这周从某不知名小厂工作的朋友那里借到了 Strix Point 工程机，有机会在笔记本正式发售前体验一段时间。于是我运行了一系列的测试，从微架构与性能两方面提前体验时隔两年的 AMD 新微架构。
由于只有几个小时的时间，这次就只针对 CPU 部分简单跑了一些现成的跑分而没有仔细深究微架构的每一个细节。如果有必要，后续 Zen5 量产版本发售之后我会再做一些补充。
处理器参数
Strix Point 系列首发的两个 SKU 分别是HX 370和365，均仅支持 FP8 封装。首发时仅支持 LPDDR5x 内存，本次测试的平台为 LPDDR5x-7500 32GB。
在移动端处理器连续4代提供8核移动端处理器、连续3代使用原生8核心的CCX之后，Strix Point 终于大幅度修改了核心配置。Strix Point 是一个原生12核心的处理器，并且由非对称的两个 CCX 组成：
- CCX0: 4个核心，搭配 16 MB L3 缓存
- Zen 5 青春版大核心：相比桌面/服务器的完整版 Zen 5，其最高频率从 5.7 GHz 降低到 5.1 GHz，SIMD 吞吐减半，对应的 L1 向量load带宽也减半
- CCX1: 6或8个核心，搭配 8 MB L3 缓存
- Zen 5c 小核心：使用与大核完全相同的微架构，在后端物理设计层面继续降低Fmax target以缩减面积，频率不超过4 GHz。
最高端的HX 370处理器有完整的4+8核心，大核最高频率为 5.1 GHz；而本次测试的次高端365则是4+6核心的搭配，大核频率为 5.0 GHz。由于保留了完整的4个大核并且大核频率仅降低0.1 GHz，日常使用不会与HX370有非常明显的差异。
AMD 官网没有写明小核参数，经过实测可得365小核频率为 3.3 GHz，HX 370则只有后续再进行测试才知道。与 Phoenix2 不同的是，Strix Point处理器大小核可同时跑满各自的最大频率，而不会出现互相拖累的问题。
微架构特性
与 Zen 4 相对微小的改动不同的是，Zen 5是一个“ground-up”的全新微架构，其地位与 Zen 3 相近。因此它也开启了新的篇章：CPUID family从19h (25) 改为 1Ah (26)。本文选取了一些比较基础的微架构测试数据整理发布。
指令吞吐
使用 InstructionRate 工具分别测量 Zen 3/4/5 的指令吞吐/延迟，
从上面的测试中可以看出，Zen 5 相比 Zen 4 的改动有进有退：
- 大幅度增加各种 scalar ALU 指令的吞吐，但由于移动端Zen 5的向量单元相比桌面与服务器减半，在本次测试中相比Zen 4的SIMD吞吐基本维持不变。即便是在向量单元减半的Zen 5核心上，所有宽度的SIMD store操作依然相比前代翻倍，SIMD load store 吞吐达到 1:1；
- 大幅度增强分支处理能力，每周期可处理的 non-taken branch 从两个增加到3个，且每周期可处理两个 taken branch。这个应该与新的前端设计有关；
- 128/256/512bit 的 SSE/A VX/A VX512 SIMD 整数加法计算的延迟全部增加到2周期，这个改动可能是为了让维持高频变得更容易；
- 128/256bit SIMD 整数加法运算吞吐相比Zen 4全部减半，但512bit不变。推测这个问题只在 SIMD减半的Zen 5核心上存在，可能与 port 分配有关；
- 移除 Zen 4 引入的 nop fusion 功能。现在不再可以将 nop 指令与另一条指令合并在同一个 macro-op 上；
- 调整了一些逻辑寄存器操作的吞吐，将一部分 mov 以及一部分寄存器 zeroing 吞吐统一为5，相比 Zen 4 有增有减；
从整体上看，Zen 5的后端指令吞吐以增加为主，但也有少部分指令作出了相当大的取舍，部分指令的吞吐偏保守。
取指令、解码与macro-op cache
Zen 5目前公开的信息里没有太详细地提到前端的规模，只有一个提到前端指令吞吐最多翻倍的页面。
除此之外AMD还提到一个关键词：“Parallel dual pipe front-end”，这个设计让人联想到两年前公布的两个专利：
- Processor with multiple fetch and decode pipelines
- Processor with multiple op cache pipelines
