基於全新 Zen 微架構、 AMD Ryzen 7 處理器強勢登場， CPU 內部設計完全推倒重來，大幅改良 Front-End 、運算單元及 Cache 架構，更加入 SMT 同步多線程技術，整體性能提升達 52% ，相較對手同級產品售價便宜一半。 HKEPC 編輯部針對 AMD Zen 微架構進行詳細剖析，並找來全新 Ryzen 7 1800X 處理器，與上代 AMD FX-9590 、對手 INTEL Core i7-6900K 、 7700K 進行詳細測試。
AMD SenseMI 智能感測
AMD 研發團隊投放了超過 200 多萬工作小時，針對 Zen 處理器的電源效率作出改良，包括在微架構層面上減省功耗支出，在邏輯電路層面中大量使用 ClockGate 道閘，能細分地將閒置的單元暫時關閉，並引進全新矽晶層面的「 SenseMI 」智能感測系統，提供先進的節能管理及核心時脈控制外，更協助預測分支單元達成神經網絡預測及智能預取技術。
全新 AMD SenseMI 智能感測系統能透過監控電壓、溫度及負載實現調節功耗及性能調整，將電源管理任務提升至矽晶層面，令電壓反應速度由 100 ~ 200µs 微秒提升至僅 2 ~ 3µs 微秒，全新 CCX 模組擁有大量高精準傳感器， 9 個電壓下降檢測器、 20 個熱敏感測器、 48 個電源監控單元及超過 1000 個邏輯路徑道閘，以每秒高達 1000 次的更新率，傳送至電源管理單元，精準度高達 1mA 、 1mV 、 1mW 及 1°C 。
AMD CCX 模組的傳感器分佈
PurePower 節能技術
Zen 微架構新增 PurePower 電源管理技術，每個 CPU 核心均擁有獨立電壓調整器，各核心可按照 P-State 實時調整工作電壓，相較上代 Excavator 微架構所有 CPU 核心電壓均需統一升降，能大幅降低閒置核心的電源浪費，令晶片發熱量大幅下降。
此外，全新 PurePower 節能技術透過 SenseMI 高精準傳感器，提供更進取的動態電壓時脈調節 (DVFS) ，透過熱敏感測器及邏輯路徑道閘，監察 CPU 核心溫度及內部單元的資源使用情況，將 CPU 工作電壓降至可維持正常運作的臨界電壓值，在運算性能不變下將耗電量降至最低。
透過矽晶層面的電源監控單元， PurePower 技術能在 2 ~ 3µs 微秒內對 CPU 工作電壓變化作出調整，例如電壓下降 (vDrop) 幅度超出安全範圍，電壓下降檢測器會觸發低壓保護， CPU 時脈會降低直至電壓回復至正常水平。
Precision Boost 加速技術
Zen 微架構新增 Precision Boost 加速技術，透過溫度檢測器、邏輯路徑道閘及電源檢測器，實時監察 CPU 核心溫度及內部單元的資源使用情況，將核心時脈加速至貼近最高 TDP 水平，而且 Precision Boost 與 Pure Power 節能技術能同時啟動，令性能功耗表現最大化。
Precision Boost 加速技術的其中一個優勢，在於 Zen 微架構採用 FID/DID 分頻設計， CPU Ratio 每級可精細至 0.25x ，可作 25MHz 遞增幅度進行高精確調整，能夠更精細分配每個核心的加速空間，核心時脈能變化亦較平滑，對某些要求精準 RTC 的運算不會造成工作暫停。
XFR 擴展頻率範圍
當 CPU 核心提升至 Precision Boost 最高時脈後，仍有足夠的 TDP 空間加上核心溫度許可下， XFR 擴展頻率範圍會自動啟動，允許 CPU 時脈運作於標準規格之上，進階玩家如使用較佳的散熱器，將可獲得額外的性能提升。
據了解，並非所有 Ryzen 處理器支援 XFR 擴展頻率範圍，幅度亦因型號而異，例如 Ryzen 7 1700X/1800X 的 XFR 最高幅度為 100MHz ， Ryzen 7 1700 則只有 50MHz 。
以 AMD Ryzen 7 1800X 處理器為例，其時脈規格 3.6GHz Base 、 4GHz Boost ，當進入 P0 電源狀態後， Precision Boost 加速技術會被啟動，監測每個核心的溫度和負載調整時脈，當所有核心完全負載下，最高時脈可提升至 3.7GHz ，如果只有 2 顆核心或以下進入完全負載，最高時脈可提升至 4GHz ，並在 TDP 空間及核心溫度許可下，能短暫啟動 XFR 運作於 4.1GHz 。
Neural Net Prediction 技術
AMD Zen 微架構透過 SenseMI 智能感測系統，實現了更強大、更精細的神經網絡預測 (Neural Net Prediction) 技術，透過在 Front-End 引擎的 Hash Perceptron 散列感知單元，配合大量的邏輯路徑道閘，建立權重邏輯運算的人工智能分析，學習軟體代碼的行為模式預測下一步走向，能在下個提取動作之前提早執行，並且基於內部算法填充隊列，讓處理器流水線滿載工作提高執行效率。
採用傳感器在預測分支中，能夠追踪大量輸入狀態，然後對線程作出更準確判斷，為線程自動選擇最高效率的運算路徑，減少資源分配衝突，以確保核心擁有良好吞吐量及執行單元的最高使用率，避免線程出現等待造成運算延遲。
Smart Prefetch 技術
Smart Prefetch 智能預取與神經網絡預測原理相約，透過 Front-End 引擎的 Hash Perceptron 散列感知單元，配合大量的邏輯路徑道閘，建立權重邏輯運算的人工智能分析，檢測程序執行中的記憶體訪問走向，並預測未來的數據請求，從而提早載入存取中減少延遲。
