CPU Intel Raptor Lake con 24 core, 32 thread appaiono nel database di benchmark

Molti carichi di lavoro sono di due tipi:

• Scarsamente scalabile tra i core, quasi tutto in un thread
• Buona scalabilità tra core, quasi tutto su molti thread

Il numero di carichi di lavoro tra di loro, che ad esempio contiene 4 o 8 core ma non di più, è semplicemente troppo piccolo.

Per i carichi di lavoro scarsamente scalabili, sono necessari alcuni core davvero veloci. L’importo dipende principalmente dal numero di carichi di lavoro non scalabili che si desidera eseguire contemporaneamente. Per una partita possono essere da 3 a 6, spesso no.

Quindi hai carichi di lavoro altamente scalabili. Ovviamente puoi renderlo più veloce stipando il maggior numero possibile di core grandi e veloci su un chip. Ma questo non è il modo più efficiente, perché i core di grandi dimensioni occupano uno spazio extra sproporzionato per estrarre gli ultimi bit di prestazioni. E quello spazio sul chip è scarso, ogni mm2 costa di più.

Se andiamo a Standard SPEC2017 Guardando Lake Alder, vediamo che il core P ha un punteggio di 8.14 per le operazioni intere e 14.16 per la virgola mobile. L’E-core ha un punteggio di 5,25 per un numero intero (65% di prestazioni) e 7,66 per una virgola mobile (54%). Circa la metà ei due terzi della performance, a seconda ovviamente della mole di lavoro.

Tuttavia, lo spazio occupato dal nucleo elettronico è molti più piccolo. Al momento non riesco a trovare le dimensioni esatte, ma supponiamo che 4 nuclei di elettroni si adattino alla stessa superficie del nucleo 1 P. Insieme, questi 4 core hanno (con un ridimensionamento perfetto) 2,6 volte il numero intero o 2,2 volte le prestazioni in virgola mobile sulla stessa superficie dell’1 P-core!

Quindi in futuro vedo molti chip con prestazioni da 4 a 8 core per prestazioni a thread singolo e decine di core di efficienza per prestazioni multi-thread. E non solo Intel sembra esserne consapevole, ma si dice che anche AMD stia lavorando al problema Danza Zen4 nuclei;