英特尔Lunar Lake浅析：架构推倒重来，AI性能猛增

在历经PC行情反复，ARM阵营异军突起之后，COMPUTEX 2024成为了一个很有意思的节点，前有Windows on ARM和高通骁龙X Elite蓄势待发，后有AMD启势抢占市场份额，英特尔当下在消费级市场已经开始面对来自多方面压力。好在帕特·基辛格在掌舵之时很早意识到了这一点，四年五个节点制程计划和引入台积电代工，让英特尔重新开启追击的态势，第二代酷睿Ultra，Lunar Lake正是在这样的环境下诞生。

如果说第一代酷睿Ultra Meteor Lake是对CPU架构的大改，那么Lunar Lake几乎是推倒重来的，无论是P-Core的Lion Cove，E-Core的Skymont，与独显架构看齐的Xe2核显，NPU 4，台积电N3B+N6工艺，还是首次将LPDDR5X内存放在封装内，所有的设计与以往大相径庭。

Lunar Lake也被英特尔寄予厚望，比如它继续英特尔推进AI PC轻薄型笔记本的AI性能表现，特别是集成的NPU 4达到了48 TOPS，是Meteor Lake NPU 3的11.5 TOPS的4倍左右。

在这个看中AI性能、续航、媒体性能的大趋势下，Lunar Lake应该可以有什么样期待，它会对今年第三季度以后发布的笔记本产生什么样的影响，笔记本电脑格局还会发生什么改变？趁着技术解禁，不妨让我们一窥Lunar Lake的架构。

为了方便阅读，我们将Lunar Lake的大致变化和特点放在第一章节，如果你时间有限，看完第一章概览即可，如果感兴趣，文章其余的章节可以给你提供更详尽的细节。

概览：英特尔设计，台积电立功

Lunar Lake的设计和制造是一个很有意思的组合，英特尔让芯片设计团队自主选择他们觉得最好的生产方案，放飞的Lunar Lake选择了分别使用台积电N3B和N6工艺生产两个模块（Tile），即台积电N3B负责计算模块（Compute tile），台积电N6负责平台控制模块（Platform Controller tile）。

同时放飞的还有超线程技术，是的，Lunar Lake不支持超线程，多少个核心即为多少个线程，第9代酷睿的时候，英特尔也曾经尝试在桌面端取消了Core i9-9900K之外的超线程技术，达到产品区分的目的。但在Lunar Lake上，设计团队主要出于执行效率和能耗考虑而取消，英特尔认为能耗翻倍换取多30%线程性能增加，远没有提升E-Core性能来得直接，这里后续我们会进行详细说明。

Lunar Lake将拥有4个P-Core，4个E-Core，共计8线程，即4P+4E/8T。在计算核心架构上，P-Core和E-Core都发生了巨大的变化，其中P-Core采用了全新的Lion Cove架构，E-Core则使用了Skymont架构，不仅代替了原来的Cresmont，还放弃了Core Ultra上出现的LP E-Core设计。重点是，E-Core之间也不像P-Core那般使用Ring总线连接，而是让其具备LP E-Core的特性，并配合台积电N3B制程效率和新架构设计下每周期指令数（Instructions Per Cycle，IPC）提升，从而获得显著的增益效果。

连接计算模块（Compute tile）和平台控制模块（Platform Controller tile）的部分则使用了英特尔引以为傲的Foveros封装技术，并将两个模块连接到一个基础模块（Base tile）上，完成更高效和更节能的连接方式。

不仅如此，内存也首次直接被封装到Lunar Lake中，在CPU上半部分包含了2个64bit 32GB LPDDR5X内存，总共128bit 32GB，这样的变化意味着未来轻薄本的用户不再能自行添加内存。

在AI方面，英特尔启用了全新的NPU 4，在INT 8上的性能可以达到48 TOPS，以实现微软的Copilot+ AI PC标准，从而满足未来的AI PC性能。但Lunar Lake也并非只有NPU提供AI计算性能，核显Arc Xe2-LPG也带来了更强的AI算力，总计达到120 TOPS，但全负荷运行耗电量会增多，在轻薄本使用过程中，通常会根据实际负载进行取舍。

