ARM系統級方案支持包括GPU在內的跨多個計算IP塊的創新。Mali-G72圖形處理器延續了前一代產品Mali-G71的成功，并對Bifrost架構進行了改良，從而實現高達40%的性能提升，使得我們的合作伙伴能夠推動移動虛擬現實體驗，并將高保真移動游戲提升至新境界。下面粵嵌ARM培訓為你解答一下Mali-G72支持下一代VR和優化機器學習。

　　支持下一代虛擬現實。虛擬現實也在不斷發展，所以ARM也要不斷精進自己的技術，在市場中繼續保有地位。超過50%現有的移動VR設備由Mali驅動，而搭載Mali的Mate 9，是市面上個取得Daydream平臺認證的VR設備之一，因此，我們首要任務是繼續推動創新。

　　你或許曾見過ARM近在2017游戲開發者大會中發布的Circuit VR展示，我們正致力開發移動Multiview等技術，以降低多次繪制同一圖形的額外負擔–就如同你通常會在VR環境中做的事一樣。另外還要加上注視點渲染技術，也就是你只會看見與視網膜在一直線上的高解析影像，而當你突然需要渲染繪制四個或更多視野時，Multiview就真正派上用場了。其他像多重采樣抗鋸齒等技術則會讓線條的某一邊增加融入像素，使其看起來比較平滑，以降低VR頭盔在近距離空間內偶爾會看到的鋸齒效果。Mali-G72在的效能成本下，可達成8倍或16倍的MSAA。上述所提，當然是基于現存的創新科技，包括全調適紋理壓縮技術，讓我們能整合高質量的紋理，且不需要與帶寬進行妥協。

　　優化設備上的機器學習。如今，機器學習通常在云端上進行，運用訓練神經網絡的大量數據集實現智能連接，但越來越多的數據也需要在設備端進行，比如像翻譯這樣的簡單任務，通過云端持續傳送大量數據，不但增加成本，而且速度也很慢。如果連接或數據傳送需要等很長時間，那么這個設備再好我也不太想用，這也是為何業界開始研究“將機器學習界面放到設備本身”的原因。而Mali-G72性能更好，我們之前討論的算法優化及增加的高速緩存已經非常成熟，借由此大幅降低帶寬，Mali-G72可以實現機器學習的效率與效能。

　　Bifrost 架構的創新。除了繼續保持Bifrost主要的高效能特色，像是CPU與GPU彼此間完整的系統一致性、索引式定位著色器等，Mali-G72同時還有多項新武器。優化算法效率以及強化復雜的圖形性能與可擴展性，讓Mali-G72 成為明年橫跨智能手機、虛擬現實、機器學習與其它高端移動產品中的選擇。

　　為了進一步降低帶寬，ARM同時增加了一級緩存與寫回緩存的大小，同時也改變指令緩存邏輯，以便在不增加整體面積與耗電情況下進行更佳利用，并減少對復雜內容產生的緩存遺漏情況。以上是粵嵌ARM培訓為你解答一下Mali-G72支持下一代VR和優化機器學習。