|
|
本帖最后由 weihua8206 于 2009-10-27 23:36 编辑
10月初，英伟达在GPU技术会议上发布了新一代显卡架构——Fermi，GT300的技术规格终于呈现在了广大媒体和用户眼前。Fermi将给我们带来什么呢？作为晶体管数量之最，是像GT200发布时的独领风骚，还是像FX系列一样饱受非议呢？下面我们分部分来进行解析
一、制程：
如果说性能超强的GT200系列有什么软肋，那无疑就是其落后的制程了。65nm制程+14亿晶体管数量=巨大的芯片，由于芯片巨大，成本高昂，GT200系列始终无法给AMD足够大的威胁，毕竟RV770以及搭配RV770的显卡成本太低了，而且性能并不差很多。
NVIDIA不会在同一条河里摔倒两次，Fermi没有继续采用已经落后的55nm工艺，而是采用了先进而且成熟的40nm工艺。新工艺显然有助于有效的控制了芯片成本：虽然NVIDIA暂时还没有透露Fermi的具体大小，但我们可以推算一下。Fermi和Cypress都是40nm工艺，假设核心面积和晶体管数量呈等比例，那么在后者334平方毫米的基础上，Fermi将是466平方毫米，比576平方毫米的GT200小足足两成！！
也许有网友要提出疑问：466平方毫米的体积仍然远大于竞争对手的334平方毫米，那岂不是成本依旧劣势，性价比仍然不行么？
weihua8206原创，转载请注明，谢谢
笔者认为，这种疑问是不成立的：GT200之所以在性价比方面不能彻底击败RV770，其根本原因是制程落后造成的成本差距过大，对供电以及外围电路要求太高。而这次的GT300则和竞争对手采用了同样的40nm制程，可以预见，GT300与5870在芯片面积上的差距，可能会完全反映在性能差距上！基于GT300的显卡的制造成本也会低于基于GT200的显卡。
成本进一步拉近，性能领先更多，GT300值得期待！
weihua8206原创，转载请注明，谢谢
二、架构：
首先，最核心的流处理器(Streaming Processor/SP)数量大增，达到了512个之多，比GT200提升了一倍多。NVIDIA把它命名为CUDA核心(CUDA Core)，由这个名字，我们不难看出NVIDIA攻占通用计算市场的野心。
weihua8206原创，转载请注明，谢谢
所有流处理器现在都符合IEEE 754-2008浮点算法和完整的32位整数算法，而后者在过去只是模拟的，事实上仅能计算24-bit整数乘法；同时全面引入的还有积和熔加运算(Fused Multiply-Add/FMA)，每循环操作数单精度512个、双精度256个(之前的G200仅能硬件支持单精度FMA)。所有一切都符合业界标准，计算结果不会产生意外偏差。
在双精度浮点(FP64)计算方面，Fermi也比前代产品大大提升，峰值执行率可以达到单精度浮点(FP32)的1/2，而过去只有1/8，AMD现在也不过1/5，比如Radeon HD 5870分别为单精度2.72TFlops、双精度544GFlops。笔者预计，Fermi的双精度执行效率将至少达到750GFlops，远远将HD5870抛开。
每32个流处理器组成1组SM(Streaming Multiprocessor)，最多16组。除了流处理器，每组SM还有4个特殊功能单元(Special Function UnitSFU)，用于执行抽象数学和插值计算。同时MUL已被删掉，所以不会再有单/双指令执行计算率了。
然后我们来看下缓存：以往的GPU都是采用共享内存（memory）的方式来模拟缓存的。Fermi引入了真正的缓存（cache），每组SM拥有64KB可配置内存(合计1MB)，可分成16KB共享内存加48KB一级缓存，或者48KB共享内存加16KB一级缓存，可灵活满足不同类型程序的需要。整个芯片还拥有一个容量768KB的共享二级缓存，执行原子内存操作(AMO)的时候比GT200快5-20倍。
回顾一下以往历代赛扬处理器与同代奔腾（或者奔腾与同代酷睿）处理器之间的性能差距，从无到有的缓存（CACHE）对GPU性能的提升可能会是决定性的！即将面世的GT300有可能为我们带来一次GPU性能的飞跃！
