7nm Vega20香归香，但AMD更需要新架构！

消息，作为今天凌晨Next Horizon活动的一部分，AMD正式公布了基于7nm Vega20 GPU的两款加速卡，分别为Radeon Instinct MI60和Radeon Instinct MI50，主要针对企业加速器市场，AMD希望在从HPC到机器学习的各个方面显着提高其性能竞争力。

这两款加速卡都是基于AMD的7nm Vega20 GPU，尽管我们此前已经得知了如Vega20基于第5代GCN架构、是AMD现有Vega10架构的改进版本等部分消息，但此次Next Horizon活动上AMD再次公布了其他一些细节。

从芯片的功能模块而言，7nm Vega20实际上与现有的14nm Vega 10 GPU非常接近，它们都具有64个CU（4096流处理器），都使用HBM2显存。Vega20的核心频率为1800MHz，单精度浮点（FP32）性能为14.7TFlops，半精度浮点（FP16）性能为29.5TFlpos。

二者的差异主要在于额外的加速器功能，AMD为Vega20增加了加速器市场所必需的以计算为中心的功能。在加速器功能方面，Vega20 GPU以及MI60/MI50加速卡在几个关键领域上与Vega 10及MI25不同， Vega20的双精度浮点运算性能是单精度浮点的一半，为7.4TFlops，而Vega 10只有1/16。

此外Vega20也支持INT8和INT4等对于机器学习推理特别有用的低精度数据类型，其INT8性能是FP16性能的2倍，为58.9Tops，INT4性能是FP16性能的4倍，达到118Tops。不过从AMD的演示中尚无法弄清这些新数据类型的灵活性以及它们可以使用的指令，这对于理解新GPU的全部功能非常重要。

AMD还增强了Vega20的显存系统，为GPU增加了另外一对HBM2显存控制器，显存位宽恢复至Fiji时代的4096bit，同时显存频率也提升到2Gbps，使GPU的显存带宽达到1TB/s，这甚至超过了NVIDIA旗舰产品GV100 GPU，为AMD带来了优势。

同时由于这是一款专注于企业的GPU，它提供了端到端的ECC校验能力以及可靠性、可访问性和可维护性（RAS）技术，这对于大规模HPC计算结果的准确性至关重要，也标志着AMD GPU几年来首次提供完整的ECC支持。

另外了解到，Vega20还支持AMD MxGPU技术，这是业界唯一基于硬件的GPU虚拟化解决方案，基于行业标准的SR-IOV（单根I/O虚拟化）技术，使黑客难以进行硬件级别的攻击，有助于为虚拟化云部署提供安全性。

在PCI-E通道方面，AMD已经透露Vega20支持最新的PCI-E 4.0标准，在同为x16配置下带宽可比PCI-E 3.0提升一倍，达到32GB/s。除此之外，AMD还为Vega20设计了一对片外Infinity Fabric链路，允许Radeon Instinct卡通过相干链路直接相互连接，每条链路均为100GB/s的全双工带宽。

值得注意的是，由于每个GPU只有2条链路，因此AMD的拓扑选项仅限于环上的变化，4路配置的GPU不能全部直接相互通信。另外，AMD仍坚持使用PCI-E显卡的形式，没有像NVIDIA一样的定制夹层式卡，所以这些卡需要通过顶部的桥接器连接。

得益于7nm工艺，虽然Vega20集成了132.2亿晶体管，比目前Vega10的125亿个晶体管增加了6.4％，但面积仅为331 mm²，反而要比Vega10的484 mm²要小很多。MI60和MI50的TDP均为300瓦，在同等功耗下的性能提升超过25％，同等频率下功耗降低50％，不过AMD表示新计算卡的真正威力在于它们的新功能，而不是与现有MI25计算卡竞逐传统FP16/FP32算力。

“传统的GPU架构限制了人们处理和分析现代云数据中心不断变化的巨大数据集的需求。”AMD Radeon技术集团工程高级副总裁David Wang说，“AMD全新Radeon Instinct加速卡结合了世界顶尖的性能和灵活性，配合业界领先的开放式软件生态系统ROCm，将助力于解决当今和未来最困难的云计算挑战。”

AMD一并公布了用于加速计算的全新ROCm 2.0开放软件平台，专为大规模集群而设计，允许用户在开放环境中部署高性能、高能效的异构计算系统。除了支持新的Radeon Instinct 加速器和AMD Infinity Fabric Link GPU互连技术外，还为新的DLOPS提供了更新的数学库；支持CentOS、RHEL和Ubuntu等64位Linux操作系统；支持TensorFlow 1.11和PyTorch（Caffe2）等最流行的深度学习框架的最新版本。

谷歌TensorFlow的工程总监Rajat Monga说：“谷歌相信开源对每个人都有好处， 我们已经看到它对开源机器学习技术有多大帮助，很高兴看到AMD接受它。通过ROCm开放软件平台，TensorFlow用户将受益于GPU加速和更强大的开源机器学习生态系统。”

回想此前的Vega10，在与上代Fiji架构同为4096流处理器的情况下，显存从4096bit反砍一刀降至2048bit，晶体管数量从89亿暴增至125亿，但其对应的游戏显卡Vega 64居然打不过仅有72亿晶体管的GP104核心（GTX1080），同频效能相比Fiji核心的Fury X甚至毫无提升，使得许多人戏称AMD“在Vega10里塞了36亿电炉丝”。

认为，AMD此次公布的Vega20虽然依然保持4096流处理器的规模，但补完了半速双精度、INT8、INT4和ECC等HPC加速卡所需的关键元素，让Vega20方才算是Vega架构初次显露出其真正形态。

不过，AMD依然需要清晰的认识到，与在CPU领域同Intel的竞争一样，NVIDIA的领先使其有能力从架构以及指令集等方面占据优势。近两年来AMD在性能、功耗、面积三方面上一直无法兼顾，长期处于舍去其一再田忌赛马的状况中，Vega20所取得的进步成绩完全吃的是7nm制程的红利。

从目前展示的数据来看，Vega20的性能相比Vega10大约提升了20%，很可能依然不及NVIDIA上代16nm、120亿晶体管的GP102核心（1080Ti），300瓦的TDP也不算低，唯一有明显优势的也就只有新制程带来的面积缩减了。

反观NVIDIA，在2014年半导体制程受困于28nm节点时，AMD的GPU止步不前，NVIDIA则拿出了堪称黑科技的全新Maxwell架构。在晶体管数量从71亿缩减至52亿、流处理器从2880个减少至2048个、TDP从250瓦降低至165瓦的情况下，GM204核心的GTX980性能依然胜过了上代Kelper架构GK110核心的GTX780Ti，再次强调：二者同为28nm。

在NVIDIA如此恐怖的架构设计面前，AMD这样依赖制程红利不但不是长久之计，更不如说是无异于饮鸩止渴。如果AMD再继续固守老旧的GCN架构修修补补，而不研发高能效的全新架构，一旦NVIDIA也使用了7nm工艺，完全可以如Intel一样将AMD再次一招打回解放前。