通过运行不同指令长度、不同指令数量的NOP指令，我们可以较为容易地观测取指令、解码与 macro-op cache 的行为。从这个测试中，我们可以看出 Zen 5 的前端相比 Zen 4 有着相当特殊的表现。
首先从2字节的NOP开始：
在这个测试里，可以看到Zen 5单线程运行2字节NOP的取指令能力并没有相对Zen 4表现出任何明显优势（除去 macro-op cache 内的吞吐略微提升了一些），且在以下情况下相对劣势：
- 可观测到的 macro-op cache 减少。Zen 4在8-12KB（也就是对应4k-6k条指令）的吞吐下降幅度相比Zen 5更为平缓，推测Zen 5将 macro-op cache 减少到与Zen 3相同的4k条；
- 出缓存后从DRAM取指令的带宽减半，推测单线程最大in-flight L1i$ miss减半。
在这个测试里，Zen 5单个线程依旧是一个4解码x86核心的表现。但当我们开启两个SMT线程一起测试时，可以观察到吞吐翻倍，指令吞吐在L1-L2乃至L3区间内都达到了8，在DRAM区间也恢复了与Zen 4相同的正常水平。
继续使用4字节NOP指令观察，可以看出Zen 4在这个测试里触发了NOP融合，因此 macro-op cache的NOP吞吐和等效容量翻倍，而Zen 5则维持了相似的表现——macro-op cache内IPC略大于6，单线程等效为4宽的x86解码。而4字节指令不仅会出现DRAM fetch带宽下降，从L3 fetch也观察到带宽减半。开启SMT后则可在L2内做到8宽解码，L3 fetch 带宽也恢复正常。
在8字节NOP的测试中，由于4096条指令的 macro-op cache 可以完全覆盖32K L1i，因此无法准确判断这种情况下的x86解码性能，只能看出Zen 4/Zen 5各自走 macro-op cache 时的指令吞吐分别为6和8。
从上述测试中可以猜个八九不离十：
- Zen 5采用了与Tremont相似但更宽的多前端设计，采用两个4宽的x86解码器，搭配至少8宽的 macro-op cache 实现8宽 rename；
- 考虑以下现象
- Zen 5单线程运行连续的NOP指令时并不能让x86解码带宽超过4；
- 在指令吞吐小节中测试得出其单周期可以处理两个taken branch；
- 合理推测Zen 5没有采用类似Gracemont的predecode ILD缓存方案，而是必须在分支预测器预测发生taken branch时才能让两个解码同时工作，也就是直接让其中一个解码器去从下一个分支目标地址开始解码。从这个角度来看，AMD本代依然需要依赖 macro-op cache 来实现分支较为稀疏的场景的高吞吐；
- Zen 5不仅要支持同一周期从两个位置开始解码 x86 指令，也要支持同一周期从 macro-op cache 中的两个位置分别 fetch 指令，以实现 macro-op cache 覆盖范围内的每个周期处理两个 taken branch；
- 当核心运行两个SMT线程时，可以各自独占一个解码器使整个核心的x86解码吞吐上限在大部分情况下达到8。
由于时间和测试条件关系，本次暂时没有收集性能计数器数据结合实际跑分来观察新的前端表现，因此仅仅只能进行一些简单的理论分析。
个人推测在不久的将来，macro-op cache可能会被从 Zen 核心上完全移除，从而转向更为灵活的predecode ILD缓存方案来解决x86可变长度宽解码问题。同时，AMD可以增加多组解码器的数量以轻松为高性能核心实现更宽的x86解码（同时支持单周期处理更多的 taken branch），或减少解码器数量为低功耗核心实现更节能、面积更小的x86解码。
访存延迟与带宽
Zen 5并没有对缓存容量和核心拓扑进行非常大的改动，因此跑一些比较常规的测试。
从上图可以看出，
- Zen 5将L1缓存增加到48 KB并且延迟维持4周期不变。
L1延迟性能优于Ice Lake之后实现48KB L1的微架构，与即将发布的 Arrow Lake (Lion Cove) 相同。 - L2延迟属性整体维持不变（1MB 14周期）
- L3延迟从50周期降低到46周期左右。
考虑到Zen 5的频率并没有非常大的下降，可以认为它的L3延迟获得了小幅度进步。
接下来进行SIMD读取带宽的测试，
可以看出，
- SIMD规格减半的Zen 5的L1读取带宽与Zen 4基本相同，均为每周期64字节；
- 与L1不同的是，L2带宽翻倍的属性被保留；
- 单线程读取L3的带宽更接近理论的每周期32字节，而Zen 4只有每周期24字节左右。
跨核心同步