第三，来看下Fermi的线程：CPU和GPU执行的都是被称作线程的指令流。高端CPU现在每次最多只能执行8个线程(Intel Core i7)，而GPU的并行计算能力就强大多了：G80 12288个、GT200 30720个、Fermi 24576个。
为什么Fermi还不如GT200多？因为NVIDIA发现计算的瓶颈在于共享内存大小，而不是线程数，所以前者从16KB翻两番达到64KB，后者则减少了20％，不过依然是G80的两倍，而且每32个线程构成一组“Warp”。
在G80和GT200上，每个时钟周期只有一半Warp被送至SM，换言之SM需要两个循环才能完整执行32个线程；同时SM分配逻辑和执行硬件紧密联系在一起，向SFU发送线程的时候整个SM都必须等待这些线程执行完毕，严重影响整体效率。
Fermi解决了这个问题，在每个SM前端都有两个Warp调度器和两个独立分配单元，并且和SM其它部分完全独立，均可在一个时钟循环里选择发送一半Warp，而且这些线程可以来自不同的Warp。分配单元和执行硬件之间有一个完整的交叉开关(Crossbar)，每个单元都可以像SM内的任何单元分配线程(不过存在一些限制)。
第四：Fermi还引入了并行内核(Parallel Kernel)的概念：在GPU编程术语中，内核是运行在GPU硬件上的一个功能或小程序。G80/GT200整个芯片每次只能执行一个内核，容易造成SM单元闲置。这在图形运算中不是问题，通用计算上就不行了。
Fermi的全局分配逻辑则可以向整个系统发送多个并行内核，不然SP数量翻一番还多，更容易浪费。
应用程序在GPU和CUDA模式之间的切换时间也快得多了，NVIDIA宣称是GT200的10倍。外部连接亦有改进，Fermi现在支持和CPU之间的并行传输，而之前都是串行的。
第五，Fermi提供了完整的ECC校验功能：AMD Cypress可以检测内存总线上的错误，却不能修正，而NVIDIA Fermi的寄存器文件、一级缓存、二级缓存、DRAM全部完整支持ECC错误校验，这使得Fermi在专业计算领域上迈出了重大的一步：很多客户此前就是因为Tesla没有ECC才拒绝在通用计算领域采纳NVIDIA的GPGPU方案，因为他们的数据库非常庞大，必须有ECC来保证可靠性。
第六，内存寻址：
以前的架构里存在多种不同的寻址指令，有本地内存寻址(每线程)、共享内存寻址(每组线程)、全局内存寻址(每内核)等。这就为程序员编程带来了困难，他们必须小心翼翼的梳理各种指针向量，避免出现寻址错误。
Fermi统一了寻址空间，简化为一种指令，内存地址取决于存储位置：最低位是本地，然后是共享，剩下的是全局。这种统一寻址空间也是支持C++的必需前提。
GT80/GT200的寻址空间都是32-bit的，最多搭配4GB GDDR3显存，而Fermi一举支持64-bit寻址和DDR5，支持显存容量最多可达惊人的16000K TB，这样的天文数字意味着GT300核心将支持任意的海量显存（只要内存厂商能造得出来）。
三、软件与硬件指令集：
NVIDIA宣布了名为“Nexus”的插件，它使程序员可以在Visual Studio里执行CUDA代码的硬件调试，相当于把GPU当成CPU看待，这使得CUDA的难度大大降低。
Fermi的指令集架构大大扩充，不仅支持DX11和OpenCL，更加入了对C++，Visual Studio的支持，当然还有C、Fortran、OpenGL 3.1/3.2。对于需要使用GPGPU通用计算功能的程序员来说，Fermi将是非常值得期待的。
根据以上分析，我们不难看出：GT300在图形领域将是一款极具竞争力的产品，而且在科学计算领域也有望取得突破。在HD5870风头出尽的今天，NVIDIA的反击是我们喜闻乐见的，究竟GT300有多强？是否如笔者预测的一般呢，请广大玩家拭目以待！ |
|
IP卡
狗仔卡
发表于 2009-10-27 23:31
QQ好友和群
收藏
分享
好贴
烂贴
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
显身卡
楼主
渣古？？？？