深度剖析GPU在架构上的变化与最新进展

Tegra 4的GPU子系统就是很好的例子，它从前代的十二颗GeForce GPU核心，一举提高到七十二颗，六倍的核心数也带来六倍于Tegra 3的绘图效能。Tegra 4及Tegra 3在GPU效能表现上的差异，请参考表1。在系统配置上，其架构中有所谓的顶点着色器(Vertex Shader)和画素着色器(Pixel Shader)；前者让工程师可自订场景(Scene)中顶点的转换过程，后者则是用来控制画面上每个画素的着色计算。 

更进一步来看，Tegra 4的作法是将七十二颗GeForce核心拆分为二十四颗Vertex Shader与四十八颗Pixel Shader。其中每四颗Vertex Shader组成一组顶点处理引擎(Vertex Processing Engine, VPE)，所以有六颗VPE，分别具有16KB、96-entry快取记忆体，能够有效降低向外部晶片存取资料的需求。在相同时脉下，新的GeForce核心可以带来1.5倍于Tegra 3的效能，而前后代Vertex Shader数量相差六倍，相乘之下差距达九倍之多。 此外，Tegar 4总共具有四组画素管线(Pixel Fragment Shader Pipeline)，每组画素管线可细分为三组算术逻辑单元(ALU)，每个ALU则是由四颗GeForce核心(即Pixel Shader)组成。在实际运作时，会以ALU做为最小层级的单元，并称为多功能处理单元(Multi-Function Unit, MFU)，因此Tegar 4总共具有十二组MFU，MFU可执行函数、三角函数、对数、倒数、平方根及MOV等指令(组合语言中的复制)。 

　　降低多核心SoC耗电量　架构设计担当重任

对于行动装置而言，电池的使用寿命与效能/功能表现占有同样重要的地位。同样是四核心行动晶片，因个别架构不同，往往也有不同的效能与功耗表现。以Tegra 4来说，除采用安谋国际(ARM)最先进的CPU核心外，透过可变对称式多重处理(vSMP)架构，可依照使用需求进行调配，让四颗效能核心发挥最大处理能力，并可视工作量，分别自动启用及停用各颗核心，以大幅节省电力。 

为了提升续航力，Tegra 4延续Tegra 3的省电概念，在晶片中加入第五颗处理器核心，不过名称从协同核心(Companion Core)改为省电核心(Battery Saver Core)。当装置处于背景处理邮件、社交软体同步，或是播放影片、音乐等低效能需求情境时，系统将关闭效能核心，并使用省电核心负责执行程式。 

就晶片设计观之，多核心处理器必定会面临记忆体频宽和整体系统功率的重大瓶颈，为了因应此议题，Tegra 4提出双通道(2x32位元)的记忆体子系统作法。此外，为减少对晶片外记忆体的存取使用需求，Tegra 4的GPU架构中规画顶点、画素、材质(Texture)专用的快取记忆体，让运算任务尽量在晶片内部完成，以提升处理效益和降低功耗。 

另一个降低系统单晶片(SoC)功耗的重要策略，就是采用先进的电源管理技术。以Tegra 4来说，即采用多层级时脉闸控(Multiple Levels of Clock Gating)、显示要求群组(Display Request Groupig)、动态电压与频率调节(DVFS)等多种电源管理技术，针对不同使用情境将电源需求降至最低。 

运算型摄影架构助力　行动装置影像效能升级

再从应用端来看GPU架构的发展，今日的使用者非常仰赖行动装置来进行照相和和录影功能，且希望达到专业级的效果。不过，相较于相机，手机或平板装置在先天性上就难以配置太大的镜头，这时想得到高品质的影像，就得靠更先进的影像处理技术，甚至是运用电脑演算法来创造影像。 

1  2  3  4  

为了提升消费型行动影像体验，真正捕捉到「稍纵即逝」的瞬间画面，Tegra 4内建Chimera运算型摄影架构，它融合CPU、GPU及影像讯号处理器(ISP)的处理能力，让装置制造商得以大幅强化行动影像。在此架构下，行动装置能够即时撷取高品质的Always-On高动态范围照片和影片、高动态范围全景摄影和持续的点触追踪(Tap-to-Track)等功能。 

