泰坦神器降臨！NVIDIA GTX TITAN測試

    泡泡網顯卡頻道2月22日 GTX680未必是最經典的顯卡，但卻是有史以來最幸運的顯卡。

    為什么這么說呢？因為它本身并非旗艦卡定位，但歸功于優秀架構和制造工藝，產品流片以后測試，發現性能已經超越對手的旗艦級水準，當時強大的GK110還處于襁褓之中，于是順理成章的客串了一回攝政王。

    直到今天，經過充分醞釀的正統卡皇終于發布。集成71億晶體管的GPU放眼天下也是沒有對手。或是為了讓它成為一代經典，抑或彌補它遲來的虧欠，NVIDIA并沒有像外界猜測的一樣將其命名為GTX 780，而是偏心的給它起了個特別的名字——GeForce GTX TITAN！

    TITAN翻譯過來就是“泰坦”，這個詞源于臘神話，泰坦家族是天穹之神烏拉諾斯和大地女神蓋亞（蓋婭）的子女，他們曾統治世界。從這個詞誕生的那一天，“泰坦”就成了巨大而強力的代名詞，當然GTX TITAN之所以叫TITAN還有另外的原因，它的命名源自橡樹嶺國家實驗室的“泰坦”超級計算機。

    前不久泰坦超算以每秒17.59千萬億次的實測運算速度剛剛登頂全球先進的寶座，而其核心處理能力就是來自GTX TITAN使用的GK110核心！

    擁有眾多頭銜，GTX TITIAN一經發布便備受媒體和市場的關注，它的外觀前兩天我們已經初步曝光，本文將繼續深入剖析這款勢必成為經典的旗艦，同時奉上最詳盡的游戲性能測試！

    隨著科學、醫學、工程和金融各領域對高性能并行計算需求的增加，NVIDIA以無比強大的GPU計算架構來不斷創新和滿足這種需求。NVIDIA現有的 Fermi GPU已經重新定義和加速了以下領域的高性能計算（HPC）的功能，如地震處理、生化模擬、天氣和氣候建模、信號處理、計算金融、計算機輔助工程、計算流體力學和數據分析。NVIDIA的新Kepler GK110 GPU大大提高了并行計算標準，并將會幫助解決世界上面臨的最困難的計算問題。

    通過提供比上一代GPU更強大的處理功能以及優化和提高GPU上并行執行工作負載的新方法，Kepler GK110簡化了并行程序的創建，將對會對高性能計算引起進一步改革。

    Kepler GK110由71億個晶體管組成，是有史以來架構最復雜的微處理器。GK110新加了許多注重計算性能創新功能，目的是要成為NVIDIA Tesla和HPC市場上的并行處理動力站。

    Kepler GK110會提供超過每秒1萬億次雙精度浮點計算的吞吐量，DGEMM效率大于80%，而之前的Fermi架構的效率是60‐65%。

    除了性能之外，Kepler架構在電源效率方面也有巨大的飛躍，相對于Fermi 的性能/功率比提高了3倍之多！

Kepler GK110 模具照片

    之前有人說Kepler GK110更適合超級計算和通用計算，其實這是一種誤解。Kepler GK110的以下新功能不僅提高GPU的利用率，簡化了并行程序設計，而且有助于GPU在各種計算環境中部署，無論是從個人電腦還是超級計算機，GK110都適用：

    Dynamic Parallelism – 能夠讓 GPU 在無需 CPU 介入的情況下，通過專用加速硬件路徑為自己創造新的工作，對結果同步，并控制這項工作的調度。這種靈活性是為了適應程序執行過程中并行的數量和形式，編程人員可以處理更多的各種并行工作，更有效的將 GPU 用為計算用途。

    Hyper-Q  – 允許多個CPU核同時在單一GPU上啟動工作，從而大大提高了GPU 的利用率并削減了CPU空閑時間。Hyper‐Q 增加了主機和 Kepler GK110 GPU 之間的連接總數（工作隊列），允許 32 個并發、硬件管理的連接（與 Fermi相比，Fermi 只允許單個連接）。

    Grid Management Unit –使 Dynamic Parallelism 能夠使用先進、靈活的 GRID 管理和調度控制系統。新 GK110 Grid Management Unit (GMU) 管理并按優先順序在 GPU上執行的 Grid。GMU 可以暫停新 GRID 和等待隊列的調度，并能中止 GRID，直到其能夠執行時為止，這為 Dynamic Parallelism 這樣的強大運行提供了靈活性。

    NVIDIA GPUDirect–NVIDIA GPUDirect 能夠使單個計算機內的 GPU 或位于網絡內不同服務器內的 GPU 直接交換數據，無需進入CPU系統內存。GPUDirect 中的 RDMA 功能允許第三方設備，例如 SSD、NIC、和 IB 適配器，直接訪問相同系統內多個 GPU 上的內存，大大降低 MPI從GPU內存發送/接收信息的延遲。還降低了系統內存帶寬的要求并釋放其他  CUDA 任務使用的 GPU DMA 引擎。

    這里先做簡單介紹，后面本文有詳細的內容擴展。除此之外Kepler GK110 還支持其他的GPUDirect功能，包括Peer‐to‐Peer 和 GPUDirect for Video這里就不再贅述了。

