage laissant plus de possibilités aux partenaires. C’est également un moyen d’offrir de quoi se différencier pour les différentes marques attirées par l’opportunité de concevoir des puces pour Windows 10 ARM.
Les partenaires d’ARM pourront donc imaginer tout type de solutions autour de ces coeurs, par exemple sept coeurs ARM Cortex-A55 et un coeur Cortex-A75 ou des combinaisons en quatre, cinq ou 6 coeurs en mélangeant tous ces circuits. Ils pourront y ajouter un Mali-G72 ou un autre circuit graphique et ajouter les fonctions de leur choix. Cette latitude d’intégration va permettre aux différents acteurs de ce marché de proposer des solutions ARM très étagées. Avec plus de 3000 configurations de SoC possibles selon ARM, les concepteurs de puces auront de quoi viser des solutions de toutes les gammes et avoir des résultats vraiment différents d’une marque à l’autre.
Cortex-A75 et Cortex-A55 : De vrais petits monstres
Avec des ARM Cortex-A53 qui ont colonisé la planète au travers d’1.7 milliard d’objets les employant en 3 années seulement, on comprend que cette évolution n’est pas anodine pour la marque. Le nouveau SoC est annoncé comme 10 à 30% plus rapide que son prédécesseur dans la plupart des applications tout en affichant une meilleure efficacité énergétique.
Le Cortex-A75, quant à lui, annonce une augmentation de ses performances de 22% par rapport à l’actuel Cortex-A73 et jusqu’à 16% de débits de mémoire supplémentaires. Un exemple frappant est dans les résultats annoncés de performance de la nouvelle solution sur un seul thread. Pour ARM, une augmentation de calcul pouvant aller jusqu’à 20% est mesurable, quasiment uniquement en prenant en compte les optimisations de code réalisées par leurs équipes.
Le Mali-G72 est, quant à lui, composé de 32 Shaders Cores et annonce une efficacité énergétique en augmentation de 25%. ARM annonce également une augmentation de 20% de ses performances pour un même espace physiquement occupé. A terme, on peut donc choisir entre un processeur plus compact et tout aussi éfficace que l’actuel Mali-G71 ou occupant un espace équivalent avec plus de performances.
De nouveaux marchés pour conserver sa croissance
Le Cortex-A75 mesure environ 2.5 fois la taille du Cortex-A55 et ne s’implantera donc pas forcément si facilement que cela dans un smartphone dans une solution qui multiplierait les coeurs. Mais ARM vise désormais d’autres marchés moins restreints en terme d’espace et moins sujets à des disettes énergétiques : L’automobile, les objets connectés, les serveurs, la VR, les solutions de salons et toute la domotique pourraient tirer parti de ces nouveautés.
Conséquence directe de ce changement de cible, un énorme changement matériel pour ces puces connues pour leur ascétisme énergétique. Chaque coeur ARM Cortex-A75 pourra grimper jusqu’à 2 watts de TDP pour offrir jusqu’à 30% de performances en plus. Un usage qui n’aura pas de raison d’être dans le monde des smartphones mais qui trouvera sa place dans des solutions à larges écrans comme les téléviseurs. Mais également pour des engins mobiles pouvant accepter de plus grandes batteries du type ultraportables …
Windows 10 ARM en ligne de mire
C’est également la perspective de gravir l’infranchissable barrière de Windows 10 pour ARM qui motivera probablement les différents concepteurs d’ARM. Pour le moment, Microsoft n’a travaillé qu’avec Qualcomm et son Snapdragon 835 pour présenter cette solution. Mais à terme on se doute que l’ouverture vers plus de puces ARM devrait être envisagée. Si l’arrivée de ces SoC encore plus performants que sont les solutions Cortex-A75 ouvre la voie à des designs compatibles avec Windows, les fabricants de puces devraient y voir d’énormes perspectives de croissance.
Là où la sauce Chromebook n’a pas pris, ChromeOS est compatible avec les puces ARM mais finalement assez peu de machines ont profité de cette possibilité, l’aventure Microsoft est un grand espoir pour les concepteurs de solutions que sont Mediateck, Rockchip, Allwinner et autres.
