Tegra 2 ha praticamente monopolizzato il mercato dei tablet. La stragrande maggioranza dei modelli Android 3.x da dieci pollici è basata sul SoC Nvidia, e il suo successore Kal-El ha le carte in regola per reclamare il bis.
Oggi scopriamo qualche informazione aggiuntiva sulla nuova piattaforma Nvidia, che da quad-core diventa una sorta di penta-core, poiché abbina ai quatto core classici un quinto core chiamato "companion core" e progettato unicamente per le operazioni che richiedono una limitata potenza di calcolo.
Spieghiamo cosa ha spinto Nvidia ad adottare questa tecnologia vSMP (Variable Symmetric Multiprocessing). Il consumo energetico di un chip viene calcolato come la somma di due grandezze, la dispersione di corrente (leakage power) e la "dynamic power" che tradurremo in "energia dinamica".
Scheda architettura Nvidia Kal-El - clicca per ingrandire
La dispersione di corrente è determinata dalla qualità della tecnologia del processo produttivo, mentre l'energia dinamica è principalmente il risultato della frequenza per il quadrato della tensione operativa (Frequenza x Voltaggio^2).
Per semplificare molto il concetto, la dispersione di corrente è l'energia persa dal circuito, mentre l'energia dinamica è quella effettivamente usata durante i carichi di lavoro. Quando un chip lavora a un'elevata frequenza, il consumo totale è definito principalmente dall'energia dinamica, mentre in stato di riposo la dispersione di corrente contribuisce per un'abbondante porzione del consumo totale. Considerando che per buona parte del tempo un dispositivo si trova in stato di riposo (idle), la dispersione di corrente non è affatto da sottovalutare.
Ideare un core in grado di essere tanto veloce quanto efficiente in stato di riposo non è un lavoro semplice. Un core ideato per lavorare ad alta frequenza e in grado di offrire elevate prestazioni soffre di una maggior dispersione di corrente alle basse frequenze (quando il carico di lavoro è basso), mentre un core creato per essere efficiente riesce a contenere le perdite di corrente, ma consuma di più se spinto a frequenze elevate. La risposta di Nvidia è quindi stata l'abbinare queste due differenti tipologie di core, così da adottare, alla bisogna, il core più idoneo.