与此同时，英特尔与微软合作将英特尔硬件线程调度器（Intel Thread Director，ITD）进行了增强，旨在与微软Windows Copilot以及其他AI助手进行针对性优化，考虑到Lunar Lake推出时间在今年第三季度，现在硬件和软件厂商已经在优化和调用上着手准备起来了。

英特尔硬件线程调度器（Intel Thread Director，ITD）承担着更重要的电源管理和能耗控制工作。因为在过去几年中，AMD在PC领域的施压只是其次，更大的压力其实来自于Arm、苹果M系列芯片对传统笔记本体验和续航的颠覆，在COMPUTEX 2024上，Arm CEO雷内·哈斯（Rene Haas）已经放出豪言，目标是在五年之内拿下Windows PC市场超过50%的份额。同时高通骁龙X Elite已经开始实装微软Surface Pro 11，未来更多品牌的高通骁龙X Elite笔记本也开始蓄势待发。

这时候Lunar Lake的电源管理和能耗表现就显得非常重要了。在分配策略上，由于流程比Meteor Lake更为直接，Lunar Lake只需要调用E-Core和P-Core即可，即最初任务都会先分配给E-Core，在根据需要的时候分配给E-Core和P-Core。同时系统也会对某些特定任务指定内核工作，配合Windows 11实现以最小功耗完成最高效率的目的。

例如当视频会议结束进入视频保存环节，这个过程无需P-Core参与，E-Core就能在后台实现，从而达到能耗节省的目的，这个操作需要操作系统、应用、调度器共同完成。

Lunar Lake还拥有着一套电源管理系统（Internal Power Managemant），用来平衡效率、性能模式，与前面提到的硬件性能调度器ITD一起，共同实现能效平衡。同时在调度中，英特尔也进一步增加应用场景的颗粒度，通过AI调度提示和Windows 11跨内核IP调度完成更灵活多变的工作负载。

可以这么理解，Lunar Lake是英特尔架构设计团队与台积电制造工艺合作下产生的一款令人兴奋的产品，在接下来几个章节中，我们会逐一对P-Core、E-Core、NPU、Are Xe2-LPG核显进行逐一介绍。

P-Core：进击的Lion Cove

P-Core的性能提升来自于全新的Lion Cove架构做出的重大改变。Lion Cove使用了全新的多层数据缓存设计，包含1个具备4周期延迟的48KB L0D缓存，1个9周期延迟的192KB L1D缓存，以及1个17周期的3MB L2缓存。这意味着在9个时钟周期内，可以获得L0D+L1D的240KB缓存。相比上一代Meteor Lake P-Core的Redwood Cove架构，9个时钟周期内只能有48KB缓存。不仅如此，数据转换后备缓冲区（DTLB）也进行了修订，其深度从96页增加到128页，以提高其命中率。

与此同时，英特尔还增加了第三个地址生成单元（Address Generation Unit，AGU）以进一步提升存储性能。负载单元和存储单元管道数量均达到3个，在英特尔大部分架构中，负载单元通常多于存储单元。

可以看到英特尔正在尝试在CPU设计中投入更多的缓存设计来解决性能问题，特别是随着CPU系统设计愈发复杂，缓存子系统有必要跟进增加，以保持其正常运行，从而成为提升性能与执行效率的关键。

P-Core Lion Cove架构还采用了一种全新的前端方式来处理指令，包括预测块的大小增加了8倍，拥有更广泛的提取和更大的解码带宽，Uops缓存容量（Micro-operations，存储微操作，Uops）和读取带宽大幅增加，UOP队列（UOP queue）也对等增加，从而提高了整体执行吞吐量。

在执行过程中，Lion Cove的乱序引擎被划分成了整数（INT）和矢量（VEC）两个域，均具备独立的重命名和调度功能。这种划分方式能让每个域可以独立增长，并且对于特定领域的工作负载有助于减少功耗。

乱序引擎从6宽度分配/重命名（Allocation/Rename）增加到8宽度，由于处理器流水线中，指令的执行是一个多阶段的过程，当一条指令完成了其所需的所有操作后，它就会从乱序引擎中退役（Retirement），以便为下一条指令腾出空间，从而实现更高的并行度和效率。这里英特尔将8宽度退役增加到12宽度，确保更多的指令可以在同一时间段内完成执行并离开乱序引擎，进一步提高了处理器的性能。