« Intelligence artificielle » et Machine Learning en local
Le chipset graphique Mali-G72e distinguent également par l’injection de nouveaux éléments matériels dans leurs capacités de calcul. Si vous avez déjà vu un smartphone ou une tablette tourner sous une puce ARM, et il y a de grandes chances que ce soit le cas, vous avez pu constater avec quelle facilité elle pouvait s’acquitter de certaines tâches pourtant impossible à afficher sur des processeurs d’ordinateurs classiques d’ancienne génération. Le rendu vidéo en est un bon exemple.
Cette fonction de décodage vidéo est en général intégrée materiellement dans les chipset graphiques des puces ARM alors qu’elle n’est pas1 pas dans les priorités des puces x86 classiques. Cette possibilité de calculer des éléments grâce à des fonctions intégrées en dur dans les processeurs donne un avantage important aux puces équipées. Avec les bons pilotes, un développeur peut venir s’adresser directement à ces éléments et trouvera alors une réponse calculée rapidement et sans consommation excessive.
Une des grosses nouveautés d’ARM est d’avoir intégré des fonctions matérielles de prise en charge d’Intelligence Artificielle et de Machine Learning au sein de ses nouveaux Cortex-A75 et Cortex-A55 et grâce au Mali-G72. Avec un éventail de fonctions programmables baptisé ARM Compute Library et à laquelle les développeurs vont pouvoir s’adosser, ARM évalue déjà une multiplication par 10 ou 15 des capacités de calcul en Intelligence Artificielle pour les SoC ARM du marché. A terme, cette augmentation pourrait atteindre une multiplication par 50 de ses capacités dans les 3 à 5 années qui viennent
Un exemple de ce que peut faire une « IA » sur une photo.
Cette interaction entre développement d’applications, routines logicielles et blocs programmables en dur a fait ses preuves et tiré vers le haut les solutions ARM sur mobiles, enterrant à peu près toute concurrence sur son passage. Plus efficace en terme énergétique et proposant des résultats immédiats, ces choix technologiques ont été massivement pris en charge par les développeurs et concepteurs de systèmes.
Ces nouveaux designs de SoC ont été dévoilés aux partenaires d’ARM, comprendre les marques ayant la possibilité de s’offrir une licence d’exploitation de ces puces dans le futur et de quoi payer des royalties, à la fin de l’année dernière. Le travail de conception de nouveaux SoC a donc déjà débuté et quelques puces sont anticipées pour le début 2018. Difficile de voir quel impact aura l’arrivée de ces SoC sur le marché à ce moment là. Il est probable que les premières solutions équipées essuieront quelques plâtres, d’autant que les concepteurs comme Samsung ou Qualcomm ne sont généralement pas les premiers à dégainer de nouvelles architectures et préfèrent tempérer les ardeurs des premiers arrivants avec des solutions plus poussées techniquement.
Pourquoi du Machine Learning et de l’Intelligence Artificielle au sein de nos smartphones ?
Le véritable bouleversement introduit par ces gammes vient de leur changement architectural. Préparer le terrain pour des compétences supplémentaires aux calculs habituels : Deux postes sont donc visés, l’Intelligence Artificielle2 et le machine learning. Des usages qui viennent s’interfacer avec les annonces sur la réalité virtuelle déjà visée par la génération précédente.
L’idée est bien de permettre aux solutions équipées de ces puces d’effectuer des calculs d’apprentissage en local, coupées de tout réseau. Actuellement, les smartphones, téléviseurs et autres solutions de ce type se reposent sur des fermes de serveurs à distance qui effectuent pour eux ce des tâches que l’on assimile à de l’intelligence artificielle ou de l’apprentissage machine. Cela coûte cher en énergie et en données.
Quick, Draw ! de Google, un « jeu » qui apprend au moteur comment on dessine les chose en dopant ses serveurs de datas.
On retrouve ces usages au quotidien même si on ne s’en rend pas vraiment compte : La reconnaissance vocale, la traduction automatique, le choix des mots qui seront proposés par votre clavier virtuel en pianotant les quelques premières lettres, la reconnaissance de visage, les assistants photographiques et même la reconnaissance d’empreintes. Autant d’actions qui mettent en scène des scénarios de Machine Learning. Une étape dans la construction d’une véritable intelligence Artificielle, en apprenant vos habitudes, un smartphone peut vous faire croire qu’il comprend ce que vous faites alors qu’il ne fait que les répéter.