    Kepler GK110專為NVIDIA Tesla打造，其目標是成為世界上并行計算性能最高的微處理器。GK110 不僅大大超過由 Fermi 提供的原始計算能力，而且非常節能，顯著減少電力消耗，同時產生的熱量更少。完整 Kepler GK110 實施包括 15 SMX 單元和六個 64 位內存控制器。不同的產品將使用GK110 不同的配置。例如，某些產品可能部署 13 或 14 個 SMX。在下面進一步討論的該架構的主要功能，包括：

   1、新 SMX 處理器架構
   2、增強的內存子系統，在每個層次提供額外的緩存能力，更多的帶寬，且完全進行了重新設計，DRAM I/O 實施的速度大大加快。
   3、貫穿整個設計的硬件支持使其具有新的編程模型功能

Kepler GK110 完整芯片框圖

    Kepler GK110 支持新 CUDA Compute Capability 3.5。（有關 CUDA 的簡介請參考附錄 A ‐CUDA 快速回顧）。下表對比了 Fermi 和 Kepler GPU 架構的不同計算能力的參數： 

Fermi和Kepler GPU的計算能力

性能/功率比

    Kepler架構的一個主要設計目標是提高電源效率。設計Kepler時，NVIDIA工程師應用從Fermi中積累的經驗，以更好地優化Kepler、實現高效運行。臺積電的 28nm 制造工藝在降低功耗方面起著重要的作用，但許多 GPU 架構需要修改，以進一步降低功耗，同時保持出色的性能。

    Kepler每一個硬件設備都經過設計和擦洗，以提供卓越的性能/ 功率比。出色性能/功率比的非常好的案例是Kepler GK110新流式多處理器 (SMX) 中的設計，與最近Kepler GK104引入的 SMX 單元的許多方面類似，但計算算法包括更多雙精度單位。

    Kepler GK110的新SMX引入幾個架構創新，使其不僅成為有史以來最強大的多處理器，而且更具編程性，更節能。

    SMX: 192個單精度CUDA核、64個雙精度單元、32個特殊功能單元(SFU)和32 個加載/存儲單元(LD/ST)。

SMX 處理核架構

    每個Kepler GK110 SMX單元具有192單精度CUDA核，每個核完全由浮點和整數算術邏輯單元組成。Kepler完全保留Fermi引入的IEEE 754-2008 標準的單精度和雙精度算術，包括積和熔加(FMA)運算。

    Kepler GK110 SMX 的設計目標之一是大大提高GPU的雙精度性能，因為雙精度算術是許多HPC應用的核心。Kepler GK110 的SMX還保留了特殊功能單元 (SFU)以達到和上一代GPU類似的快速超越運算，所提供的SFU數量是Fermi GF110 SM的8倍。

    與GK104 SMX單元類似，GK110 SMX單元內的核使用主GPU頻率而不是2倍的著色頻率。2x著色頻率在 G80 Tesla 架構的 GPU 中引入，并用于之后所有的 Tesla 和 Fermi‐架構的GPU。在更高時鐘頻率上運行執行單元使芯片使用較少量的執行單元達到特定目標的吞吐量，這實質上是一個面積優化，但速度更快的內核的時鐘邏輯更耗電。對于Kepler，我們的首要任務是的性能/功率比。雖然我們做了很多面積和功耗方面的優化，但是我們更傾向優化功耗，甚至以增
加面積成本為代價使大量處理核在能耗少、低GPU頻率情況下運行。

Quad Warp Scheduler

    SMX以32個并行線程為一組的形式調度進程，這32個并行線程叫做Warp。而每個SMX中擁有四組 Warp Scheduler 和八組 Instruction Dispatch 單元，允許四個Warp同時發出執行。Kepler 的 Quad Warp Scheduler 選擇四個 Warp，在每個循環中可以指派每 Warp 2 個獨立的指令。與 Fermi 不同，Fermi 不允許雙精度指令和部分其他指令配對，而 Kepler GK110 允許雙精度指令和其他特定沒有注冊文件讀取的指令配對 例如加載/存儲指令、紋理指令以及一些整數型指令。

    每個Kepler SMX 包含4組Warp Scheduler，每組Warp Scheduler包含兩組 Instruction Dispatch單元。單個Warp Scheduler單元如上所示。

    我們努力優化SMX Warp Scheduler邏輯中的能源。例如，Kepler和Fermi Scheduler 包含類似的硬件單元來處理調度功能。其中包括：

a) 記錄長延遲操作（紋理和加載的寄存器
b) Warp 內調度決定（例如在合格的候選 Warp 中挑選出非常好的 Warp 運行）
c) 線程塊級調度（例如，GigaThread 引擎）

    然而，Fermi的scheduler還包含復雜的硬件以防止數據在其本身數學數據路徑中的弊端。多端口寄存器記錄板會紀錄任何沒有有效數據的寄存器，依賴檢查塊針對記錄板分析多個完全解碼的 Warp指令中寄存器的使用情況過，確定哪個有資格發出。

    對于 Kepler ，我們認識到這一信息是確定性的（數學管道延遲是不變量），因此，編譯器可以提前確定指令何時準備發出，并在指令中提供此信息。這樣一來，我們就可以用硬件塊替換幾個復雜、耗電的塊，其中硬件塊提取出之前確定的延遲信息并將其用于在 Warp 間調度階段屏蔽Warp，使其失去資格。

