统一渲染架构与通用计算的降临

当微软DirectX 10发布之后，GPU迎来了史上第一次重大变革，而这次变革的推动者不再是NVIDIA或ATI，而是微软公司。

微软公司认为，传统的分离设计过于僵化，无法让所有的游戏都能够以最高效率运行。这一点应该不难理解，因为任何一个3D渲染画面，其顶点指令与像素指令的比例都是不相同的，但GPU中顶点单元与像素单元的比例却是固定的，这就会导致某些时候顶点单元不够用，像素单元大量闲置，某些时候又反过来，硬件利用效率低下。而游戏开发者为了获得最好的运行性能，也不得不小心翼翼地调整两种渲染指令的比例，微软认为这种情况限制了图形技术的进一步发展。

统一渲染管线具有无以伦比的通用性

为此，微软在设计Xbox360游戏机的时候，就提出统一渲染架构的概念，所谓统一渲染，即GPU中不再有单独的顶端渲染单元和像素渲染单元，而是由一个通用的渲染单元同时完成顶点和像素渲染任务。为了实现这一点，图形指令必须先经过一个通用的解码器、将顶点和像素指令翻译成统一渲染单元可直接执行的渲染微指令，而统一渲染单元其实就是一个高性能的浮点和矢量计算逻辑，它具有通用和可编程属性。相比DirectX 9之前的分离设计，统一渲染架构具有硬件利用效率高以及编程灵活的优点，让3D游戏开发者和GPU设计者都获得解放。ATI在获得Xbox 360合约的时候，便迅速展开了设计，它所拿出的Xenos GPU芯片便首度采用统一渲染架构。

对于这套设计，NVIDIA起初是比较抗拒，它认为传统的分离设计在硬件方面更加高效，但最后看到大势所趋、并且也意识到统一渲染架构所具有的扩展弹性，在G80时代也实现了统一渲染架构。事实证明，NVIDIA才是此套架构最大的受益者。

统一渲染架构固然是微软为提升硬件效率所提出，但它进一步提升了GPU内部运算单元的可编程性，让GPU运行高密集度的通用计算任务就成为可能，这意味着GPU可以打破3D渲染的局限，迈向更为广阔的天地。

1. 2006～2007：NVIDIA GeForce 8击溃Radeon HD 2000

2006年11月，NVIDIA高调推出GeForce 8800 GTX和GeForce 8800 GTS图形处理器，拉开了GeForce 8（开发代号G80）时代的序幕。而NVIDIA也在新一轮的竞争中将AMD-ATI拉下一个季度，后者的R600要等到2007年1月30日方能推向市场。

作为NVIDIA第一代统一渲染架构GPU，G80的硬件规格相当强悍：它拥有128个可执行3D渲染任务及其他可编程指令的流处理器（Stream Processors），内置24个ROP单元，最高支持384位，86.4GB/s带宽的GDDR3显存，晶体管集成度高达6.8亿个，是前一代GeForce 7900的两倍多。G80也因此成为当时集成度最高的半导体芯片，而这些指标也让G80拥有极其优秀的性能。

G80的高集成度意味着成本高昂，NVIDIA为了保证G80能拥有足够高的生产良品率，仅采用台积电90纳米工艺进行制造，它的功耗高达145瓦，显卡长度也因为供电模块的需要达到32厘米。另外为了解决散热需要，G80系列显卡都需要被一块体积硕大的散热器所覆盖，但NVIDIA将风扇噪音控制在很低的水平，即便在高负载状态下也能保证安静运行。

NVIDIA G80芯片集成了6.8亿个晶体管

在内部设计上，G80的128个流处理器被分为8个渲染集群，每个集群都是由16个流处理器（内部再平均分成两组）、4个纹理地址单元以及一个L1缓存构成，这样G80就总共拥有128个流处理器和32个纹理地址单元。流处理器是最基本的计算单元，所有的图形渲染指令（包括顶点、像素和几何指令）都是由流处理器运算并输出。输出的结果会由一个交换器分配给6组ROP光栅处理单元进行处理，每个光栅单元又包含4个ROP，于是G80就拥有24个ROP处理单元。每一组ROP单元都对应一个L2缓存，它与渲染集群中的L1缓存以及显存相连—增加缓存的另一个好处就是可以为通用计算做好了准备。

也是在G80时代，NVIDIA发布了意义重大的CUDA 1.0开发平台。CUDA是一个集成的开发环境，它包括开发语言、编译器以及API。借助CUDA，程序员可以编写出能够为GPU所运行的计算程序。由于GPU拥有并行计算的巨大优势，大量的科学工作者都开始将应用迁移到NVIDIA的CUDA平台，GPU通用加速实现了从理论到现实的第一步，也为NVIDIA开辟了新一片的蓝海。此外，NVIDIA也在这个时候推出基于G80的Tesla高性能计算设备，专门供应超级计算市场。数年以后，Tesla也成功地成为该领域的新标准，超级计算业界普遍都将CPU+GPU的组合作为第一方案，而其中的GPU几乎都是NVIDIA的Tesla产品。