同时深度指令窗口（Deep Instruction Window）从512条增加到576条，执行端口从12增加到18个。这些变化使得流水线更加稳定和灵活。

然后是整数ALU单元（Arithmetic Logic Unit）。Lion Cove整数ALU单元的数量从5个增加到了6个，跳转单元（Jump Units）从2个增加到了3个，移位单元（Shift Units）也从2个增加到了3个。乘法单元从64×64提升到了64，数量从1个增加到了3个。

更厉害的是，P-Core数据库做了重大调整，英特尔将其称为芯片设计的重大变革，甚至会深远影响到未来的迭代。这属于分区（Partition）定义上的重大变化，在以往，英特尔把分区（Partition）切分得很零散，每个小分区（small partition）可能包含成千上万个单元（cell），这导致了分区之间的关联性较弱，以及分区内部的单元数量过多，可能会增加设计的复杂性和管理难度。

在Lion Cove中，英特尔将设计重心放在创建更大规模的分区（Partition）。每个大模块分区都包含数十万甚至数百万个单元（Cell），这时候，处理器设计中的物理边界减少了。换句话说，现在每个分区内部的连接线路，都代表着一个物理边界。

这样的大模块设计的工具和理念引入后，物理边界减少带来利用率和硅片面积效率的提升，设计团队可以更轻松地进行处理器的集成整合，降低了整体的设计成本和复杂度。不仅如此，减少了物理边界也使得处理器设计的迭代变得更加容易。因为模块之间的耦合性降低，修改或调整一个模块不太可能对其他模块产生重大影响，这使得设计团队可以更快地进行迭代和优化，从而让未来的迭代升级变得更为容易。

Lion Cove在架构上的变化让Lunar Lake P-Core的IPC（Instructions Per Cycle，每个时钟周期指令数）提升幅度达到了30%，动态电源效率提升了20%。换而言之，在不增加核心面的前提下，就能获得更好的效能平衡，可以让英特尔在现有的物理约束条件下获得更好的性能表现。

不仅如此，Lion Cove的功耗管理也引入了人工智能（AI）调节控制器用来代替原来的固定档位调节。AI能够以自适应方式动态响应实际的实时操作条件，以实现更高的持续性能。以往的固定档位调节只能以100MHz进行调整，现在更细的时钟粒度可以做到16.67MHz为一个间隔，从而获得更好的功耗管理。

从直面上看，Lion Cove所打造的P-Core无疑有明显的进步，无论是缓存系统还是功耗管理设计，可以在不提升频率的前提下，给IPC带来了显著提升。但不提升频率使得这一代P-Core增加超线程技术的收益递减，同时耗电量会增加。正因为如此，我们在Lunar Lake上会暂别超线程技术。

E-Core：比上一代P-Core还强的Skymont

按照英特尔的说法，Skymont架构打造的E-Core能够与上一代P-Core性能持平，甚至在部分工作场景下战斗力更胜一筹。

同样，Skymont也使用了全新的设计。包括在一个时钟周期内同时解码并执行9条指令，也就是9宽解码，比上一代E-Core的Crestmont架构增加了50%。通常而已，解码阶段的宽度越大，处理器的性能越高，可以更有效地利用其资源，加快指令的执行速度。

9宽解码是由一套更大的微操作队列提供支持的。每个微操作代表处理器内部的一条指令或操作，微操作队列的容量代表可以同时存储和处理的微操作数量。Skymont的9宽解码微操作队列数量达到了96个条目，对比之下，上一代Crestmont只有64个条目。与此同时，英特尔还使用了Nanocode方案让每个解码集群获得更多的微码并行性，使其能够更有效地执行指令流。

然后是乱序执行引擎。Skymont的乱序执行发生了重大变化，分派给执行单元的指令数量增加至8条，即分配宽度增加至8宽，退役（Retirement）扩展至16宽，意味着可以最多16条指令并行完成执行。

这样的设计让Skymont可以更有效地同时发布和执行多个指令，可以不依赖先前的指令结果执行后续指令，从而减少由指令之间的依赖关系导致的延迟。

此外，Skymont将在排队和缓冲能力方面将重新排序缓冲区加深至416个条目，而之前的版本为256个。此外，物理寄存器文件（PRF）和预约站（Reservation Station）的大小也已经增加，这使得核心能够处理更多正在执行的指令，从而提高指令执行的并行性。