新ISA編碼：每個線程255個寄存器

    可由線程訪問的寄存器的數量在 GK110 中已經翻了兩番，允許線程最多訪問 255 個寄存器。由于增加了每個線程可用的寄存器數量，Fermi 中承受很大寄存器壓力或泄露行為的代碼的速度能大大的提高。典型的例子是在 QUDA 庫中使用 CUDA 執行格點 QCD（量子色動力學）計算。基于 QUDA fp64 的算法由于能夠讓每個線程使用更多寄存器并減少的本地內存泄漏，所以其性能提高了 5.3 倍。

Shuffle 指令

    為了進一步提高性能，Kepler 采用 Shuffle 指令，它允許線程在 Warp 中共享數據。此前，Warp 內線程之間的數據共享需要存儲和加載操作以通過共享內存傳遞數據。使用 Shuffle 指令，Warp 可以讀取來自Warp 內其他線程中任意排列的值。Shuffle 支持任意索引引用（即任何線程讀取任何其他線程）。有用的 Shuffle 子集包括下一線程（由固定量彌補抵消）和 Warp 中線程間 XOR “蝴蝶”式排列，也稱為 CUDA 性。

    Shuffle 性能優于共享內存，因此存儲和加載操作能夠一步完成。Shuffle 也可以減少每個線程塊所需共享內存的數量，因為數據在 Warp 級交換也不需要放置在共享內存中。在 FFT 的情況下，需要共享一個 Warp 內的數據，通過使用 Shuffle 獲得 6％的性能增益。

此示例表明某些變量可以在 Kepler 中使用 Shuffle 指令。

原子運算

    原子內存運算對并行編程十分重要，允許并發線程對共享數據結構執行正確的讀‐修改‐寫運算。原子運算如 add、min、max 和 compare，swap 在某種意義上也是也是原子運算，如果在沒有其他線程干擾的情況下執行讀、修改和寫運算。原子內存運算被廣泛用于并行排序、歸約運算、建制數據結構而同時不需要鎖定線程順序執行。

    Kepler GK110 全局內存原子運算的吞吐量較 Fermi 時代有大幅的提高。普通全局內存地址的原子運算吞吐量相對于每頻率一個運算來說提高了 9 倍。獨立的全局地址的原子運算的吞吐量也明顯加快，而且處理地址沖突的邏輯已經變得更有效。原子運算通常可以按照類似全局負載運算的速度進行處理。此速度的提高使得原子運算足夠快得在內核內部循環中使用，消除之前一些算法整合結
果所需要的單獨的歸約傳遞。Kepler GK110 還擴展了對全局內存中 64‐位原子運算的本機支持。除了 atomicAdd、atomicCAS 和 atomicExch（也受 Fermi 和 Kepler GK104 支持）之外，GK110 還支持以下功能：

    atomicMin、atomicMax、atomicAnd、atomicOr、atomicXor

    其他不受本機支持的原子運算（例如 64 位浮點原子運算）可以使用 compare‐and‐swap (CAS) 指令模擬。

紋理改進

    GPU 的專用硬件紋理單元對于需要取樣或過濾圖像數據的計算機程序來說是寶貴的資源。Kepler中的紋理吞吐量與 Fermi 相比有明顯提高，每個SMX單元包含16紋理過濾單元，對比Fermi GF110 SM 提高了4倍。

    此外，Kepler改變了管理紋理狀態的方法。在Fermi時代，為讓GPU引用紋理，必須在固定大小綁定表中分配“槽”才能啟動 Grid。表中槽數量最終限制程序一次可以讀取多少個獨特的紋理。最終，在 Fermi 中限制程序僅可以同時訪問128紋理。

    Kepler中有無綁定紋理，不需要額外步驟：紋理狀態已保存為內存中的對象，硬件按需獲取這些狀態對象，綁定表過時。這有效地消除了計算程序引用獨特紋理數量的任何限制。相反，程序可以在任何時間映射紋理和通紋理處理周圍。

    Kepler的內存層次結構與Fermi類似。Kepler架構支持統一內存加載和存儲的請求路徑，每個SMX 多處理器有一個L1緩存。Kepler GK110 還使編譯器指示為只讀數據增設一個新的緩存，如下所述。

64KB可配置共享內存和L1緩存

    在 Kepler GK110 架構（如在上一代 Fermi 架構）中，每個 SMX 有 64 KB 的片上存儲器，可配置為 48 KB 的 共享存儲器和 16 KB 的 L1 緩存，或配置為 16 KB 的共享存儲器和 48 KB 的 L1 緩存。Kepler 目前在配置共享存儲器的分配和 L1 緩存方面的靈活性更大，允許共享存儲器和 L1 緩存之間以 32KB/32KB 劃分。為了支持 SMX 單元增加的吞吐量，用于 64 位或更大負載運算的共享存儲器帶寬相對 Fermi SM 也增加一倍，到每主頻 256B。

48KB只讀‐數據緩存

    除 L1 緩存之外，Kepler 為只讀數據引入 48 KB 緩存為了函數的持續時間。在 Fermi 時代，該緩存只能由紋理單元訪問。專家程序員通常發現它的優勢是通過將數據映射為紋理來加載數據，但這種方法有很多局限性。