AutoDraw, lancé après Quick, Draw!, est un très bon exemple du résultat de cet entrainement. Ce site de google propose de reconnaître des dessins à partir de gribouillages. Après avoir appris au moteur a reconnaître des millions de gribouillis, le système est capable de proposer une version corrigée de ces derniers. Ici je dessine un « portable » et le système me propose un portable en haut à gauche.
Pour résoudre ces tâches complexes qui sont très satisfaisante pour l’utilisateur, les machines ont plusieurs choix : Se tourner vers des algorithmes qui ont été prévus pour ces problèmes mais qui ont le désavantage d’être extrêmement déterminées et donc ne pas savoir répondre à une question un peu en dehors des clous habituels. Si vous vous souvenez des premières applications de reconnaissance vocale par exemple, ce n’était pas glorieux. Une application photo qui va rechercher un schéma de visage en analysant une triangulation entre deux yeux et la pointe du nez comme au début de celles-ci. Certaines de ces applications étaient totalement perdues lorsque vous mettiez des lunettes, la faute à des algorithmes mal entraînés.
La solution à ce premier problème de l’algorithme fixe est le Deep Learning, cela consiste à faire en sorte que votre machine comprenne ce que vous faites. Si vous tagguez un nom sur une photo de quelqu’un avec des lunettes, la machine finira par « apprendre » ou plutôt « retenir » qu’il s’agit bien d’un visage et en elle pourra ensuite la suivre dans une application photo.
Enfin, en vous connectant, vous envoyez vos données récoltées dans les nuages pour analyse. Elles sont alors traitées par des serveurs qui vont renvoyer la solution tout en permettant un affinage permanent des algorithmes de base afin de les mettre à jour. Si un milliard de photos de personnes avec des lunettes arrivent dans un serveur pour analyse, cela permet de créer un système faisant la différence entre un visage avec des lunettes, un visage sans lunettes et la tête de Mickey. En attendant la mise à jour, les données sont donc calculées à distance puis renvoyées vers, par exemple, votre smartphone. Problème de cette dernière solution, votre application ne fonctionnent pas correctement hors réseau et cela consomme donc énormément de bande passante et d’énergie.
Ce que ARM propose, c’est donc de glisser dans votre SoC des outils programmables pour que les systèmes puissent commencer les premiers pas d’une exploitation en local. Que vous puissiez finir par apprendre à vos applications que les prénoms que vous pianotez sans arrêt sont ceux de votre conjoint et de vos enfants. Qu’il puisse reconnaître les visages de votre entourage et qu’il propose un tag par défaut sur vos photos. Qu’il apprenne les tournures de phrases de vos traductions habituelles. Qu’il reconnaisse vos manières de prononcer tel ou tel mot. Autant de tâches qui libéreront de la puissance dans les serveurs externes utilisés par les OS modernes. Autant de calculs en local qui ne consommeront pas trop d’énergie a faire transiter des flux de données. La possibilité de se servir un peu plus des capacités de son système sans être forcément connecté et donc d’augmenter l’autonomie de votre machine .
Cela n’empêchera pas les OS et leurs serveurs de proposer un affinage des éléments que votre engin lui fournira de temps à autre, le temps d’une connexion,. Histoire de consolider ensuite un service personnalisé correspondant à vos habitudes. Le Cloud passe alors du rôle de cerveau à celui d’entraîneur pour un cerveau plus local.
Les systèmes d’apprentissages se nourrissent de données, des milliers de corrections orthographiques finissent par établir une règle de correction lors d’une faute de frappe récurrente. Aujourd’hui les SoC sont incapables d’en tirer partie de manière autonome. A partir de cette nouvelle génération de SoC, ARM devrait permettre de basculer une partie de ces calculs en local, quitte à les confirmer ensuite par une vérification dans les nuages. Cette possibilité est intéressante et sera sans doute exploitée par les développeurs de logiciels et en particulier par Google.
