GPU生产工艺明年首超CPU

zzm

在半导体产业内，Intel的生产工艺一向居于统治性地位，最近的65nm和45nm技术都领先对手AMD长达一年之久。不过，这种局面在明年就会改变。当然，不是AMD抢先升级32nm工艺，而是台积电会很快实现40nm，并用在GPU生产上。

来自AMD和NVIDIA的人士都透露说，40nm GPU生产工艺将会在2009年上半年登场，事实上他们也都在开发新工艺产品，并争取在明年三月份的德国汉诺威CeBIT 2009上吸引业界关注。我们知道AMD的40nm GPU可能是RV740和RV870，而NVIDIA方面还不清楚具体规划。

Intel目前正在俄勒冈州的Hillsboro开发32nm CPU工艺，预计会在下个月的秋季IDF上第一次展示新工艺产品原型(去年秋季IDF上展示过32nm晶圆)，明年三季度初投产，三季度末或者四季度初批量出货，并成为2010年的热门话题。不过到那时候，40nm GPU已经出货数百万颗了，AMD和NVIDIA可能也会以此为卖点大肆宣传。

根据台积电内部路线图，其40nm工艺会有三种不同类型：“CLN40G”是通用型工艺，主要用于桌面GPU生产；“CLN40LP”是低功耗型工艺，用于笔记本GPU生产；“CLN40LPG”则面向手持设备芯片，比如NVIDIA的SoC Tegra可能会转向40nm。

而且同样在2009年第四季度，台积电也很可能会推出自己的第一条32nm工艺产品线，也就是通用型“CLN32G”，而低功耗版本则会延后一个季度跟进。如果计划顺利，我们将会在2009年看到32nm显卡产品，而Intel的cGPU Larrabee首发采用45nm工艺，第二阶段才会转入32nm。

总而言之，GPU的生产工艺将在IT史上第一次领先于CPU。虽然芯片生产技术的决定因素很多，生产工艺只是其中之一，但能打破Intel的持续领先地位，意义非常重大。

今天讨论的论题是CPU和GPU“擅长和不擅长”的各个方面，而不是谁取代谁的问题。我试着从它们执行运算的速度与效率的方面来探讨这个论题。

CPU和GPU都是具有运算能力的芯片，CPU更像“通才”——指令运算(执行)为重+ 数值运算，GPU更像“专才”——图形类数值计算为核心。在不同类型的运算方面的速度也就决定了它们的能力——“擅长和不擅长”。芯片的速度主要取决于三个方面：微架构，主频和IPC(每个时钟周期执行的指令数)。

1．微架构

从微架构上看，CPU和GPU看起来完全不是按照相同的设计思路设计的，当代CPU的微架构是按照兼顾“指令并行执行”和“数据并行运算”的思路而设计，就是要兼顾程序执行和数据运算的并行性、通用性以及它们的平衡性。CPU的微架构偏重于程序执行的效率，不会一味追求某种运算极致速度而牺牲程序执行的效率。

CPU微架构的设计是面向指令执行高效率而设计的，因而CPU是计算机中设计最复杂的芯片。和GPU相比，CPU核心的重复设计部分不多，这种复杂性不能仅以晶体管的多寡来衡量，这种复杂性来自于实现：如程序分支预测，推测执行，多重嵌套分支执行，并行执行时候的指令相关性和数据相关性，多核协同处理时候的数据一致性等等复杂逻辑。

GPU其实是由硬件实现的一组图形函数的集合，这些函数主要用于绘制各种图形所需要的运算。这些和像素，光影处理，3D 坐标变换等相关的运算由GPU硬件加速来实现。图形运算的特点是大量同类型数据的密集运算——如图形数据的矩阵运算，GPU的微架构就是面向适合于矩阵类型的数值计算而设计的，大量重复设计的计算单元，这类计算可以分成众多独立的数值计算——大量数值运算的线程，而且数据之间没有像程序执行的那种逻辑关联性。

GPU微架构复杂度不高，尽管晶体管的数量不少。从应用的角度看，如何运用好GPU的并行计算能力主要的工作是开发好它的驱动程序。GPU驱动程序的优劣很大程度左右了GPU实际性能的发挥。

因此从微架构上看，CPU擅长的是像操作系统、系统软件和通用应用程序这类拥有复杂指令调度、循环、分支、逻辑判断以及执行等的程序任务。它的并行优势是程序执行层面的，程序逻辑的复杂度也限定了程序执行的指令并行性，上百个并行程序执行的线程基本看不到。GPU擅长的是图形类的或者是非图形类的高度并行数值计算，GPU可以容纳上千个没有逻辑关系的数值计算线程，它的优势是无逻辑关系数据的并行计算。

2．主频

另外，GPU执行每个数值计算的速度并没有比CPU快，从目前主流CPU和GPU的主频就可以看出了，CPU的主频都超过了1GHz，2GHz，甚至3GHz，而GPU的主频最高还不到1GHz，主流的也就500~600MHz。要知道1GHz = 1000MHz。所以GPU在执行少量线程的数值计算时并不能超过CPU。

目前GPU数值计算的优势主要是浮点运算，它执行浮点运算快是靠大量并行，但是这种数值运算的并行性在面对程序的逻辑执行时毫无用处。

3．IPC(每个时钟周期执行的指令数)

这个方面，CPU和GPU无法比较，因为GPU大多数指令都是面向数值计算的，少量的控制指令也无法被操作系统和软件直接使用。如果比较数据指令的IPC，GPU显然要高过CPU，因为并行的原因。但是，如果比较控制指令的IPC，自然是CPU的要高的多。原因很简单，CPU着重的是指令执行的并行性。

另外，目前有些GPU也能够支持比较复杂的控制指令，比如条件转移、分支、循环和子程序调用等，但是GPU程序控制这方面的增加，和支持操作系统所需要的能力CPU相比还是天壤之别，而且指令执行的效率也无法和CPU相提并论。

最后总结一下：

CPU擅长的：操作系统，系统软件，应用程序，通用计算，系统控制等等；游戏中人工智能，物理模拟等等；3D建模-光线追踪渲染；虚拟化技术——抽象硬件，同时运行多个操作系统或者一个操作系统的多个副本等等。

GPU擅长的：图形类矩阵运算，非图形类并行数值计算，高端3D游戏。

综上所述，在一台均衡计算的计算机系统中，CPU和GPU还是各司其职，除了图形运算，GPU将来可能主要集中在高效率低成本的高性能并行数值计算，帮助CPU分担这种类型的计算，提高系统这方面的性能。而当前的典型应用还是高端3D游戏，一个高效的GPU配合一个高效的CPU，3D游戏的整体效率才能得到保证。“高端3D游戏只需要高端显卡”或者“高端3D游戏只需要CPU”都是无稽之谈。