    在 Kepler 中，除了大大提高了該緩存的容量之外，還伴隨著紋理功力的提高，我們決定讓緩存為一般負載運算直接訪問 SM 。使用只讀的路徑好處極大，因為它使負載和工作組的影響遠離共享/L1緩存路徑。此外，其他情況下，只讀數據緩存更高的標簽帶寬支持全速非對齊內存訪問模式。

    該路徑的使用是由編譯器自動管理（通過參數 C99 訪問任何變量或稱為常量的數據結構）。標準關鍵字 “const_restrict” 將被編譯器標記以通過只讀數據緩存加載。

改進的L2緩存

    Kepler GK110 GPU 具有 1536KB 的專用 L2 緩存內存，是 Fermi 架構中 L2 的 2 倍。L2 緩存是SMX 單元之間主要數據統一點，處理所有加載、存儲和紋理請求并提供跨 GPU 之間有效、高速的數據共享。Kepler 上的 L2 緩存提供的每時鐘帶寬是 Fermi 中的 2 倍。之前不知道數據地址的算法，如物理求解器、光線追蹤以及稀疏矩陣乘法，從高速緩存層次結構中獲益匪淺。需要多個SM讀取相同數據過濾和卷積內核也從中受益。

內存保護支持

    與 Fermi 相同，Kepler的注冊文件、共享內存、L1 緩存、L2 緩存和 DRAM 內存受單錯糾正雙錯檢測 (SECDED) ECC 代碼保護。此外，只讀的數據緩存‐通過奇偶校驗支持單錯糾正，在奇偶校驗錯誤的情況下，緩存單元自動使失效，迫使從 L2 讀取正確的數據。

    ECC 校驗位從 DRAM 獲取必定消耗一定量的帶寬，這會導致啟用 ECC和停用 ECC的運算之間的差異，尤其對于內存帶寬敏感的應用程序。基于 Fermi 的經驗，Kepler GK110 對 ECC 校驗位獲取處理進行了幾項優化。結果，經內部的計算應用測試套件測量，開啟和關閉 ECC 的性能三角洲已經平均降低 66%。

    在混合 CPU‐GPU 系統中，由于 GPU 的性能/ 功率比提高，使應用程序中大量并行代碼完全在GPU 高效運行，提高了可擴展性和性能。為了加快應用程序的額外并行部分的處理，GPU必須支持更加多樣化的并行工作負載類型。

    Dynamic Parallelism 是 Kepler GK110 引入的新功能，能夠讓 GPU 在無需 CPU 介入的情況下，通過專用加速硬件路徑為自己創造新的工作，對結果同步，并控制這項工作的調度。

    在內核啟動時，如果問題的規模和參數已知，那么 Fermi 在處理大型并行數據結構時效果非常好。所有的工作是從主機 CPU 啟動，會運行到完成，并返回結果返回到 CPU。結果將被用來作為最終的解決方案的一部分，或通過 CPU 進行分析，然后向 GPU 發送額外的處理請求以進行額外處理。

    在 Kepler GK110中，任何一個內核都可以啟動另一個內核，并創建處理額外的工作所需的必要流程、事件以及管理依賴，而無需主機 CPU 的介入。T 該架構能讓開發人員更容易創建和優化遞歸和數據依賴的執行模式，并允許更多的程序直接運行在 GPU 上。可以為其他任務釋放系統CPU，或可以用功能少的 CPU 配置系統以運行相同的工作負載。

    Dynamic Parallelism 允許應用程序中更多的并行代碼直接由 GPU 本身啟動（右側圖像），而不需要 CPU 的干預（左側圖像）。

    Dynamic Parallelism 允許更多種并行算法在 GPU 上執行，包括不同數量的并行嵌套循環、串行控制任務線程的并行隊或或卸載到 GPU 的簡單的串行控制代碼，以便促進應用程序的并行部分的數據局部化。

    因為內核能夠根據GPU 中間結果啟動額外工作負載，程序員現在可以智能處理負載平衡的工作，以集中其大量資源在需要處理能力最大或與解決方案最有關的問題上。

    一個例子是動態設置數值模擬的 Grid。 通常 Grid 主要集中在變化最大的地區，需要通過數據進行昂貴的前處理。另外，均勻粗 Grid 可以用來防止浪費的 GPU 資源，或均勻細 Grid 可以用來確保捕獲所有功能，但這些選項的風險是在不太被注意的地區缺少模擬功能或“過度消費”的計算資源。

    有了 Dynamic Parallelism，可以在運行時以數據依賴形式動態確定‐Grid解決方案。以粗 Grid開始，模擬“放大”注意的區域，同時避免在變化不大區域中不必要的計算。雖然這可以通過使用一系列的 CPU 啟動的內核來完成，但是通過分析數據、作為單個模擬內核部分啟動額外工作讓 GPU 細化 Grid 本身要簡單的多，消除了 CPU 的中斷以及CPU和GPU之間的數據傳輸。

圖片歸屬查爾斯· 里德

    上面的例子說明了在數值模擬，采用動態調整 Grid 的好處。為了滿足峰值的精度要求，固定的分辨率仿真必須運行在整個模擬域過于精細的分辨率上，而多分辨率 Grid 根據當地的變化為每個區域應用正確的模擬分辨率。

