虽然2019年才过一半，但是作为2019年机型销售的前三名--红米NOTE 7(pro)系列国内销量已经超过了2000万台，作为其后续机型红米NOTE 8(pro)其配置也早已铺天盖地的宣传到大家耳中。红米NOTE 8采用高通骁龙665的CPU、红米NOTE 8 pro则采用的是联发科的Helio G90T。
| 红米 Note 7 Pro | 红米 Note 8 Pro | 红米 Note 8 | 处理器 | 骁龙675(11nm) | MTK G90T(12nm) | 骁龙665 (11nm) | 摄像头 | 4800万双摄 （IMX586） | 6400万+800万+200万+200万 前置2000万 | 4800万+800万+200万+200万 前置1300万 | 电池 | 4000毫安 | 4500毫安 | 4000毫安 | NFC | 无 | 有 | 无 | 红外 | 有 | 有 | 有 | 游戏定制 | 无 | 液冷散热/ X天线 | 无 | 售价 | 6G+128GB 当前1399元 | 6G+64GB 首发1399元 | 4G+64GB 首发999元 |
其中引起广大米粉最大争议的就是这款Helio GT90；毕竟在华为（麒麟810、麒麟980）、高通（骁龙855、骁龙855+）和苹果（A12）制程工艺迈入7nm时，红米却采用12nm的Helio G90T。虽然在安兔兔跑分上，Helio G90T（12nm）得分为222923，略高于骁龙730（8nm）的203258，略低于麒麟810(7nm)的237437；不过作为同级对手，其12nm的制程工艺成为了一个槽点。
对于手机芯片而言，工艺制程越先进，芯片的性能将会越强，功耗也低。芯片工艺制程的提升，意味着同样面积可容纳的集体管的数量越多，计算性能越强；芯片工艺制程越低，电流穿过时的损耗、发热量也就越低，功耗响应会降低很多，所以也可以看出工艺制程对手机性能的重要性。目前，7nm制程工艺是移动芯片领域的顶峰。接着分别是8nm、10nm、12nm等等，可以说12nm已经落后了两代，在性能和功耗上距离主流水平都存在一定差异。
再看看MTK G90和MTK G90T的构架： MTK G90: 12nm+2×A762.0GHz+6×A55 2.0GHz+4×MaliG76 720MHz。MTK G90T: 12nm+2×A762.05GHz+6×A55 2.0GHz+4×MaliG76 800MHz因此吐槽也是有理由的，这相对落后的制程却搭载了ARM架构里最新的A76核心，这是强调极致性能的旗舰级大核，需要高主频才能充分体现其性能优势，用7nm的工艺去配合，对于功耗和发热量来讲是目前最好的搭配。大家最担心的是12nm制程能效较差，对于A76大核的发挥有多大影响？手机长时间运行游戏发热量如何？会不会为了压住功耗和发热只能降低主频，结果影响了A76真正性能的发挥？虽然红米官方给出的解决方案是，采用了液冷降温和4500毫安的大容量电池；但仍旧有很多人认为12nm工艺搭载A76核心，有点“好马配破鞍”的味道。但为什么红米NOTE 8 pro要坚持用MTK G90T呢？最主要的原因还是省钱。从28nm、16nm、12nm、10nm到7nm，每一代工艺升级之后研发和生产芯片的困难程度和成本都是指数级上升的。以高通7nm芯片为例，光是研发就耗时长达3年，花费了数亿美元成本，总共有超过1000位电路设计和工艺专家参与，消耗了超过5000块工程验证开发板。对联发科和小米而言，采用相对落后的12nm制程，也意味着可以节省高昂的研发成本和生产成本。比如去年热销的联发科HelioP60处理器（12nm）和骁龙660处理器（14nm）各有千秋，而Helio P60为9.16美元（约合人民币62元），定价比骁龙660的11.55美元（约合人民币78元）还要便宜。由此引出了一个鉴于研发成本的技术，要降低处理器成本，异构计算是影响着以后集成芯片发展方向的一个重要因素。
以手机处理器举例，早期的手机可能只受CPU的影响比较大，但随着手机的计算应用向多元化发展，越来越多的场景开始引入CPU、DSP、GPU、ASIC、FPGA等多种不同计算单元来进行加速计算，由此，异构计算应运而生。异构计算的核心点在于“异构”二字，说白了就是用不同制程架构、不同指令集、不同功能的硬件组合起来解决问题，这就是异构计算。它能协调地使用性能、结构各异地机器以满足不同的计算需求，并使代码（或代码段）能以获取最大总体性能方式来执行。
那么为什么要用不同制程架构的硬件，而不用同一制程架构的硬件来解决问题呢？这其中其实可能有不少人存在一定的误解，把半导体芯片与CPU划等号。但其实半导体芯片制程、工艺包含的不只是处理器，还包括存储、通信、图形等芯片。而每一种芯片并不完全是由一家厂商设计、生产、封装，各家技术实力不同，那么在各自领域推进芯片制程工艺的速度就不同。比如处理器芯片进入7nm制程节点，但GPU芯片可能还在12nm制程节点，通信芯片可能还在28nm制程节点，且不同芯片之间的架构不同，所以如果没有异构技术的话，很难将这些不同规格的芯片封装到一个主板上使用。
异构计算从上世纪80年代就已经开始出现了，目前主要分为芯片级（SoC）异构计算和板级集成异构计算。