AMD在这一轮的竞逐中明显滞后，直到2007年5月才发布代号为R600的Radeon HD2900XT及产品家族。这款产品采用AMD的第二代统一渲染架构，拥有多达320个流处理器，芯片核心频率也达到740MHz。不过统一渲染架构赋予图形厂商很大的自由，AMD与NVIDIA双方都可以自由设计统一渲染单元，产品的差异化大增，彼此的流处理器也存在很大的区别，所以Radeon HD 2900XT的流处理器虽然数量很多，但性能并没有特别亮眼。此外，Radeon HD 2900XT还集合了ATI被收购之前的所有图形技术之大成，包括快速动态分支、流计算功能、超线程分派机制等等，环形内存总线技术也升级到第二代，这令Radeon HD 2900XT得以支持512bit显存位宽，也创下新的纪录。

低性能、高功耗的Radeon HD 2900 XT，重复了当年NVIDIA GeForce FX 5800 Ultra的命运。

Radeon HD 2900XT破纪录的地方还在于，它的晶体管总量达到史无前例的7亿个，几乎比上一代的Radeon 1950 Pro高出一倍，同时也略高于NVIDIA GeForce 8800 Ultra。当然，显卡的功耗也达到创纪录的215瓦，这些强悍的规格让它看起来是一款不折不扣的图形怪兽。然而，最终的现实却相当残酷——RadeonHD 2900XT的性能仅相当于NVIDIA 面向中端的GeForce 8800 GTS，让业界大跌眼镜，AMD也不得不将Radeon HD 2900XT定位为注重性价比的高端产品，以此维持其竞争力，而这样的市场定位在后来也被一直延续。

在Radeon HD 2000时代，AMD处于比较低落的时期：芯片组尚不够成熟，Cros sFi r e交火技术也未能大展拳脚（NVIDIA SLI平台在多显卡市场的份额一度高达90%），自身又陷入资金匮乏的境地，CPU业务也面临强敌。而在通用计算领域，AMD虽然早在2006年9月就发布CTM接口，让程序员可以直接访问AMD GPU，但它远不如CUDA来得完善。程序员甚至不得不直接访问GPU硬件，最终几乎没有多少程序员对AMD平台感兴趣，它在通用计算市场也几乎毫无斩获。

2.2008～2009：轻量、灵活的AMD RV770

GeForce 7和GeForce 8的成功让NVIDIA放松了新一代产品的开发，它开始了“马甲”战略：GeForce 8800 GT→GeForce 9800 GT→GeForce GTS 240，GeForce 8800 GS→GeForce 9600 GSO，GeForce 8800 GTS→GeForce 9800 GTX→GeForce GTS 250。普通用户还认为它们是新一代产品，但无论性能还是规格都是换汤不换药。而即便如此，AMD依然无法在性能上占据上风。

但在这个时候，市场的情况已悄然发生变化，高性能不再是唯一的诉求，加上AMD与ATI的整合顺利，3A平台的威力愈来愈明显。首先，AMD芯片组不断成熟，越来越多选择AMDCPU平台的用户，也选择它的芯片组和显卡，而这种趋势的终极就意味着AMD平台将全封闭。其次，AMD推行Fusion融合处理器的概念，英特尔也随即跟上，CPU和GPU的一体化意味着独立显卡市场会变得越来越小。而另一方面，GPU通用计算作为新兴的市场，拥有巨大的成长空间；云计算的兴起也意味着未来的GPU将更多活跃在云渲染领域。再者，智能手机等掌上产品越来越流行，3D技术将向这些领域渗透。

基于这些转变，NVIDIA和AMD都调整了自己的脚步。NVIDIA放弃了芯片组业务，将目光放在通用计算市场，全力发展自己的CUDA平台；AMD则构建更灵活的产品体系，打造更富吸引力的3A平台来对抗英特尔与NVIDIA，它也成为新一轮GPU架构革命的发起者。

经历上两代产品的失败，AMD认为设计成本、功耗、性能合理的GPU更符合当时的要求，于是便实施了“Sweet Spot”计划。它不再追求那种大规模、高性能、高成本的设计，而是开发一个性能适中的轻量级GPU，再通过多芯片来制造高性能显卡。2007年底发布Radeon HD 3870便是该计划的第一个成果，它的开发代号是RV670，架构上还是隶属于R600体系。Radeon HD 3870仍然保有320个流处理器，显存位宽降低到256bit，晶体管集成度也缩减至6.6亿个。由于采用55纳米工艺制造，它的核心面积只有192平方毫米。