与此同时，Skymont的用于向执行单元发送指令的分派端口（Dispatch Ports）增加到26个，其中有8个用于整数算术逻辑（ALU），3个用于跳转操作，3个用于每周期加载操作，确保资源可以灵活分配。

还有4个128bit的FP（Floating Point，浮点数）和SIMD（Single Instruction Multiple Data，单指令多数据流）向量操作，使得每秒浮点操作次数翻倍，并减少了浮点操作的延迟。

英特尔还重新设计了缓存系统，一组4MB L2缓存提供给4个核心共享，L2缓存带宽增加到每个周期128B，进而降低访问延迟，提升数据吞吐量。

这里英特尔展示了架构修改后的效果。其中功耗效率得到了明显提升，单线程性能提升1.7倍的情况下，功耗仅为Meteor Lake LP E-Core的三分之一。

如果用Skymont E-Core集群与Meteor Lake以及LP E-Core同时比较，功耗相同的情况下，多线程性能提升2.9倍。

这样的设计无论移动端还是桌面端都奏效。Skymont E-Core配置非常灵活，不仅可以在移动端方案中降低能耗，也可以在桌面端提升多线程吞吐量。

如果与上一代的Raptor Cove P-Core相比，Skymont E-Core的单线程工作负载中，整数和浮点计算性能提高了2%，但功耗和发热与之前相同，实打实的这一代E-Core打上一代P-Core。

Skymont架构的变化接下来移动端和桌面端升级都做好了铺垫，特别是解码、执行、内存子系统和功耗效率的明显提升，以及更高的IPC收益，都给后续的产品提升提供了广阔空间。

NPU 4：翻了4倍AI性能

NPU是英特尔近段时间推广的重点。Lunar Lake上NPU也取得了明显提升，因此取名NPU 4，性能相当于Meteor Lake NPU 3的4倍，达到48 TOPS。而NPU 4提升的重点在于相对NPU 3在神经处理能力、效率、频率、功耗架构和引擎上的全面提升，进步也相当明显。

NPU 4矢量性能本质上利用更多计算模块来实现。新架构下，NPU 4支持INT 8每个周期2048个MAC（Multiply-Accumulate，乘法累加）计算，FP16每个周期1024个MAC计算，效率显著提升。

同时NPU 4中的分层也有所增加。每个神经计算引擎中都嵌入了推理管道，包括MAC阵列和用于不同类型计算的专属DSP（Digital Signal Processor），并且是为多并行操作而构建的。针对矢量计算优化的SHAVE DSP在NPU 4中起到了至关重要的作用，让NPU 4矢量计算性能相比NPU 3提升4倍，能够处理更复杂的神经网络。

不仅如此，NPU 4提升了时钟频率，并引入了一个新的节点，让NPU 4在与NPU 3相同的功率下性能提升了1倍，峰值性能提升2倍。MAC阵列还具有更高效的数据转换功能，能够实现动态数据类型转换、融合操作、输出数据布局，以最小的延迟实现数据流的最佳效果。

另外NPU 4的带宽改进对于更大规模的模型和数据集处理更为重要，特别是在基于Transformer语言模型应用中，NPU 4通过更高的数据流降低数据瓶颈进而实现平稳运行。NPU 4的DMA（Direct Memory Access，直接访问内存）引擎带宽翻倍，也让其对大模型处理更为有效。此外，NPU 4还加入了嵌入标记等功能，并支持激活函数，可选择精度来实现不同的浮点计算，应对更复杂的神经网络脱离模型。

由于MAC阵列可以在单个周期内处理2048个INT8和1024个FP16的乘法累加计算，并且宽度达到512bit，在一个时钟周期内，NPU 4的矢量运算效率非常高。

