干货AMD的翻身之仗VegaGP
一直以来，AMD给我们的印象就是其产品相对对手英特尔、NV，难于翻身，所以在业界就有许多人将AMD戏称为“万年老二”。
而最近，在CPU领域，我们看到了AMD的强势崛起，代号为“Zen”的锐龙Ryzen系列处理器如期上市，强悍的性能已经可以和英特尔分挺抗礼，而更低的功耗、显著的价格优势以及强大的后续潜力，感觉都会让英特尔有点措手不及。AMD可谓是打了一个翻身仗，重新回到了微处理器的一线，扬眉吐气了一把。
年，AMD也将在图形领域发力，代号为“Vega（织女星）”的新一代GPU架构即将降临，同样给图形市场带来较大的悬念。
Vega架构的前世今生
虽然顶级GPU价格昂贵，用户不多，但NV在大芯片、高性能的方向上一路到黑——原因很简单，高性能具有指标性意义，用户并不会对技术了解太多、也大多不会综合考虑，通常会简单地选择性能最强的一家，因为这么做肯定不会出错。
在前面的几年，AMD一度以多芯片、注重性价比的方式为产品哲学，但事实是它的市场份额一路下跌，在年三季度，它在独立图形市场的占有率惨跌到只有20%，出现NVIDIA一家独大，AMD濒临出局的局面。
在这一阶段，AMD境况糟糕，幸亏它接连拿下索尼、微软、任天堂三家游戏主机的图形芯片定制业务，这更多是有赖于灵活的方案定制和性价比优势，而NV通用加速方案，并获得业界的广泛支持，它所欠缺的是，是一款能够具有与对手顶级产品匹敌的利器。
痛定思痛，AMD决意在新一代架构中另起炉灶，重新回到高性能的正确轨道上来，只是这个旅程并不顺利。早在年末，AMD在一些内部会议中就透露在开发一款名为“格陵兰（Greenland）”的新一代GPU架构，这款芯片将采用14纳米，TDP热设计功耗在W级别，而它的每瓦性能达到Hawii（夏威夷，RadeonR系列）的两倍以上！不过在后来，我们并没有看到格陵兰的消息。当年底AMD带来的是代号为“Tonga（汤加）”的新核心，内核架构从夏威夷的GCN1.1提升到GCN1.2版，但这也只是小幅度的改良，并没有涉及架构的深度改变，很多用户就将“汤加”理解为“夏威夷”的换名马甲版。
年末，AMD推出代号为Fiji（斐济）的核心，它的内核依然是“汤加”，只是改用HBM1高带宽显存、减小了体积，内核架构提升到GCN1.2+，但性能依然提升不大，且功耗较大的毛病并没有克服。直到年中，AMD接着推出持续改良的“Polaris”架构，而这时DirectX12开始在新一代游戏中获得应用，Polaris的良好支持让它在新游戏中增色不少，也得益于此，AMD在图形市场的份额才小幅度提升到接近30%左右。
而在这期间，NV（麦克斯韦，年）、Pascal（帕斯卡，年）架构不仅占领了性能王座，更是凭借良好的性能功耗优势、通用计算性能以及强势的整体营销，获得市场的绝对主导权。
第一，毫无疑问就是相对孱弱的架构性能。比如Polaris架构的RX处理器，像素渲染速度只有35.8GPixl/s，而同期NV处理器比它快了一倍、渲染速度高达72.3GPix/s。在如此巨大的性能差异面前，AMD自然无力推出能够与NV倾斜；
第二，GPU功耗的偏高、每瓦性能指标偏低，即便Polaris改用格罗方德（GF）的14纳米工艺，功耗表现也并没有提高多少。显然，这主要是Polaris架构、或者说AMDGCN显卡架构存在的根本问题—我们很容易联想到，AMD在CPU架构上也是同样的表现。
既然如此，AMD要想在图形市场打一场翻身仗，除了推出下一代高性能的微架构与英伟达硬碰硬以外，没有别的捷径好走。而它接下来要推出的，代号为Vega的能否承担这样的使命，给外界留下了很大的悬念。