Radeon HD 3000的理念在市场上获得广泛的成功，凭借高性价比优势，Radeon HD3000家族饱受赞誉。仅在半年之后的2008年5月，AMD接着发布代号为RV770的Radeon HD4000家族。RV770拥有480个统一流处理单元（96+384），32个纹理单元，32个TMU，16个ROP，256bit显存位宽，支持原生GDDR3、GDDR4和GDDR5显存。相比上一代拥有6.66亿个晶体管的RV670，RV770的晶体管数提升到9.56亿个，幸好AMD采用55纳米工艺来制造RV770，芯片尺寸只有260平方毫米。RV770衍生出双芯片和单芯片的多款产品，其中旗舰级的Radeon HD 4870 X2（R700）完败同期对手GeForce GTX280。

轻量级的RV770 GPU，AMD注重新品推出速度的做法显然更明智。

NVIDIA虽然在2007年推出GeForce 9系列，但它其实只是G80的工艺升级版，重在降低功耗和成本，架构上并没有多少长处。真正意义上的新一代产品是2008年6月发布的GT200，对应GeForce GTX 280系列。GT200在架构上还是继承了G80的体系，但进行大幅度的增强和改进。GT200拥有240个流处理器，这些流处理器被分布在10个TPC阵列中，每个阵列包含24个流处理器（被划分为3组）以及8个纹理单元，并共享L1缓存。与流处理器数量提升相对应，GT200的纹理单元数量达到80个，ROP 光栅处理器数量则提升到了32个，各项规格都有了全面性的提升。

依然追求巨型芯片的GeForce GTX 280

GT200的晶体管集成度高达14亿个，刷新了半导体芯片的新纪录，但它只是采用65纳米工艺，导致芯片面积达到546平方毫米，功耗则达到惊人的236瓦。高昂的制造成本和惊人的功耗，加上性能落后于对手，GT200没有获得预想中的辉煌，这一次AMD让NVIDIA吃到了苦头。

3.2010：AMD Radeon HD 5000/6000继续辉煌

2009年9月，AMD发布了Radeon HD 5000系列GPU，宣示新时代的到来。尽管没有正式代号，但外界还是习惯上以RV870来称呼这一代GPU。RV870秉承AMD上两代产品的设计哲学，以小芯片和先进的规格推向中端市场，然后再通过双芯片的方式向高端领域拓展。这一招屡试不爽，AMD也在这一阶段获得图形市场的优势地位。

作为RV870的标准版本，Radeon HD 5870拥有超过20亿个晶体管，配备1600个流处理器和80个纹理单元，也就是20组SIMD阵列，同时全面使用GDDR5显存，位宽则保持在256bit。核心频率设定在850MHz，它拥有两倍于RV770的计算能力；功耗方面支持分频技术，待机环境下功耗为28W，满载环境下功耗为190W，表现令人满意。得益于台积电40纳米工艺，Radeon HD 5870的核心面积为330平方毫米，要比NVIDIA的GT200要小得多。

RV870依然是一枚相对小的GPU，这种策略让AMD在主流图形市场中屡试不爽。

由于NVIDIA Fermi项目的拖延，Radeon HD 5000系列在高、中、低端市场都表现出极强的性能或价格优势，加上AMD计算平台羽翼丰满，Radeon HD 5000可以说在市场上所向披靡。不过对NVIDIA来说，这并不是一个艰难的时期，因为它们将业务重点转移到通用计算和超移动的Tegra领域。

2010年底，AMD接着推出代号为“北方群岛(Northern Islands)”的Radeon HD 6000系列，它的核心还是延续之前的RV870，只是对性能进行优化、功能也获得显著增强，如改进3D立体蓝光视频的渲染，集成第三代视频解码引擎UVD3，支持HDMI 1.4、DisplayPort 1.2接口规范，多屏系统的组建也将更加简单。Radeon HD 6000值得称道的地方在于，GPU单位面积的性能比上一代提升35%，这就意味着更低的成本。Radeon HD 6000系列产品的性价比都非常出众，加上快速铺开齐全的产品线，让AMD又稳稳地获得图形市场的优势地位。

4.Fermi与NVIDIA的转身

在ATI被并购之后的两年，NVIDIA已经清晰地看到这样的趋势：留给自己的独立图形市场将会将越来越小，即便它能拥有最好的图形技术，如果不采取正确的策略，最终GeForce恐怕也难逃nForce的下场。

有鉴于此，NVIDIA将CUDA通用计算和移动Tegra平台作为两个全新的发展方向，并不惜一切代价朝新的目标挺进。之前的G80和GT200在通用计算领域打下良好的基础，但NVIDIA认为它们虽然拥有不错的灵活性，但还远不够完美，NVIDIA希望GPU的地位能够超越传统的CPU，而不仅仅只是用来渲染3D图形。

