流處理器緣何差6倍！A/N GPU架構解析

● “管線”的由來——1個時鐘周期4次運算

    在圖形處理中，最常見的像素都是由RGB（紅綠藍）三種顏色構成的，加上它們共有的信息說明（Alpha），總共是4個通道。而頂點數據一般是由XYZW四個坐標構成，這樣也是4個通道。在3D圖形進行渲染時，其實就是改變RGBA四個通道或者XYZW四個坐標的數值。為了一次性處理1個完整的像素渲染或幾何轉換，GPU的像素著色單元和頂點著色單元從一開始就被設計成為同時具備4次運算能力的算數邏輯運算器（ALU）。

傳統像素管線/Shader示意圖

    數據的基本單元是Scalar（標量），就是指一個單獨的值，GPU的ALU進行一次這種變量操作，被稱做1D標量。由于傳統GPU的ALU在一個時鐘周期可以同時執行4次這樣的并行運算，所以ALU的操作被稱做4D Vector（矢量）操作。

SIMD架構示意圖

    一個矢量就是N個標量，一般來說絕大多數圖形指令中N=4。所以，GPU的ALU指令發射端只有一個，但卻可以同時運算4個通道的數據，這就是SIMD（Single Instruction Multiple Data，單指令多數據流）架構。

● “管線”弊端越發明顯，引入混合型設計

    顯然，SIMD架構能夠有效提升GPU的矢量處理性能，由于頂點和像素的絕大部分運算都是4D Vector，它只需要一個指令端口就能在單周期內完成4倍運算量，效率達到100%。但是4D SIMD架構一旦遇到1D標量指令時，效率就會下降到原來的1/4，3/4的模塊被完全浪費。為了緩解這個問題，ATI和NVIDIA在進入DX9時代后相繼采用混合型設計，比如R300就采用了3D+1D的架構，允許Co-issue操作（矢量指令和標量指令可以并行執行），NV40以后的GPU支持2D+2D和3D+1D兩種模式，雖然很大程度上緩解了標量指令執行效率低下的問題，但依然無法最大限度的發揮ALU運算能力，尤其是一旦遇上分支預測的情況，SIMD在矢量處理方面高效能的優勢將會被損失殆盡。

改進的管線/Shader結構

    可以這么理解，傳統的1條管線里面包含了4個基本運算單元，在早期這種架構的執行效率還是很高的，因為大多數程序指令都是4D的。但由于API和游戲復雜Shader指令的發展，4D指令所占比重開始下降，3D/2D/1D等混合指令頻繁出現，所以傳統的管線式架構效率越來越低！