اگزینوس 2700: بنچمارک جدید نشان‌دهنده پیشرفت قابل توجه سامسونگ

به گزارش نگاه فناوری:تراشه جدید سامسونگ، اگزینوس 2700، خیلی زودتر از موعد در بنچمارک گیک‌بنچ دیده شد و نتایج جالبی را به نمایش گذاشت. آیا این تراشه، که احتمالاً در سری گلکسی S27 استفاده خواهد شد، می‌تواند نقایص پردازنده پرچمدار سامسونگ را برطرف کند؟

ظهور اگزینوس 2700 در بنچمارک گیک‌بنچ

اولین نمایش این تراشه در بنچمارک، توسط منبعی آگاه به نام Abhishek Yadav گزارش شد. اگزینوس 2700 معماری غیرمعمولی نسبت به نسل قبلی خود، یعنی اگزینوس 2600، دارد. در حالی که نسل قبلی از ساختار 1+3+6 استفاده می‌کرد، نسخه جدید از یک ساختار 1+4+1+4 بهره می‌برد.

این تراشه با شماره مدل S5E9975 در گیک‌بنچ ثبت شده است و این تغییرات معماری نشان می‌دهد که سامسونگ در حال آزمایش رویکردهای جدید برای بهبود عملکرد است.

معماری جدید اگزینوس 2700

تراشه اگزینوس 2700 دارای 10 هسته است که شامل چهار خوشه زیر می‌شود:

خوشه اول: 1 هسته با فرکانس 2.3 گیگاهرتز

خوشه دوم: 4 هسته با فرکانس 2.4 گیگاهرتز

خوشه سوم: 1 هسته با فرکانس 2.78 گیگاهرتز

خوشه چهارم: 4 هسته با فرکانس 2.88 گیگاهرتز

عملکرد اگزینوس 2700 در بنچمارک

پردازنده گرافیکی این تراشه، Xclipse 970، خواهد بود و دستگاهی که در این بنچمارک استفاده شده، از اندروید 16 و 12 گیگابایت رم بهره می‌برد. این تراشه موفق شد امتیاز 15,618 را در تست OpenCL به دست آورد.

البته باید توجه داشت که این دستگاه یک نمونه ارجاع مهندسی (ERD) است، بنابراین طراحی خوشه‌ها و عملکرد GPU ممکن است در نسخه نهایی تغییر کند. با این حال، این بنچمارک نشان می‌دهد که سامسونگ در حال آزمایش معماری‌های متنوع است.

فرکانس‌های بالاتر و فرایند تولید 2 نانومتری

در گذشته، شایعات حاکی از آن بود که سامسونگ از فرکانس بالاتر 4.2 گیگاهرتز در اگزینوس 2700 استفاده خواهد کرد. اما گزارش جدید نشان می‌دهد که این فرکانس‌ها کمتر از آن می‌باشند. البته پیش‌بینی می‌شود که اگر این خوشه‌بندی نهایی شود، فرکانس‌های فعلی ممکن است در نسخه نهایی افزایش یابند.

این تراشه با استفاده از فرایند تولید 2 نانومتری SF2P، می‌تواند به تعادل بهتری بین بهره‌وری و مصرف انرژی دست یابد. این معماری به تراشه کمک می‌کند تا وظایف هوش مصنوعی را در پس‌زمینه مدیریت کند، همگام‌سازی‌های روزانه را انجام دهد و بدون نیاز به هسته‌های سنگین، وظایف سبک را پردازش کند. این رویکرد می‌تواند به صرفه‌جویی قابل توجهی در مصرف انرژی کمک کند.