    原來的一個困難是，GPU始終要優化調度來自多個數據流的工作負載。Fermi 結構支持從單獨數據流的16路并發內核啟動，但最終數據流都復用相同的硬件工作隊列。這允許虛假的數據流內依賴，要求在單獨數據流內的其他內核可以執行之前就完成一個數據流內依靠的內核。雖然在某種程度上這可以通過使用廣度優先啟動順序緩解，但是隨著程序的復雜性的增加，這可以成為越來越難以有效地管理。

    Kepler GK110 使用新 Hyper‐Q 特征改進了這一功能。Hyper‐Q 允許 32 個并發，硬件管理的連接（ 對比 Fermi 的單一連接），增加了主機和 GPU 中 CUDA Work Distributor （CWD）邏輯之間的連接總數（工作隊列)。Hyper‐Q 是一種靈活的解決方案，允許來自多個 CUDA 流、多個消息傳遞接口（MPI）進程，甚至是進程內多個線程的單獨連接。以前遇到跨任務虛假串行化任務的應用程序，限制了 GPU 的利用率，而現在無需改變任何現有代碼，性能就能得到 32 倍的大幅度提升。

Hyper‐Q 允許CPU和GPU之間更多的并發連接

    每個 CUDA 流在其自己硬件工作隊列管理，優化流間的依賴關系，一個流中的運算將不再阻止其他流，使得流能夠同時執行，無需特別定制的啟動順序，消除了可能的虛假依賴。Hyper‐Q 在基于 MPI 的并行計算機系統中使用會有明顯的優勢。通常在多核 CPU 系統上運行時創建傳統基于 MPI‐的算法，分配給每個 MPI 進程的工作量會相應地調整。這可能會導致單個MPI 進程沒有足夠的工作完全占據 GPU。雖然一直以來多個 MPI 進程都可以共享 GPU，但是這些進程可能會成為虛假依賴的瓶頸。Hyper‐Q 避免了這些虛假的依賴，大大提高了 MPI 進程間共享 GPU 的效率。

    Hyper‐Q 與 CUDA 流一起工作：左側顯示 Fermi 模式，僅 (C,P) 和 (R,X) 可以同時運行，因為單個硬件工作隊列導致的流內依賴。Kepler Hyper‐Q 模式允許所有流使用單獨的工作隊列同時運行。

    Kepler GK110 中的新功能，如 CUDA 內核能夠利用 Dynamic Parallelism 在 GPU 上直接啟動工作，需要 Kepler 中 CPU‐to‐GPU 工作流提供比 Fermi 設計增強的功能。Fermi中，線程塊的Grid可由CPU啟動，并將一直運行到完成，通過 CUDA Work Distributor (CWD) 單元創建從主機到SM的簡單單向工作流。Kepler GK110目的是通過GPU有效管理CPU和CUDA創建的工作負載來改進 CPU‐到‐GPU 的工作流。

    我們討論了 Kepler GK110 GPU 允許內核直接在GPU上啟動工作的能力，重要的是要理解在Kepler GK110 架構所做的變化，促成了這些新功能。Kepler 中，Grid 可從 CPU 啟動，就和Fermi 的情況一樣，但是新 Grid 還可通過編程由 CUDA 在 Kepler SMX 單元中創建。要管理CUDA 創建的 Grid 和主機生成的 Grid，在 Kepler GK110 中引入新 Grid Management Unit (GMU)。該控制單元管理并優先化傳送到 CWD 要發送到 SMX 單元執行的 Grid。

    Kepler 中的 CWD 保留準備好調度的 Grid，并能調度 32 個活動的 Grid，這是 Fermi CWD 容量的兩倍。Kepler CWD 通過雙向鏈接進行通信，允許 GMU 暫停新 Grid 的調度并保留掛起和暫停的 Grid，直到需要。GMU 也有到 Kepler SMX 單元的直接連接，允許 Grid 通過 Dynamic Parallelism 在 GPU 上啟動其他工作，以將新工作傳回到 GMU 進行優先化和調度。如果暫停調度的額外工作量的內核，GMU 將保持其為不活動，知道以來工作完成。

    重新設計的 Kepler HOST 到 GPU 的工作流顯示新 Grid Management Unit，允許其管理主動調度的 Grid、暫停調度、保留掛起和暫停的 Grid。

NVIDIA GPUDirect

    當處理大量的數據時，提高數據吞吐量并降低延遲，對于提高計算性能是至關重要的。Kepler GK110 支持NVIDIA GPUDirect 中的 RDMA，目的是通過允許第三方設備，如 IB 適配器、NIC 和 SSD，直接訪問 GPU 內存‐來提高性能。使用 CUDA 5.0 時，GPUDirect 提供以下重要功能：

     無需 CPU方面的數據緩沖, NIC 和 GPU 之間的直接內存存取 (DMA)
     顯著改善 GPU和其他網絡節點之間的 MPISend/ MPIRecv 效率。
     消除了 CPU 帶寬和延遲的瓶頸
     與各種第三方網絡、捕獲和存儲設備一起工作

