GPU巨头，拼什么？
GPU巨头，拼什么？在本文中，我们将深入探讨他们的架构。让我们剥开层层，看看有什么新内容、它们有什么共同点，以及这些对普通用户意味着什么。01GPU整体结构：从上到下让我们从本文的一个重要方面开始——这不是性能比较。相反，我们正在研究GPU内部的所有内容是如何排列的，检查规格和数据，以了解AMD、英特尔和NVIDIA在设计图形处理器时所采用的方法差异。我们将首先了解使用我们正在研究的架构的最大可用芯片的整体GPU组成。需要强调的是，英特尔的产品并不针对与AMD或NVIDIA相同的市场，因为它在很大程度上是一款中档图形处理器。这三者的尺寸不仅彼此不同，而且与使用先前架构的类似芯片也有很大不同。所有这些分析纯粹是为了了解这三个处理器的底层到底是什么。在分解每个GPU的基本部分（着色器核心、光线追踪功能、内存层次结构以及显示和媒体引擎）之前，我们将检查整体结构。一、AMDNavi31按字母顺序排列，第一个出现的是AMD的Navi31，这是他们迄今为止发布的最大的RDNA3芯片。与Navi21相比，我们可以看到他们之前的高端GPU的组件数量明显增长......着色器引擎(SE：ShaderEngines)容纳的计算单元(CU：ComputeUnits)较少，为16个，而不是200个，但现在总共有6个SE，比以前多了两个。这意味着Navi31拥有多达96个CU，总共配备6144个流处理器（SP：StreamProcessors）。AMD已经对RDNA3的SP进行了全面升级，我们将在后面讨论。每个着色器引擎还包含一个处理光栅化（rasterization）的专用单元、一个用于三角形（triangle）设置的图元引擎（primitiveengine）、32个渲染输出单元(ROP：renderoutputunits)和两个256kBL1缓存。最后一个方面现在大小增加了一倍，但每个SE的ROP计数仍然相同。AMD也没有对光栅器（rasterizer）和原始引擎（primitiveengines）进行太大改变——所称的50%改进是针对整个芯片进行的，因为它的SE比Navi21芯片多了50%。然而，SE处理指令的方式发生了变化，例如更快地处理多个绘制命令（multipledrawcommands）和更好地管理管道阶段（pipelinestages），这应该会减少CU在继续执行另一个任务之前需要等待的时间。最明显的变化是在11月发布之前引起最多谣言和八卦的变化——GPU封装的小芯片方法。凭借在该领域多年的经验，AMD选择这样做在某种程度上是合乎逻辑的，但这完全是出于成本/制造原因，而不是性能。我们将在本文后面更详细地讨论这一点，所以现在我们只关注哪些部分在哪里。在Navi31中，最终层缓存的内存控制器及其相关分区位于主处理器（GCD，GraphicsComputeDie）周围的单独小芯片（称为MCD或MemoryCacheDies）中。由于需要提供更多数量的SE，AMD也将MC数量增加了50%，因此GDDR6全局内存的总总线宽度现在为384位。这次InfinityCache总量减少了（96MBvs128MB），但更大的内存带宽抵消了这一点。二、英特尔ACM-G10接下来是Intel和ACM-G10芯片（以前称为DG2-512）。虽然这不是英特尔生产的最大的GPU，但它是他们最大的消费类图形芯片。该框图是相当标准的排列，尽管看起来更类似于NVIDIA的而不是AMD的。共有8个渲染切片（RenderSlices），每个渲染切片包含4个Xe核心，总共512个矢量引擎（VectorEngines：相当于AMD的流处理器和NVIDIA的CUDA核心）。每个渲染切片中还包含一个基元单元、光栅器、深度缓冲处理器、32个纹理单元和16个ROP。乍一看，这款GPU似乎相当大，因为256个TMU和128个ROP比RadeonRX6800或GeForceRTX2080中的数量还要多。然而，AMD的RNDA3芯片拥有96个计算单元，每个计算单元有128个ALU，而ACM-G10总共有32个Xe核心，每个核心有128个ALU。因此，仅就ALU数量而言，英特尔Alchemist驱动的GPU的大小是AMD的三分之一。但正如我们稍后将看到的，ACM-G10的大部分芯片都交给了不同的数字处理单元。