Vega架构的四大特点
Vega架构是拉加·库德里（RajaKoduri）回炉AMD的首期之作。拉加·库德的职业生涯始于大名鼎鼎的S3Graphics，后来进入ATI公司并成为图形技术的领军者之一。年AMD并购ATI，给业界带来很大的波动，拉加·库德里此时担任图形业务的首席技术官，不过并购不久就被乔布斯挖走、为苹果公司研发新一代图形处理器。不过在年4月，他重新又回到了AMD、重新执掌图形技术部门，负责新一代产品的开发—值得一提的是，AMD现时大火的Ryzen处理器架构，主导者也是从苹果重新回炉的JimKeller，而当年他是K7和K8架构的架构设计者，一手打造了AMD处理器的辉煌时代（遗憾的是，JimKeller已于年9月从AMD二度离职）。
拉加·库德里回到AMD之后，被任命为视觉计算企业副总裁(CorporateVicePresidentofVisualComputing)，同时负责GPU的硬件开发以及软件平台设计。之后的Fijii、Polaris两代改良架构都是在他的领导下进行，我们也得见此后AMD的图形业务缓慢回升，缩小了与对手的差距—但GCN架构使然，难以有根本性的改观。因此，新一代的Vega架构让外界报以很高的期望。
▲VegaGPU的逻辑架构示意
在今年一月份的CES展会上，AMD对外披露了Vega的部分技术细节，虽然关键的性能指标还不得而知，但我们还是可以从下列资料中可以看出Vega所具有的巨大潜力。而总结起来，Vega将有以下四大技术要点，分别是：革命性的存储架构、更灵活的几何渲染、高级像素引擎以及NCU下一代计算单元。
革命性的存储架构：HBM2+HBCC
Fiji架构中引入的HBM（高带宽）显存是AMD的独门绝技，在年这项技术引入时确实引起业界的瞩目。HBM架构将显存的管芯（DIE）与GPU的DIE集成在同一个基片上，等于图形处理器本身就集成了显存，这样，显卡的PCB板上就没有传统的显存，只需要供电电路和输出接口元器件，显卡的尺寸可以变得非常之小—相当于笔记本显卡模块的尺寸，作为当时的高端显卡，Fiji的高集成度和小尺寸因此给人留下深刻印象。再者，HBM的显存以3D堆叠的方式封装在一起，单枚芯片的传输位宽可以达到bit，相当于GDDR5的32倍之多！我们知道，传输带宽等于位宽乘以频率，HBM具有高位宽的优势，显存的频率就可以大大降低，在Fiji中它的频率只有1GHz，每个显存堆栈的带宽突破GB/s，比GDDR5的传统方案高出数倍！
▲AMDVegaGPU与HBM2显存
▲AMD现有RadeonR9GPU与HBM显存
由于显存芯片的工作频率低，第一代HBM仅需要1.3V电压、低于GDDR5的1.5V，而它的每瓦特传输性能达到35GB/s，也比GDDR5的10GB/s快出3.5倍之多！
不过第一代HBM存在显存容量低的问题，旗舰显卡RadeonFuryX也只能提供4GB容量，在应付大型游戏时这点显存显然是杯水车薪。而这次Vega架构引入了升级的第二代HBM方案，在继承高性能、低功耗、高集成度的同时，将显存容量提升到8GB和16GB多个规格，消除了容量不足的瓶颈。同时，HBM2的带宽达到HBM1的两倍，可以实现GB/s或GB/s的超高传输性能。
▲HBM2堆叠内存方案可以获得显著的容量、空间优势
如果说HBM2只是寻常的改良升级，Vega存储架构的真正革命之处在于，它对显存控制器进行全新的设计，并称为HBCC（高带宽高速缓存控制器）。HBCC除了连接前面说的HBM2集成显存外，还可以连接显卡PCB上放置的SSD、网络存储等多种形式的基片外存储部件，而它的寻址能力高达TB！开发者可以像使用显存一样直接使用这些部件，而HBM2显存此时则作为GPU与外部存储单元的高速缓存来使用—我们稍稍转变一下思路，将VegaGPU视作是传统的CPU，显存就是内存，外部存储就是硬盘，很简单就会得出结论：基于Vega的计算卡不只是显卡、同时还是一部独立的计算机，这显然是为通用计算和认知计算所准备。