Fermi的CUDA核心，拥有完整的浮点和整数计算单元，为通用计算设计。

Fermi便是这种立意的产物，这款GPU发布于2010年4月。当AMD多芯片的战略所向披靡时，NVIDIA并没有简单模仿，仍然坚定地认为通用计算才是适合自己的方向，为此不惜耗费时间、精力以及损失市场的风险，来打造一块巨无霸型的新一代GPU。Fermi采用一种高度并行的计算结构，它拥有多达512个CUDA计算单元，每个单元都有缓存、作为一个基本的计算单位，这些单元可以同时进行浮点计算的处理。并行度远非CPU可比。AMD的GPU虽然有更多的流处理单元，但这些单元并没有缓存系统，只是被动地接受上级数据计算后输出，通用性非常有限，加上AMD并没有提供理想的开发工具，令开发者无从下手。其次，Fermi的每个CUDA核心，都在浮点计算单元之外加上整数处理单元，可执行完整的32位整数计算任务，而后者在过去只能通过模拟实现，且仅能计算24bit整数乘法而已；同时Fermi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(G200仅支持单精度FMA)。所有这一切都符合业界标准，计算结果不会产生意外偏差。此外，Fermi的双精度浮点(FP64)性能也大大提升，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。第三，Fe rmi引入了真正的缓存设计，每32个CUDA核心被配置成一组SM(Streaming Multiprocessor)流处理器，每组SM则拥有64KB可配置内存，可以根据任务的性质部署成16KB共享内存加48KB一级缓存，或者48KB 共享内存加16KB一级缓存的形式，从而满足不同类型程序的需要。此外，整个芯片还共享768KB的二级缓存，方面SM计算单元的输入输出——这些显然都是为通用计算而准备。

复杂的设计让Fermi的晶体管集成度达到令人咂舌的30亿个，它采用台积电40纳米工艺制造，照例NVIDIA又一次遭遇良品率低、功耗高和中端产品推出时间慢的问题，在此期间NVIDIA的市场份额不断流失。直到进入2011年后，Fermi架构的第二代GF110内核才变得成熟，新内核解决了功耗和漏电的不足，CUDA流处理器的数量也提高到512个，它所对应的便是目前市场上的GeForce GTX 500系列。

 
Fermi依然是一枚巨无霸芯片，NVIDIA不惜代价成为通用计算市场的主宰者。

就图形性能而言，GeForce GTX 500系列与AMD Radeon HD 6000系列对应的产品只能说在伯仲之间，双方各有胜负。AMD平台的优势在于性价比以及自身的CPU和芯片组匹配，但GeForce GTX 500系列拥有更丰富的技术特性，比如PhysX物理计算和光线追踪都被新一代游戏广泛支持。对于这类游戏，GeForce GTX 500系列会有更出色的性能表现。对于图形市场，NVIDIA却没有太多的强调，他们几乎在任何场合都宣传GPU通用计算的巨大好处和CUDA平台的优势，所以NVIDIA以更快的速度冲向新的高性能计算市场。我们可以看到，即便早先放弃nForce芯片组业务，桌面显卡遭到对手狙击，NVIDIA却依然活得有声有色。

NVIDIA构建的第二个新业务就是针对超移动设备的Tegra平台，Tegra将ARM处理器内核与GeForce GPU集成在一起，为智能手机、平板电脑等设备带来卓越的3D性能。诚如大家所见，Tegra已经在智能手机中遍地开花，即将出现的四核心Tegra 3更是令人侧目，由于竞争对手远远无法在图形技术方面同NVIDIA比肩，未来NVIDIA在这个市场的作为也不会令人太惊讶。

NVIDIA构建的第三个新业务就是传说中的Danver处理器：Danver将包含CPU和GPU两部分，前者为NVIDIA自行开发的高性能64位ARM处理器，包含八个内核；后者则基于改进型Fermi架构，集成256个流处理器。按计划Danver将采用台积电28纳米工艺，顺利的话它将在年底进入流片阶段。

写在最后

今天的GPU已经成为计算机的第二个心脏，它的地位隐然有超越CPU的态势——对于商业办公、互联网等常规应用来说，现时的CPU完全处于性能过剩的状态，即便最低端的CPU，都能够很流畅地处理这些应用。至于高性能要求的应用，几乎都体现在高清视频、数码照片处理、3D渲染等领域，而这些应用无一例外都是密集的浮点计算。在这些领域里，GPU所展现出的能力明显超出CPU，虽然上述大多数应用当前还是依赖CPU完成，但新一代软件几乎都将GPU加速作为优先的选项。从实际应用的角度上来说，高速GPU能比高速CPU带来更显著的性能改善。那么，GPU的发展在未来将达到什么样的高度？对于这个问题，市场应该是最好的试金石。