Strix Point 处理器再次引入双CCX设计引发了一些人对跨CCX同步性能的担忧，因此本文也进行了简单的跨核心同步的性能测试。
可以看出，Strix Point的两组核心在不同的CCX内，表现与一般的 Ryzen 没有什么明显区别。跨 CCX 同步的延迟偏高（大约是桌面 Ryzen 的两倍左右），可能与 FCLK 频率动态调节等因素有关。
性能实测
由于时间关系，本次选取了SPEC CPU 2017 rate-1、Geekbench 5/6的单核/多核，分别对高频的Zen 5以及低频的Zen 5c进行测试。
- 其中Geekbench测试时间较短，因此所有设备运行于默认最高频率（frequency governor配置到“performance”）；
- SPEC CPU 2017运行时间较长，其中500和548等子项的局部发热非常严重，单核运行测试也会撞温度墙。在对Ryzen AI 9 365进行测试时，部分情况下频率会降低到4.9 GHz左右。为获得准确数据，在SPEC测试中将所有处理器使用CPPC限制到4.8 GHz同频对比。
- “Relative Performance”以7735U为基准，计算所有其它处理器的提升幅度
- “IPC uplift”则以前代为基准计算IPC提升幅度。Zen 4的IPC提升幅度相对Zen 3计算，Zen 5/5c相对Zen 4计算。
SPEC CPU 2017
观察子项成绩可以发现，500.perlbench_r的提升较大，达到了24%。而525.x264_r几乎没有性能提升，531.deepsjeng_r甚至发生性能下降(-5%)。以这三个测试为例进行一些简短的分析（猜测为主）：
- perlbench是AMD的传统劣势，其性能瓶颈被L1容量、load/store能力的提升很好地缓解。除此之外perlbench的ILP较好，分支指令数量适中，可能可以较好地发挥新的前端吞吐提升；
- x264主要是执行单元瓶颈，编译器自动向量化生成了大量SIMD整数运算代码。通过前面的分析可以发现，Strix Point上的Zen 5不仅在这方面毫无进步，甚至还有相当大的退步。那么微架构方面的提升极有可能被这些SIMD方面的削减抵消，想要在这个测试里获得完整的Zen 5性能可能只能等待桌面版；
- 在之前针对Zen 4运行SPEC的性能计数器分析中可以看出，531子项哪怕是在拥有 6.75K macro-op cache 的Zen 4核心上运行也会造成相当高的 macro-op cache MPKI。而Zen 5这方面有较为明显的削减会进一步拉低命中率，推测IPC下降与此有一定的关联。
总之，在有条件收集性能计数器数据之后，我会对跑分进行更详细的性能分析。
Geekbench
从整体看，Zen 5在 Geekbench 5/6 中的IPC提升比较符合官方宣传（在没有 FP/ML 子项刷分的情况下做到了大约15%-17%的提升），好于 SPEC CPU 2017 int rate 的提升。
需要注意的是，Geekbench 6 的 Object Detection 子项会使用 A VX512-VNNI 或者 A VX-VNNI 进行加速，因此 Zen 4相比 Zen 3 在此项测试中性能超过翻倍，拉高了平均数。而移动端 Zen 5 相比 Zen 4 并没有提高 A VX512 吞吐，在此项测试中的提升并不占优。由于 Geekbench 6 的这些改动，我认为 Geekbench 5 的整数子项放在今天依然比 Geekbench 6 更加具备参考价值。
总结
Zen 5 是世界上首个 8-wide rename 的 x86 微架构。本次 AMD 一反常态地将 Zen 5 移动端 APU 首先展示出来，但不幸的是无论是大核还是小核都并非性能最好的完全体。移动端一如既往减半的缓存、以往没有出现过的减半 SIMD 单元、较上代更低的频率，无不意味着 Zen 5 移动平台和桌面版本的综合性能差距将会来到史无前例的级别。
好在通过测试 Strix Point 已经可以足够了解这个微架构的设计思想和最重要的新特性，以解答那个老生常谈的问题——x86 作为一个复杂的变长指令，在这个RISC当道的时代，未来应该何去何从？在我看来，当 Intel 目前最有活力的 atom 团队与后来者 AMD 给出了相同的结论时，我相信答案已经离我们不远了。期待后续有机会进行更多的详细完整测试。
声明：本文仅为博主 Da vid Huang个人测试，测试使用的一切设备、工具等资产与本人所在公司/职位无关，也没有接受任何赞助。由于使用非正式版系统固件/软件，测试结论可能与零售设备有少许差异，仅供参考.