SHAVE DSP可以让NPU 4带来4倍的TOPS，12倍于NPU 3的矢量计算性能，也对于Transformer语言模型和大语言模型LLM而言非常有用。

基本上而言，NPU 4相对NPU 3性能提升是非常巨大的，包括12倍的矢量性能，IP带宽提升2倍，也会成为后续AI PC性能提升杀手锏。

Xe2：新核显，很能打

现在进入喜闻乐见的核显环节。Lunar Lake所采用的Arc Xe2-LPG将会承担游戏、AI、媒体引擎工作等重要功能，也是提升PC体验的重点模块之一。由于之前提到的大规模分区设计缘故，GPU与媒体部分也不再是相互独立的部分，而是与其他计算单元融合在一起。

相比Meteor Lake的Xe-LPG，Xe2-LPG提供了67 TOPS的INT8性能和更多的光线追踪单元，在图形性能上相对Xe-LPG提升了1.5倍，并采用了全新的XMX引擎，增强的XeSS内核等等。

从核心数量上来看，Xe2-LPG依然包含了8个Xe核心，但是核心宽度增加，并提供了固定功能单元与其配对。

按照计划，Xe2架构将来也会应用到下一代Arc GPU Battlemage设计中，包括加入XVE矢量引擎、更高效的XMX引擎等。XMX矩阵单元同样作为MAC乘法累加计算使用，原本是独显Arc GPU的独占部分，现在也应用到Xe2-LPG中，让其具备类似于NVIDIA Tensor Core的AI推理性能，利用专属的硬件提升游戏中XeSS分辨率超采样的效率。在此之前的Xe-LPG利用的是DP4a指令实现，效率自然是跟不上硬件的XMX矩阵的。

Xe2中的Xe核心包含8个512bit矢量引擎，相比上一代Xe的16个矢量引擎减少了一半，另一半用来放前面提到的2048bit XMX矩阵引擎来实现更好的运算支持。XMX矩阵引擎包含INT2、INT4、INT8以及FP16、BF16在内精度计算，并对FP64提供支持，从而实现对更丰富的推理模型的兼容。

由于XMX引擎支持Int8 4096 OPS/clock和FP16 2048 OPS/clock算力，远高于XVE矢量引擎，在重负荷AI加速中，Xe2将扮演最重要的角色，成为新一代Core Ultra 120 TOPS AI算力的核心角色。

继续向下延伸就是构成Xe核心部分之一的渲染切片（Render Slice）。新的渲染切片引入了对于Excute Indirect的支持，原来3D任务需要CPU把指令给到GPU，然后由GPU去运算执行，而在Excute Indirect功能支持下，部分命令可以直接在GPU本地执行，不需要CPU一条条告诉GPU做什么，而是GPU本身就具备Draw、Dispatch的能力，这些命令可以直接在GPU里直接完成。此外，几何单元改进达成顶点获取（Vertex Fetch）吞吐提升3倍，mesh shading性能提升3倍。

此外，缓存部分的压缩率和吞吐量也有了明显提升，包括提升了L1 Cache的利用率，Sampling吞吐提升2倍，Pixel Color Cache提升1.33倍等等。

另外Xe RTU光线追踪单元也进行了拓宽，提供三条遍历通道，18 x Box intersections和2 x Triangle intersections计算，能够更快速地进行盒子和三角形之间的交叉检测。其中Box intersections是指单元在光线与盒子或者说包围体积相交时所能处理的数量，Triangle intersection指代光线与三角形相交时所能处理的数量。

从整体上来看，Xe2-LPG总共包含2个渲染切片，8个Xe核心，64个矢量引擎，64个XMX引擎，8MB L2缓存，在性能提升上，比上一代已经很强的Meteor Lake综合性能再提升1.5倍。

英特尔还强调Lunar Lake可以在15W功耗之下就能完全发挥Xe2核显的性能，比Meteor Lake的25W优秀得多，这一代Meteor Lake用作游戏掌机已经非常可以了，看来未来更多Windows游戏掌机不再是梦。

Xe2-LPG提供了更灵活的输出方式，显示引擎可以相互组合实现多流传输，从而实现灵活的接口配置。并且英特尔还专门提供了一个eDP端口，为高性能、高刷新率、高分辨率显示器提供硬件支持。

其中Xe2的eDisplayPort 1.5集成了自适应同步和选择性更新机制的面板重放功能。这有助于通过仅刷新屏幕变化的部分而不是整个显示器来降低功耗。这些创新不仅节省了能源，还通过减少显示延迟和提高同步精度来改善视觉体验。