▲VegaGPU的高速缓存控制器示意
几何渲染引擎：更灵活、更快速
几何计算是3D渲染的基础，在AMD的GPU中，几何渲染还是由固定的几何着色引擎来完成。专属硬件的优点是运行效率高、速度快，缺点是硬件处理缺乏灵活性，每一次几何计算都必须机械化地执行，而很难进行优化。
我们举一个例子，右边两张图片分别是PC游戏《杀出重围：人类分裂》中的巨像之城（GolemCity）的场景和该场景的几何线框图。AMD介绍说，这幅场景有多达2.2亿个多边形需要进行计算，但最终输出的画面其实只有0.02亿个多边形，也就是大多数的多边形，其实都是后台计算、不需要被显示出来，但它们耗费了超过98%的计算资源。
▲《杀出重围：人类分裂》游戏中的场景
▲《杀出重围：人类分裂》游戏场景对应的几何线框图
有鉴于此，越来越多的开发者抛弃了传统的几何单元，改用灵活的计算着色器来进行几何处理—通过对算法的优化，可以将大量的中间计算省略，达到节省硬件资源、提高游戏性能的目的。
AMD在Vega架构中，也引入了这套机制——VegaGPU的几何流水线中新增了名为PrimitiveShader（图元着色器）的新型计算单元，这个新的着色器可以舍弃大量的无效几何计算，从而精简、快速地完成任务。AMD的最终目标是彻底抛弃传统的几何单元、以这套灵活的着色器来代替它。
此外，为了持续提升几何处理性能，AMD还引入了名为“IntelligentWorkgroupDostributor（智能工作组分发器）”的计算单元，它可以支持更多的着色器引擎，并且可以根据负载情况智能地在各引擎间分配几何计算任务。而当前AMD的GCN架构最多只支持4个几何着色引擎，没有增强的潜力。而即便在同样4个着色引擎的情况下，VegaGPU每周期也能处理11个多边形、相当于现有产品的两倍。
▲Vega中的智能工作组分发器，允许支持更多的几何引擎。
▲Vega的几何效率提升了两倍
下一代像素引擎
Vega的像素着色引擎同样进行大量的优化，AMD将它称为Draw-streamingbinningrasterizer（简称DSBR，渲染流分仓光栅器）。
DSBR引擎在执行效率上获得质的飞跃，我们知道，复杂的3D画面，需要进行大量的渲染，而其中绝大多数的工作都是位于后台，真正展现出最终画面的有效渲染只占据极小的部分—这与我们前面说的几何渲染类似。之前AMDGPU对此并没有很好的优化，都是直接进入到渲染环节。而DSBR引擎则对工作流程作了优化：它会先在一个高速缓存中对3D场景给定的对象预先处理，然后GPU清空掉这个缓存、再拾取起其余的数据。而DSBR就可以让GPU抓取出有效渲染和非可视像素的无效渲染，并将无效的渲染操作省略掉，只专注于可视部分的像素渲染。
▲DSBR引擎同样通过优化、显著提升执行效率
换言之，DSBR并不直接提升硬件的能力，而是通过削减无效渲染、减轻硬件负担，同样达到提升像素渲染性能的效果。这套机制同时也意味着，节省功耗、降低发热量，具备更高的性能提升潜力。