    如逆時偏移（用于石油和天然氣勘探地震成像）這樣的應用程序，將大量影像數據分布在多個GPU。數以百計的 GPU 必須合作，以緊縮的數據，經常通信中間結果 GPUDirect 利用 P2P 和RDMA 功能為服務器內或服務器之間“ GPU‐ 到‐GPU” 的通信的情況分配更高的總帶寬。

    Kepler GK110 還支持其他功能 GPUDirect，如 Peer‐to‐Peer 和 GPUDirect for Video。

    GPUDirect RDMA 允許網絡適配器這樣的第三方設備訪問GPU內存，轉換為跨節點GPU之間直接傳輸。

    第一眼看到GTX TITAN還以為是GTX 690呢。仔細端詳，發現還有略有不同，擋板接口旁邊的“TITAN”字樣暴露了它的身份。

    其實這也在情理之中，GTX 690別具匠心的設計深受好評，如果僅僅在一款雙芯火星卡上曇花一現未免太過可惜。

    改良版的渦輪離心式風扇看起來非常美觀。拆下外殼以后的風扇全貌。

    散熱器頗有份量，工藝也非常不錯。至少擰了一二十個螺絲才將其拆下。均熱板底座比普通純銅底座散熱效率更高。

    組裝起來渾然一體，拆開以后卻發現零件眾多，和一般顯卡相比，TITAN的散熱器構造比較復雜。

這是TITAN的散熱器的核心部件，底座鰭片一體式的鍍鉻散熱模塊。

    TITAN的PCB結構緊湊，用料扎實但并沒有華碩的戰神、微星的閃電那么張揚。

    其實對于多數人來，GK110雖然從未正式亮相消費級市場，但并不陌生，NVIDIA之前為高性能服務器設計的優異產品Tesla K20X采用的就是這款芯片。
別看它其貌不揚，它可是集成了71億晶體管、擁有6個核心，2688個流處理器的真正怪獸。一秒的瞬間就能爆發出超過4500flops的處理能力！看過正在熱映的西游降魔篇嗎？看似小猴子，一秒變金剛！

    TITAN的核心和Tesla K20X唯一的不同就是，TITAN的頻率更高！Tesla K20X核心默認頻率為732MHz，而TITAN達到了837MHz。性能攀升，功耗也隨之水漲船高，TITAN的TDP達到了250W，比Tesla高出15W。8加6Pin接口，5加1相供電保證了GPU核心和顯存的需要。

    顯存芯片為三星出品的K4G20325F0-FC03,0.3ns三星的顯存顆粒是業界公認的優異顯存，超頻潛力很大。正反24個顆粒組成了384bit、6GB容量的顯存規格，單芯顯卡顯存容量如此之大前所未有！顯然一般平臺的1080P顯示器已經不是TITAN所要挑戰的對象，未來的4K以上分辨率才是其真正對手。

    TITAN做工一絲不茍，該屏蔽的地方絕不含糊。筆者感覺比之前的公版做工都要更好一些。當然這些都是它應該具備的東西：聽說這款性能強大的顯卡售價也是奇高。

TITAN背面

    安森美新推出的NCP4206六相PWM控制芯片,由于主控不帶驅動IC,所以PCB上6顆標著AZN的東西就是小型驅動IC。

考慮到它的定位，TITAN的長度并不夸張，一般的機箱即可容納

    NV高端顯卡經典的接口組合：DP HDMI 雙DVI的陣型無論是對付多個顯示設備還是多種顯示設備均毫無壓力。

GTX TITAN凈重935克，估計一斤3000多。

    此次測試的顯卡從旗艦到入門均有涉及，測試時所有游戲中開啟全部特效，包括4X抗鋸齒（AA）和16X各向異性過濾（AF）。雖然很多游戲提供了更高精度的AA，但由于實用價值不高，且沒有可對比性，所以不做測試。

    目前也有部分顯示器是（1920x1200），游戲在這種分辨率下的性能表現與1920x1080差不多，FPS稍低一點點，使用這種顯示器的朋友依然可以參考我們的測試成績。

● 測試平臺主板：技嘉G1.Sniper M3

    技嘉 G1.Sniper M3是一款采用m-ATX板型設計的高端Z77主板，它結合了屢獲殊榮的G1.Killer設計理念，目標是給玩家提供強大的性能。無論是內建Creative專業級音效處理器、Sound Core3D高質感音效輸出還是支持 cFosSpeed 與網絡加速技術的芯片，都是為了讓玩家能有最棒的娛樂和聯網游戲體驗。

● 測試平臺電源：Antec HCP1200

    安鈦克Antec HCP1200電源在世界超頻大賽中非常常見，通過了80PLUS認證，轉換效率高達92.4%，支持4路12V輸出，最高電流72A，支持四卡SLI/交火。平均無故障運行時間為10萬小時。配備一顆8cm靜音風扇，運行噪音極低。

● 測試平臺SSD：OCZ Vetrx3 240GB

   OCZ的Vertex系列屬于它的高端固態硬盤，專門為高端玩家和存儲發燒友設計。隨著Sandforce控制器大紅大紫，OCZ也將Vertex系列升級到了全新的SF1200方案。如今SATA3.0 6Gbps接口大行其道，OCZ推出了基于SF2200系列主控芯片的Vertex 3固態硬盤，涵蓋60-480GB容量范圍。