与英特尔通过OEM供应商发布的首款AlchemistGPU相比，该芯片在组件数量和结构排列方面具备成熟架构的所有特征。三、英伟达AD102我们完成了对NVIDIAAD102不同布局的开场概述，这是他们第一个使用AdaLovelace架构的GPU。与它的前身AmpereGA102相比，它看起来并没有什么不同，只是大了很多。就所有意图和目的而言，确实如此。NVIDIA使用图形处理集群(GPU：GraphicsProcessingCluster)的组件层次结构，其中包含6个纹理处理集群(TPC：TextureProcessingClusters)，每个集群包含2个流式多处理器(SM)。这种安排对于Ada来说并没有改变，但总数肯定已经改变了……在完整的AD102芯片中，GPC数量从7个增加到12个，因此现在总共有144个SM，总共有18432个CUDA核心。与Navi31中的6144个SP相比，这个数字似乎高得离谱，但AMD和NVIDIA对其组件的计数方式不同。虽然这大大简化了问题，但1个NVIDIASM相当于1个AMDCU——两者都包含128个ALU。因此，Navi31的尺寸是英特尔ACM-G10的两倍（仅ALU数量），而AD102的尺寸是英特尔ACM-G10的3.5倍。这就是为什么当芯片在规模上有如此明显的差异时，对它们进行任何直接的性能比较是不公平的。然而，一旦它们进入显卡、定价并上市，那么情况就不同了。但我们可以比较的是三个处理器中最小的重复部分。02着色器核心（ShaderCores）：走进GPU的大脑从整个处理器的概述开始，现在让我们深入了解芯片的核心，看看处理器的基本数字处理部分：着色器核心。这三个制造商在描述他们的芯片时使用不同的术语和短语，特别是在概述图时。因此，在本文中，我们将使用我们自己的图像，具有常见的颜色和结构，以便更容易看出相同和不同之处。一、AMDRDNA3AMDGPU着色部分内最小的统一结构称为双计算单元(DCU：DoubleComputeUnit)。在某些文档中，它仍然称为工作组处理器(WGP：WorkgroupProcessor)，而其他文档则将其称为计算单元对（CUP：ComputeUnitPair）。请注意，如果这些图中未显示某些内容（例如常量缓存、双精度单元），并不意味着它们不存在于体系结构中。在很多方面，整体布局和结构元素与RDNA2相比并没有太大变化。两个计算单元共享一些缓存和内存，每个计算单元包含两组32个流处理器(SP)。第3版的新增功能是，每个SP现在容纳的算术逻辑单元(ALU：arithmeticlogicunits)数量是以前的两倍。现在，每个CU有两组SIMD64单元，每个组有两个数据端口——一个用于浮点、整数和矩阵运算，另一个仅用于浮点和矩阵运算。AMD确实针对不同的数据格式使用单独的SP，RDNA3中的计算单元支持使用FP16、BF16、FP32、FP64、INT4、INT8、INT16和INT32值进行操作。使用SIMD64意味着每个线程调度程序可以在每个时钟周期发出一组64个线程（称为wavefront），或者可以共同发出两个32个线程的波前。AMD保留了与以前的RDNA架构相同的指令规则，因此这是由GPU/驱动程序处理的。另一个重要的新功能是AMD所谓的AI矩阵加速器的出现。与我们很快就会看到的Intel和NVIDIA的架构不同，它们并不充当单独的单元——所有矩阵运算都利用SIMD单元，并且任何此类计算（称为波矩阵乘法累加，WMMA：WaveMatrixMultiplyAccumulate）都将使用完整的64个ALU组。在撰写本文时，人工智能加速器的确切性质尚不清楚，但它可能只是与处理指令和涉及的大量数据相关的电路，以确保最大吞吐量。它很可能与NVIDIA的Hopper架构中的张量内存加速器具有类似的功能。与RDNA2相比，变化相对较小——较旧的架构还可以处理64个线程波前（又名Wave64），但这些是在...PC版：https://www.cnbeta.com.tw/articles/soft/1369821.htm手机版：https://m.cnbeta.com.tw/view/1369821.htm
在Telegram中查看相关推荐
🔍 发送关键词来寻找群组、频道或视频。
启动SOSO机器人