MTK联发科安卓核心板MT8385(Genio 500)规格参数资料_性能介绍

简介

MT8385安卓核心板 是一个高度集成且功能强大的物联网平台,具有以下主要特性:

l 四核 Arm® Cortex®-A73 处理器

l 四核Arm Cortex-A53处理器

l Arm Mali™-G72 MP3 3D 图形加速器 (GPU),带有 Vulkan® 1.0、OpenGL ES 3.2 和 OpenCL™ 2.x 完整配置文件

l 双核视觉处理器单元(VPU)cadence®Tensilica® VP6 DSP

l LPDDR3或LPDDR4/X外存支持

l HEVC/H.264 1080p@30fps视频解码

l H.264 1080p @ 30fps 视频编码

l 高分辨率、多摄像头框架,最高32MP @30fps

l 显示支持 MIPI® DSI 和 DPI/DBI 输出,最高 2400p * 1080p (Full HD+),20:9 纵横比

l eMMC5.1和UFS2.1接口

l 先进的 Wi-Fi®、Bluetooth®、GNSS 和 FM Radio 连接

功能概述

功能说明

MT8385 架构是一个高度集成且功能强大的物联网平台,包含应用程序处理、视觉处理器单元 (VPU) 和连接子系统,可实现需要高性能边缘处理、高级多媒体和连接功能以及高分辨率相机的广泛用例。该平台具有四核 Arm Cortex-A73 和 Cortex-A53 的高级实施,均在高达 2.0 GHz 的频率下运行,以及强大的图形加速器。 MT8385 具有 LPDDR3 和 LPDDR4/X 以实现最佳性能,还支持从 eMMC 启动以最大限度地降低整体 BOM 成本。此外,还包括一组广泛的接口,用于连接相机、触摸屏显示器和 MMC™/SD 卡。

配备 Arm Neon™ 引擎的四核 Arm Cortex-A73 和 Cortex-A53 提供必要的处理能力,以支持最新的高级操作系统以及要求苛刻的应用程序,例如网页浏览、电子邮件、GPS 导航和游戏。该内容可以通过 2D/3D 图形加速器进行增强,然后在高分辨率触摸屏显示器上进行可视化。为了提供先进的多媒体应用和服务,例如流式音频和视频,该设备配备了一个多标准视频加速器,带有大量的解码器和编码器,如 HEVC 和 H.264,以及一个先进的音频子系统。

集成的 VPU 内核支持深度学习、神经网络加速和计算机视觉应用。后者与高达 32MP 的摄像头相结合,可以清晰准确地执行面部识别、物体识别、场景分析、光学字符识别等 AI 视觉功能。

通过与外部 MT7668/MT6631 连接芯片共享的单根天线,该设备提供了业界最便捷的解决方案。凭借其小尺寸和低功耗,它可以实现多种潜在的设备设计,从而降低开发成本并加快上市时间。

应用处理器

该设备包括一个基于 Arm 的处理器子系统 (MCUSYS),负责在设备中运行操作系统和应用程序。它由两个不同的 CPU 集群组成,提供不同级别的电源效率和计算能力,以满足广泛的系统电源和性能要求。 Cluster 0(四核 Arm Cortex-A53 处理器)的电源效率经过特别优化,可在日常使用场景和轻量级应用中将功耗降至最低。对于更多计算密集型和延迟敏感的工作负载,Cluster 1(四核 Arm Cortex-A73 处理器)可以提供更高的性能水平和合理的功耗。

MCUSYS 还包括 Arm GIC-500 中断控制器,可为两个 Arm 集群提供中断支持。

MCUSYS 支持动态电压和频率缩放 (DVFS) 技术,该技术允许 CPU 在不同的频率和电压配置下运行,以满足不同的应用需求。除了 DVFS,每个 CPU 内核的电源可以在不使用时单独关闭。在待机模式下,MCUSYS 可以完全关闭,以进一步降低功耗并优化移动设备的电池使用。

Cortex-A73 处理器

A73 集群支持以下主要功能:

l 四核实现

l 带有 SIMDv2/VFPv4 ISA 的 Neon 处理引擎

l 完全符合ARMv8-A架构:

o 所有异常级别(EL0 到 EL3)的 AArch32 和 AArch64 执行状态

o A64 指令集

o A32 指令集(前 Armv8 架构中的 Arm 指令集)

o T32 指令集(前 Armv8 架构中的 Arm Thumb® 指令集)

l Arm Jazelle® 技术

l 具有直接和间接分支预测的有序流水线

l 支持来自 SYSTMR 的 64 位计数输入的通用定时器

l 一级(L1)和二级(L2)高速缓存,高速缓存行长度为64字节:

o 64KB L1 指令高速缓存 (L1I)

o 64KB L1 数据缓存 (L1D)

o 1024KB 统一二级缓存

l 内存管理单元(MMU):

o 32 项、全关联、L1 指令微翻译后备缓冲器 (TLB)

o 48 条目、全关联、L1 数据微型 TLB

o 包含两个并行访问的高速缓存 RAM 的主 TLB:

n 4 路、组关联、1024 项缓存,用于存储虚拟地址 (VA) 到物理地址 (PA) 的映射,以实现更小的页面大小(4KB、16KB、64KB)

n 2 路、组关联、128 项缓存,用于存储更大页面大小(1MB、2MB、16MB、32MB、512MB、1GB)的虚拟地址 (VA) 到物理地址 (PA) 映射

l 安全性:

o TrustZone®

o 安全启动(请参阅第 1.1 节启动模式)

l 调试:

o Armv8 调试逻辑

o Arm CoreSight™ 架构

l 128 位 AXI 主接口------直接连接到外部存储器接口 (EMI),以最大限度地减少对 DRAM 的访问延迟,从而提供足够的存储器带宽


更多资料技术了解,可到 · 新移科技技术论坛 - Powered by Discuz!

相关推荐
昨日之日20061 小时前
Moonshine - 新型开源ASR(语音识别)模型,体积小,速度快,比OpenAI Whisper快五倍 本地一键整合包下载
人工智能·whisper·语音识别
浮生如梦_1 小时前
Halcon基于laws纹理特征的SVM分类
图像处理·人工智能·算法·支持向量机·计算机视觉·分类·视觉检测
深度学习lover1 小时前
<项目代码>YOLOv8 苹果腐烂识别<目标检测>
人工智能·python·yolo·目标检测·计算机视觉·苹果腐烂识别
热爱跑步的恒川2 小时前
【论文复现】基于图卷积网络的轻量化推荐模型
网络·人工智能·开源·aigc·ai编程
阡之尘埃4 小时前
Python数据分析案例61——信贷风控评分卡模型(A卡)(scorecardpy 全面解析)
人工智能·python·机器学习·数据分析·智能风控·信贷风控
孙同学要努力6 小时前
全连接神经网络案例——手写数字识别
人工智能·深度学习·神经网络
Eric.Lee20216 小时前
yolo v5 开源项目
人工智能·yolo·目标检测·计算机视觉
其实吧37 小时前
基于Matlab的图像融合研究设计
人工智能·计算机视觉·matlab
丕羽7 小时前
【Pytorch】基本语法
人工智能·pytorch·python
ctrey_7 小时前
2024-11-1 学习人工智能的Day20 openCV(2)
人工智能·opencv·学习