    既然針對平臺不同，測試項目自然也相去甚遠。三大平臺除了PC追求極致性能外，筆記本和平板都受限于電池和移動因素，性能不是很高，因此之前的3Dmark11雖然有三檔可選，依然不能準確衡量移動設備的真實性能。

3DMARK主界面

    而這次Futuremark為移動平臺量身定做了專有測試方案，新一代3DMark三個場景的畫面精細程度以及對配置的要求可謂天差地別。

    Fire Strike、Cloud Gate、Ice Storm三大場景，他們分別對應當前最熱門的三大類型的電腦——臺式電腦、筆記本電腦和平板電腦。

    最新的3DMARK軟件，最嚴苛的Fire Strike Extreme模式中，GTX TITAN以4417的成績遙遙領先于其它顯卡，即便是新3DMark比較偏A也絲毫動搖不了它的王者地位。

<

3DMark11的測試重點是實時利用DX11 API更新和渲染復雜的游戲世界，通過六個不同測試環節得到一個綜合評分，藉此評判一套PC系統的基準性能水平。

● 3DMark 11的特色與亮點：

1、原生支持DirectX 11：基于原生DX11引擎，全面使用DX11 API的所有新特性，包括曲面細分、計算著色器、多線程。

2、原生支持64bit，保留32bit：原生64位編譯程序，獨立的32位、64位可執行文件，并支持兼容模式。

3、新測試場景：總計六個測試場景，包括四個圖形測試（其實是兩個場景）、一個物理測試、一個綜合測試，全面衡量GPU、CPU性能。

4、拋棄PhysX，使用Bullet物理引擎：拋棄封閉的NVIDIA PhysX而改用開源的Bullet專業物理庫，支持碰撞檢測、剛體、軟體，根據ZLib授權協議而免費使用。

    3Dmark11大量特效堆砌出來的以假亂真的畫面讓HD7970和GTX680也不能完全流暢運行它，只有GTX TITAN稍微流暢一些。本次測試中所有顯卡一視同仁開啟Extreme模式，主流級和旗艦級性能差距依舊非常明顯。這個測試項目和最新的3DMARK軟件測試成績正好相反，N卡在3DMARK11中占據了不小優勢。

    暴雪的游戲，引擎往往并不是最新，系統要求也不是很高，但游戲畫面卻趨于完美，讓人驚嘆不已，這就是暴雪程序員和美工的獨到之處：他們可以使用最成熟、最易用的技術勾勒出最優異的特效。此次Starcraft II就是這樣，雖然沒有使用DX11 API，但大量DX9C成熟技術的應用讓我們目不暇接。

    包括FP16 HDR、光線散射/反射效果（Diffuse and specular for lighting）、景深效果（depth of field）、體積霧（fog volumes）、動態環境遮蔽（dynamic ambient occlusion）、智能貼圖置換（smart displacement）等等，這些都是Starcraft II的“BT”之處。

  游戲介紹：《星際爭霸Ⅱ》延續了神族、人族和蟲族三足鼎立的傳奇史詩。繼原作《星際爭霸》之后，這三大截然不同又各賦異秉的種族將再次面臨沖突與對抗，舊有兵種、升級兵種以及全新的兵種將一一登場，為了各自種族的生存，展開驚心動魄的搏殺，戰火將燒遍整個星系。 

    畫面設置：所有特效全開最高。《星際爭霸2》 經過更新，已經全面支持抗鋸齒。

    測試方法：登錄游戲進行對戰，然后播放錄像全程，用Fraps記錄全程幀數的平均值。因為游戲路線中的所有單位均為實時渲染，用來測試3D性能非常合適。

    《星際爭霸Ⅱ》已經對目前主流顯卡難以構成威脅，就算是較弱的GTX650和HD7750也都能比較流暢的全特效運行它。總的來說這個測試項目高端顯卡已經無法發揮出全部的性能。

　　由EA DICE工作室開發的《戰地3》采用了最新的“寒霜2”引擎，完美支持DirectX 11，并且擁有強大的物理效果，最大的亮點還是光照系統，其渲染的場景已近乎亂真的地步，視覺效果堪稱絕贊。游戲還支持即時晝夜系統，為玩家營造一個親臨現場的真實環境。

    寒霜2引擎最大的特點便是支持大規模的破壞效果。由于考慮到游戲的畫面表現以及開發成本，DICE放棄了以只支持DX9的WINDOWS XP操作系統。另外由于該引擎基于DX11研發，向下兼容DX10，因而游戲只能運行于WINDOWS VISTA以上的的操作系統。

    在《戰地3》中，“寒霜引擎2”內置的破壞系統已經被提升至3.0版本，對于本作中的一些高層建筑來說，新版的破壞系統將發揮出電影《2012》那般的災難效果，突如其來的建筑倒塌將震撼每一位玩家的眼球。

　　《戰地3》采用了ANT引擎制作人物的動作效果。在此之前，ANT引擎已在EA Sports旗下的《FIFA》等游戲中得到應用，不過在FPS游戲中使用尚屬首次。相較于Havok等物理引擎，用ANT引擎可以花費較少的精力制作出逼真的效果。舉例來說，戰士在下蹲時會先低頭俯身、放低槍口，而不是像以前的游戲那樣頭、身、槍如木偶般同時發生位移。此外，ANT引擎也可以讓電腦AI的行動更加合理。但這款大作目前并不能良好的兼容120Hz3D以及紅藍3D模式。 