Si au premier abord on pouvait imaginer que le moteur de recherche verrait d’un mauvais oeil l’arrivée de solutions indépendantes de ses centres de calcul, il faut tempérer cette idée par le simple fait que Google est à la tête de deux systèmes d’exploitation très fortement basés sur le Machine Learning. Les datas de vos expérimentations finiront toujours par leur revenir d’une manière ou d’une autre, en temps réel ou différé. Les données des utilisateurs sont des éléments vitaux pour l’écosystème du moteur de recherche mais Google n’en a pas forcément besoin en temps réel. Les récupérer de manière ponctuelle lui conviendra très bien. Ce sera plus économique et au final aussi instructif. L’idée d’Android Go, Une version d’Android qui a été conçue pour fonctionner de manière relativement déconnectée à destination des pays émergents est un cobaye parfit pour expérimenter ce que vont proposer ces nouvelles générations de puces ARM.
Notes :
- Je devrais dire n’était pas
- Ce qui est un très grand mot ici, l’IA est par définition tout ce qui imite la pensée humaine. Mais singer la reconnaissance vocale via un mot clé comme « Ok Google » n’est pas de l’IA, c’est de la reconnaissance de phrase. Le Machine Learning est quand à lui un outil dont disposent les IA pour améliorer leur mimétisme et proposer des solutions, ce n’est pas non plus une IA à part entière. Je vous conseille la lecture de L’intelligence artificielle. Fantasmes et réalités si le sujet vous intéresse;
2,5€ par mois | 5€ par mois | 10€ par mois | Le montant de votre choix |
Ca fait sincèrement plaisir Pierre de lire des nouvelles comme celles-ci !
Microsoft a bien raison de retenter le virage de l’architecture ARM. Là est l’avenir de l’informatique ! Microsoft est en train de devenir le nouveau ‘Apple’ ! ;) (Alors que le WWDC2017 se déroulera dans une semaine, on sait déjà que les futurs Macs seront toujours sous processeurs x86, ça en devient exaspérant ! Apple va y perdre beaucoup cette année !! Et Microsoft lui va de l’avant !)
Si Microsoft se cantonne au processeur ARM Snapdragon S835, c’est surement parce qu’il a compilé sur mesure son Windows 10 ARM pour ce processeur. Je ne sais pas comment cela se passera pour les processeurs d’autres marques, mais ça fait plaisir de savoir que la concurrence est prêt à relever le défi très prometteur !
« Minimachines » renaît de ses cendres et a encore de belles années devant lui !
C’est vraiment ingénieux de mêler les processeurs ARM avec Windows 10 ARM et les IA ! Bravo Pierre !
C’est là qu’on mesure tout le futur potentiel incroyable des prochaines minimachines ! ;)
Un très bel article de fond et une pertinence dans vos propos qui se fait rare sur la toile. Ou comment instaurer du machine learning et mieux caractériser nos données contingentes ( et personnelles)at home.
@tpadroletoi: Merci, çà fait toujours plaisir :)
Que du bonheur ce genre d’article complet, détaillé… 😊
Et effectivement, ca donne vraiment envie de voir arriver W10 on ARM 😁
Yep. Un p’tit article en chemin de traverse par rapport au stream habituel : oui, les nouveaux ARM sont plus puissants et consomment moins … un peu comme tous les autres procs à chaque géné.
Mais surtout, de nouvelles fonctionnalités hardware… et là, y’a pas grand monde pour extrapoler et surtout expliquer de manière claire au quidam qui sirote son café.
… enfin, si : il y a Pierre. Et de la news de qualité au lieu de la sempiternelle quantité.
On se fait toujours agréablement surprendre.
Comme dirait notre ami facebook : i like !
Pas spécialement AMD ou INTEL ,les solutions ARM semblent évoluée vers le bon sens .
Par contre ,je pense qu’a vouloir offrir de plus en plus de puissance n’a pas forcément que du bon sens .
A mon avis ,un bon processeur multicolore brille aussi par sa solution graphique et sa facilité de programmation .
Il me semble que les processeurs ARM devraient aussi regarder vers une gravure plus fine et l’intégration d’un cœur graphique plus évolué .
A quand ,une solution ARM offerte par INTEL et AMD présentant un GPU évolué .
A moins que Nvidia ou ATI offre aux fondeurs ARMS un coeur graphique performant .
Ahhhh ces discussions me rapellent la sortie de l’acorn archimede
Souvenir, souvenirs,….
ps : https://fr.wikipedia.org/wiki/Acorn_Archimedes
Merci pour cet excellent article Pierre. Je l’ai trouvé très juste et très intructif, tout en étant à la portée de l’amateur que je suis.
/ oui oursgentil, c’est vrai !