描绘像素处理管线是英特尔显示引擎的基本基础之一，为高级颜色转换和合成提供了每个管线六个平面。此外，它还集成了硬件支持的颜色增强、显示缩放、像素调整和HDR感知量化，确保屏幕上的图形色彩鲜艳准确。该设计相当灵活，高度节能，并且经过性能优化，能够支持各种输入和输出格式，至少在理论上是如此。到目前为止，英特尔尚未提供任何可量化的功耗指标、TDP或其他功耗元素参考。

对于压缩和编码，Xe2架构可以无损扩展3:1的显示流压缩，包括HDMI 2.1、DisplayPort 1.5的传输编码协议，降低数据负载，并保持高分辨率输出。

与此同时，Xe2还使用了VVC编解码器（H.266），这相对AV1而言又是一个大的进步。可以将文件大小再压缩10%，并支持全景视频和自适应分辨率编码，对于网络视频而言更为重要。

从成体而言，Xe2不仅引入了更强的独立GPU架构，并且提升了GPU和媒体引擎性能，从而确保Intel平台笔记本在图形性能，特别是媒体性能上的优势。

连接性：原生支持Wi-Fi 7

最后再来说说笔记本更为看重的连接性。Lunar Lake的优势在于支持原生的Thunderbolt 4连接，全新的Thunderbolt Share功能，并且将Wi-Fi 7的支持放到了芯片里。

Thunderbolt 4表现比Thunderbolt 3更好毋庸置疑，重点在于提供了更好的连接性和显示输出带宽，原生支持Thunderbolt 4的好处在于，现在Lunar Lake的笔记本最高可以获得3个Thunderbolt接口，从而实现更灵活的笔记本扩展。

另外一个改进则是在应对视频编辑、大文件传输时，Thunderbolt 4也可以有更快的响应速度，避免外接PSSD的时候出现响应之后的尴尬。

Thunderbolt Share则是近段时间提出来，并直接融合到Lunar Lake中的技术，它可以做到允许PC以60FPS的速度向其他PC共享屏幕、画面、键盘、鼠标和存储，是的，两个笔记本互插Thunderbolt就可以传输文件了，这可是笔者年少时候的梦想。

另外一个重要更新就是Wi-Fi 7也继承到了Lunar Lake中。Wi-Fi 7的好处在于允许用户处理宽带密集型任务的时候，也可以提供稳定的无线连接。同时Wi-Fi 7还包括射频干扰缓解、时钟频率自动调谐，提升无线网络性能等功能。

英特尔表示还将与Meta合作，通过Wi-Fi 7增强VR体验，让VR也进入画面无线传输、高可靠、低延迟的时代，这对于VR设备而言无疑是非常利好的。

其中重点还是在于原生支持，只要OEM厂商不过分阉割，下一代笔记本将会直接获得Wi-Fi 7、Thunderbolt 4和Thunderbolt Share功能，从而提升笔记本的易用度。显然下半年，家里的路由器也可以考虑升级到Wi-Fi 7了。

写在最后：Q3见英雄

无论是架构、制程工艺，Lunar Lake给与的变化近乎是翻天覆地的。这让上市不到一年的Meteor Lake产品刚刚开卖就感到了压力，显然在竞争对手们压力下，英特尔已然加速了更新步伐。

Lunar Lake是一款完全偏向于效能移动端的产品，它要以x86的身份对抗苹果M系列、Arm、高通骁龙X的挑战，即便Windows on ARM听起来很美好，关键时刻某个软件低效或者打不开，还是让人头疼不已，更不要提在轻薄本上开个Steam，畅快玩耍完整的游戏列表。这份工作现在依然只有x86可以胜任。

Lunar Lake要做的就是在拥有很好兼容性前提下，续航、使用体验与精简指令集的新势力们看齐，利用大刀阔斧的设计和不拘一格的选用最合适的台积电制程，带来了120 TOPS AI性能，更长的续航表现，更强的核显，将会成为第三季度以后发布的笔记本新品的基本盘，32GB LPDDR5X和Xe2-LPG的广泛应用都会让轻薄本显得更为能打。

同时也让我们更为期待接下来面向桌面端Arrow Lake的战斗力，毕竟狠起来连自己产品都能敢大动刀的英特尔，完全是值得期待的。