以高动态范围全景摄影来说，其中运用广角或「鱼眼」镜头的效果，通常是只在昂贵的数位单眼相机才具备的功能。Chimera架构让相机在移动时即可撷取场景，毋须依循特定的方位进行扫描，并可任意从左右、上下或对角线等方向移动，让使用者可随心所欲运用更多角度和任何顺序的影像，即时「描绘」一张全景相片。 持续型Tap-to-Track技术则让使用者能在拍照时，针对场景中的一个人物或物件进行自动曝光和锁定，随后无论对焦主体移动位置，或者相机调整到另一个更好的拍摄角度，相机都会自动追踪原先已锁定的主体。持续型的Tap-to-track功能也能随着相机移动调整曝光，避免影像主体或背景有曝光不足或过度曝光的现象。 

更进一步来看，Chimera架构能为人所不能的原因，凭藉的是其影像处理的速度高达每秒执行约一千亿次的数学运算。同时，它导入了许多先进演算法，包括运用X光电脑断层扫描(CT)器、深度太空望远镜和间谍卫星所使用的电脑运算技术，进而排除从前无法解决的问题，让行动影像的呈现效果就像人类肉眼看到的世界一样，有很多不同的景物、地点和场景，并富含各种的光线变化。 

　　异质多核心SoC扩张应用版图

异质多核心的SoC架构的优势明显，加上由行动市场所驱动的技术演进日渐成熟，使得更多嵌入式应用也开始选择导入这类的行动处理器，其中一个快速成长的市场，即是车用电子领域，特别是车内资讯娱乐(IVI)系统、数位仪表板、驾驶支援等应用，皆仰赖更强大的GPU/CPU来加以支援。 

以IVI系统来说，须要提供逼真的3D地图和地形、时髦流畅的使用者介面，以及功能丰富的音讯系统。透过在行动应用已证实可行的Tegra行动处理器，汽车制造商可以更快将这些功能整合至车辆当中。在视觉处理方面，辉达即特别为车商开发出基于Tegra行动处理器的视觉运算模组(Visual Computing Module, VCM)。 

相较于更新周期较长的其他车载电子系统，汽车用户期待自己的IVI系统和行动应用有相似的体验。透过这套VCM模组式设计，车商就能将快速发展的行动处理器技术独立出来开发与整合，进而能在不同的车款中快速建置IVI车载系统，此举也有助于大幅节省开发时间和成本。 

举例来说，知名汽车品牌商奥迪(Audi)即导入VCM并推出具连网功能的Audi MIB系统，让Audi Connect平台可随时完整更新Google地球影像和Google地图街景服务的360度全景图。它同时也能实现其他网路资料的传输，如即时汽油价、天气预测及Google本地搜寻的有用资讯。 

1  2  3  4  

　　挑选CPU与GPU　软体开发支援/开发工具成指标

除了先进的硬体功能外，软体开发的支援及开发工具也是开发者选择GPU/CPU的关键。如前所述，Tegra系列的弹性化架构，让开发者能运用客制化的演算法来调整GPU架构，进而得到更突出的视觉效果。不仅如此，在Tegra开发人员工具(Tegra Android Developer Pack)中支持包括CPU采样分析(Tegra Profiler)和GPU分析(PerfHUD ES)等功能，Nsight Tegra则提供Android本地端的开发环境，让开发者能更方便且快速的达成工作目标。 

在更高的GPU绘图效能带动下，可以预见行动或车载装置将能享有更佳的视觉体验。另一个值得关注的发展，则是未来透过浏览器实现3D场景、高画质显示及快速反应游戏的需求将会浮现，背后驱动的力量则来自HTML5及WebGL等技术的发展。 

事实上，HTML5已能支援GPU的应用，愈来愈多浏览器也开始运用GPU来加速其视觉表现。在跨装置、跨平台的网站上提供强大视觉内容的时代即将来临，这将会带来很大的商机，当然，挑战也不小呢！ 

1  2  3  4  

欲知详情，请下载word文档 下载文档

来源：[db:出处]

作者：tee