Arm's nieuwe Cortex-A320 is de eerste ultra-efficiënte CPU die gebruik maakt van de geavanceerde Armv9-architectuur, ontworpen om te voldoen aan de behoeften van IoT- en kunstmatige intelligentie-toepassingen. Vergeleken met de Cortex-A520 bereikt deze processor een efficiëntieverbetering van meer dan 50% door meerdere microarchitecturale optimalisaties, evenals smalle datapaden voor het ophalen en decoderen, een dichte L1-cachebank en een geheel getalregisterbestand met gereduceerde poorten.
Cortex-A320 verbetert ook de scalaire prestaties met 30% ten opzichte van de vorige generatie Cortex-A35 door middel van efficiënte branch-voorspellers, prefetchers en verbeteringen aan het geheugensysteem.
De Cortex-A320 is een single-channel, out-of-order CPU met 32-bit instructie-ophaalacties en een 8-traps pijplijn. De processor ondersteunt single-core tot quad-core configuraties en is schaalbaar. Het beschikt over de DSU-120T, een vereenvoudigde DynamIQ Shared Unit (DSU) die clustering alleen voor de Cortex-A320 mogelijk maakt.
Cortex-A320 ondersteunt 64 KB L1-cache en maximaal 512 KB L2-cache, en biedt een 256-bit AMBA5AXI-interface om verbinding te maken met extern geheugen. De L2-cache en L2 TLB kunnen worden gedeeld tussen Cortex-A320CPU's. De vectorverwerkingseenheid implementeert NEON- en SVE2SIMD-technologie (Single Instruction, Multiple Data) en kan afzonderlijk worden gebruikt in een single-core composietprocessor of worden gedeeld tussen verschillende cores in een dual-core of quad-core implementatie.
Cortex-A320 richt zich niet alleen op de IoT-markt, maar ook op de kunstmatige-intelligentiesector en doet dit door Armv9-architectuurverbeteringen te integreren in NEON- en SVE2-vectorverwerking. De ML-verwerkingsmogelijkheden van de processor zijn tien keer hoger in vergelijking met de Cortex-A35, en de algehele ML-prestaties zijn zes keer hoger dan die van de veelgebruikte Cortex-A53. ArmCortex-A320 ondersteunt nieuwe gegevenstypen zoals BF16 en verbeterde instructies voor puntvermenigvuldiging en matrixvermenigvuldiging, waardoor het de meest efficiënte Cortex-ACPU voor ML-toepassingen is.