为配合DSBR的运作，AMD对Vega的缓存架构进行重大改进，GPU的后端单元可以直接访问到片上的二级高速缓存，数据的访问、操作动作直接在此实现。而传统的GPU中，纹理和像素的内存读取操作并不一致，比如渲染纹理操作时，数据要先写到显存中、然后再被读取到纹理缓存里，也就是每一次数据都要来回搬动、效率低下。而如果开发者要执行纹理、像素同步渲染时，程序指令与硬件工作流程就会出现冲突，增加了编程的难度。显然，Vega的改进要渲染流程简单了许多，大量的数据访问都可以在片内二级缓存高效率地完成，对性能的增益显而易见。
▲Vega的后端渲染单元可直接访问二级缓存
不过，DSBR只是Vega像素渲染的一个可选项，实际的任务还是根据游戏的情况来完成，有的游戏还是对传统架构进行编程，那DSBR暂时还无用武之地。但对支持该特性的新游戏而言，DSBR可以带来显著的效能提升。
NCU：下一代计算单元，为深度学习优化
单精度和双精度计算应用于3D渲染领域，但诸如深度学习等计算任务并不需要用到，它们只需16位半精度浮点计算操作就行。AMD现有的Fiji和PolarisGPU中没有考虑到这一点，它的半精度性能与32位单精度性能是一样的，而半精度计算需要的寄存器资源却少得多，也就是说AMD没有对此作优化。与之相比，英伟达的Tesla加速卡，半精度性能就达到双精度的两倍，这让它在通用计算中占据性能优势。
为此，VegaGPU中首度引入了名为“Packed（紧缩）”的半精度计算支持，Vega的微架构被称为“NCU（下一代计算单元）”，每个NCU中拥有64个ALU，它可以灵活地执行紧缩数学操作指令，如每个周期可以进行个8位数学计算，或者个16位计算，或者个32位计算—这不仅充分利用了硬件资源，也大幅度提升Vega在深度学习计算的性能。
VegaGPU的性能推算
Vega的架构改进，给业界带来很大的想象力，但它的性能究竟能达到何种级别，还是存在很大的悬念。虽然基于VegaGPU的显卡尚未发布，但AMD在去年12月份却带来一款RadeonInstinctMI25计算卡的消息，它所搭载的就是VegaGPU芯片。
▲RadeonInstinctMI25计算卡
RadeonInstinctMI25计算卡针对深度学习领域，GPU中直接集成了16GB容量的HBM2高速缓存（对应显卡则是显存），卡上另外还集成了1TB容量的NAND闪存，海量的计算数据可以直接放在这块存储器中，而不必经过系统内存再到传统硬盘上，由此满足大计算量所需的高速交换需求。M的16位半精度浮点性能达到25TFLOPS，而用于3D渲染的32位单精度浮点性能也达到12.5TFLOPs，与之相比，目前AMD的主力显卡RX的单精度浮点性能只有5.8TFLOPs—我们可以简单得出这样的推论，VegaGPU的3D渲染性能，理论上将能达到目前RX显卡的两倍左右。
而在RadeonInstinctMI25的发布会上，AMD同样展示了基于VegaGPU的下一代Radeon显卡的测试成绩，AMD在现场使用《DOOM》进行了演示，游戏配置为4K
60Hz分辨率、Ultra画面。这块显卡的显存只有8GB容量，在实际测试中，游戏帧数达到60~70fps的性能，整体相当于NVIDIA的GTX、之间。考虑到展示卡是早期版本、规格也不高，能达到这样的性能足以让外界振奋，这让我们想到图形双雄并立的美好时光。RadeonInstinct平台：Vega进军深度学习市场
AMD对VegaGPU在图形领域的实力秘而不宣，但在吹风会上，它将Vega的应用重点更多放在机器学习领域。为此，AMD专门发布了新的AI计算子品牌“RadeonInstinct”，该平台包括硬件的加速卡和ROCm软件平台，我们前面提到的RadeonInstinctMI25计算卡就是加速卡中的旗舰型号。ROCm软件平台更为我们所
转载请注明：http://www.abuoumao.com/hyfw/2580.html