芯片级（SoC）异构计算就是将不同制程、不同架构的芯片进行异构来解决计算问题。最典型的就是手机的集成处理器，比如苹果手机的处理器能力强大吧，可是目前暂时在基带这一块（特别是5G时代）还需要高通或者英特尔来解决；而近两年来，在手机处理器市场混得不是很好的联发科，却是第一家成功推出整合5G基带到处理器的芯片商。还有2018年英特尔推出的KabyLake-G平台，也是将英特尔处理器与AMD Radeon RX Vega M GPU进行异构，来解决运算和图形计算问题。 板级异构计算同样很好理解，就是将不同功能的主板进行异构，通过高带宽连接来解决计算问题。随着市场竞争的愈演愈烈，芯片商都想推出更具竞争力，然而在制程节点演进到5nm、3nm甚至1nm之后，微缩技术的发展以及成本的考虑还能否满足如此快速的节点迭代演进和市场收益呢？如果无法满足，那么有没有其它技术可以弥补呢？ 这就是现阶段行业重提异构计算的一个大的背景。即当制程节点演进速度放缓、新架构研发成本增高，那么要解决更大规模、更高负载的计算时，异构是一种非常不错、且行之有效的解决方案。 在这种背景之下，半导体巨头英特尔不仅重新开始关注异构计算，而且在其基础之上提出了超异构计算概念。就是把很多现有的、不同节点上已经验证得挺好的Chiplet（可相互进行模块化组装的“小芯片”）集成在一个封装里，在这个层级下可以保证体积是小的，能把它的功耗控制的再低一些的话就可以享有更高的带宽和更短的延迟。成本上一定比板集组合便宜很多，而且既快又灵活，甚至可能会比SoC还便宜。如果SoC都做10nm芯片异构，那么成本可能并不便宜，但现在是把一些10nm和14nm，甚至22nm的芯片整合使用，这样就可以很好的控制成本。 因此, “超异构计算”概念主要是通过封装技术实现不同计算模块的系统集成，通过EMIB、Foveros这些2D、3D封装技术将多个Chiplet装配到一个封装模块中，一方面不像SoC异构技术那么复杂，也规避了长周期造成的灵活性不足的问题；另一方面则比传统板级异构的体积更小。 
英特尔在2019年初公布了一款通过最新的3D封装技术Foveros打造的LakeField异构主板，这块小巧的主板上集成了英特尔10nm IceLake CPU和22nm Atom小核心。前者负责高负载计算处理，后者负责低负载运算，可以合理的分配算力与功耗。而且可以看到，通过这种方式异构的主板，在具备完整PC功能的同时，又能够保证小尺寸的设计。同时集成在一个主板之上，也可以规避带宽限制，达到更高的效率。总而言之，异构计算的未来会相当丰富。在桌面端，将继续依靠GPU的大规模并行计算能力，不断突破人类计算的极限。而在手机端将联合不同类型的CPU，展现出强大的性能。未来的移动计算，需要闲时更加省电，这需要借助DSP、低功耗处理器的帮忙。同时也需要在瞬时展现出更强大的性能，而这更需要借助移动GPU进行异构计算。作为移动应用的开发者，可以借助RenderScript开发出强大的Android应用。更可以使用如Adreno SDK、MARE SDK等第一方芯片厂商的方案，轻松为应用做更深层的优化。PS：近年来，随着用手机玩游戏的人越来越多，很多人在购买手机往往只看其中几个参数，CPU、GPU、存储速度、摄像头、电量。异构计算除了节省成本外，其各部分的运算也是互相有联系的。就以GPU举例：以往多数人对GPU的印象是其功能仅应用于游戏。但事实上，GPU所能完成的工作不仅仅是运行大型的3D游戏，还可以利用其计算特性做很多重要的事情。比如高通骁龙系列的SoC芯片中，包含了三块具备较大处理能力的单元：Krait CPU、Adreno GPU和Hexagon DSP。如何更好的利用这三个计算单元，成为了移动应用开发者们必备的新“常识”。要知道CPU的整数运算能力很强，GPU的浮点计算能力更强，而DSP更倾向于处理有时间序列的任务。比如多媒体编解码任务，这是DSP最擅长做的。在视频编解码过程中的通常算法，是会根据前后两帧之间的差值来进行计算。因此DSP更适合去做一些机械的、简单的计算工作。它最大的特点就是功耗低，使用它做计算可以更省电。GPU近年来的应用场景一直在不断的拓展。这是因为很多新兴的应用类型都涉及到图形处理，都对浮点运算有着很高的要求。举例来说，用户可能会在拍照之后，用图片处理应用对照片进行“美白”、“磨皮”、增加曝光度、增加色彩饱和度等一系列复杂的处理。这些都可以用到GPU强大的并行计算特性。如何庞大的数据处理，一直是手机拍照的技术难题，就拿即将发布红米NOTE 8 pro来说，其后置摄像头将达到6千万像素，当然这和搭载最新的Mali G76图形处理器也是相呼相应的。8megapixel COMS——12 MBytes 13megapixel COMS——19.5 MBytes 21megapixel COMS——31.5 MBytes 41megapixel COMS——61.5 MBytes 在图片处理应用中，直接调用GPU的计算能力，会比调用某些所谓的8核心CPU更好、更快、更省电。又例如，很多具备所见所得滤镜的视频录制应用，用户在手机屏幕上可以实时的看到“老照片”、“黑白”、“反色”、“美肤”等视频滤镜的效果。这种情况下就需要调用GPU来对实时滤镜进行渲染处理。 | 
