아이폰 5S M7 코프로세서와 모바일 컴퓨팅의 두 가지 관점
Source
Evernote/IFTTT Feedly/아이폰 5S 모션 코프로세서 M7에서 보는 두 가지.md
Summary
본문은 아이폰 5S의 모션 코프로세서 M7을 통해 모바일 컴퓨팅의 두 가지 핵심 트렌드, 즉 ‘에너지 효율적인 지속적 계산’과 ‘헤테로지니어스 컴퓨팅’의 중요성을 분석한다. 저자는 M7이 모션 데이터를 CPU 대신 전용 하드웨어로 처리함으로써 배터리 소모(에너지)를 줄이고, 이를 통해 음성 인식 등 항상 대기해야 하는 응용 분야의 실현 가능성을 높였다고 평가한다. 또한 모바일 SoC가 CPU/GPU/DSP/ASIC 등 다양한 특화 프로세서를 결합하는 헤테로지니어스 컴퓨팅으로 진화하는 이유를 저전력 및 저에너지 효율성 때문이라고 설명하며, 단순한 big.LITTLE 구조보다 특화 가속기 도입이 더 효과적일 수 있음을 시사한다.
Key Points
- M7 코프로세서는 모션 데이터 처리를 CPU에서 전용 하드웨어로 분리하여 에너지(배터리 소모) 효율을 극대화한다.
- 지속적인 데이터 수집 및 계산이 필요한 응용(예: 항상 대기하는 음성 인식)은 저전력 코프로세서 도입으로 실현 가능성이 높아진다.
- 모바일 환경에서 헤테로지니어스 컴퓨팅(CPU/GPU/DSP/ASIC 등 혼합)이 중요한 이유는 저전력과 저에너지 효율성 때문이다.
- 저자는 모바일 환경에서 big.LITTLE 구조보다 특화된 가속기(ASIC 등)를 활용하는 것이 전력/에너지 개선에 더 효과적일 수 있다고 주장한다.
Related
-
A Prediction-Based User Selection Framework for Heterogeneous Mobile CrowdSensing
-
Truthful Mobile Crowdsensing for Strategic Users With Private Data Quality
-
Eureka: Edge-Based Discovery of Training Data for Machine Learning
-
Multi-Armed Recommendation Bandits for Selecting State Machine Policies for Robotic Systems
-
Backward Path Growth for Efficient Mobile Sequential Recommendation
-
Developing Parallel Control and Management for Urban Traffic Systems
-
지연 기반 네트워크 유틸리티 최대화 (Delay-Based Network Utility Maximization)
-
Online Graph Edge-Coloring in the Random-Order Arrival Model
-
Network-Wide Local Unambiguous Failure Localization (NWL-UFL) via Monitoring Trails