   寒霜2引擎大作戰地三，是為數不多的畫面可以挑戰Crysis的游戲大作，而對核心和顯存的要求已經超越了Crysis！越是要求變態的游戲，GTX TITAN和其他顯卡的差距就拉的越大！

    游戲介紹：《地鐵2033》(Metro 2033)是俄羅斯工作室4A Games開發的一款新作，也是DX11游戲的新成員。該游戲的核心引擎是號稱自主全新研發的4A Engine，支持當今幾乎所有畫質技術，比如高分辨率紋理、GPU PhysX物理加速、硬件曲面細分、形態學抗鋸齒(MLAA)、并行計算景深、屏幕環境光遮蔽(SSAO)、次表面散射、視差貼圖、物體動態模糊等等。

開啟景深，模擬鏡頭感

    畫面設置：《地鐵2033》雖然支持PhysX，但對CPU軟件加速支持的也很好，因此使用A卡玩游戲時并不會因PhysX效果而拖累性能。該游戲由于加入了太多的尖端技術導致要求非常BT，以至于我們都不敢開啟抗鋸齒進行測試，只是將游戲內置的效果調至最高。游戲自帶Benchmark，這段畫戰斗場景并不是很宏大，但已經讓高端顯卡不堪重負了。

    測試說明：如果說是CRYSIS發動了DX10時代的顯卡危機，那地鐵2033無疑是DX11時代的顯卡殺手！地鐵2033幾乎支持當時可以采用的所有新技術，在畫面雕琢上大肆鋪張，全然不顧顯卡們的感受，和CRYSIS如出一轍。然而CRYSIS靠著特效的堆積和不錯的優化，其驚艷絕倫的畫面和DX9C游戲拉開了距離，終究賺足了眼球；而地鐵則沒有這么好運了，畫面固然不差，BUG卻是很多，招來了大量的非議。

    地鐵2033，一款銷量慘淡，游戲性被人遺忘但卻家喻戶曉的游戲，DX11游戲中的奇葩。這款游戲本來是A卡優勢項目，但GTX TITAN實力過于強勁，依然完勝HD7970GE。

    游戲引擎開發商BitSquid與游戲開發商Fatshark近日聯合公布了一個展示DX11強大技術的DEMO。這個名為《StoneGiant》（石巨人）的DEMO，可以讓玩家來測試自己PC顯卡的DX11性能。BitSquid Tech即將提供PC平臺的引擎，并且大概在今年第三季度將提供PS3和Xbox 360等其他平臺的引擎。

    畫面設置：StoneGiant是一款技術演示Demo，畫面做的非常精美，進入之后可以選擇開啟關閉Tessellation以及DOF（DX11級別景深）進行測試，這兩項技術都十分消耗資源，尤其是同時打開時。其中Tessellation技術對畫質的改善最為明顯，測試時默認開啟Tessellation、打開DOF進行測試。

    測試方法：自帶Benchmark。

    看得出來，A卡的“壓力”確實很大，Tessellation特效使用的越多，其表現就越差，這是架構特性使然，但總的來說和上代相比進步很多，和N卡的差距已經越來越小了。TITAN依然一騎絕塵。

    《Aliens vs. Predator》同時登陸PC、X360和PS3，其中PC版因為支持DX11里的細分曲面(Tessellation)、高清環境光遮蔽(HDAO)、計算著色器后期處理、真實陰影等技術而備受關注，是AMD大力推行的游戲之一，但是這樣的主題難免讓本作有很多不和諧的地方，暴力血腥場面必然不會少！發行商世嘉在2009年11月就曾明志，表示不會為了通過審查而放棄電子娛樂產品發行商的責任，因為游戲要維持“異形大戰鐵血戰士”這一中心主題，無論畫面、玩法還是故事線都不能偏離。

    畫面設置AVP原始版本并不支持AA，但升級至1.1版本之后，MSAA選項出現在了DX11增強特效當中，當然還支持Tessellation、HDAO、DirectCompute等招牌。該游戲要求不算太高，所以筆者直接將特效調至最高進行測試。

    測試方法：游戲帶Benchmark，其中測試畫面頗代表意義，很好的體現了Tessellation異形身體以及HDAO等高級特效，希望這些特效能讓系統發揮所有潛力。

    作為A卡的優勢項目，AVP測試環節中HD7970終于戰勝了GTX680，但依然難以和GTX TITAN相抗衡。

　　在互聯網時代的今天，網絡日益融入人們的生活，愛網、用網成為時尚，上網絡玩游戲成為青年喜愛的娛樂方式之一。軍事游戲在國外一些軍隊已發展多年、形成體系，并廣泛應用于教育、訓練。我軍軍事游戲目前尚處于起步階段，基層部隊日常娛樂多以小型益智類棋牌游戲為主，形式和功能都比較單一。

    一些部隊開展網上軍事游戲對抗，使用的也大都是國外軍事游戲的漢化版，游戲內容和體現的價值理念、軍事思想，與我軍有很大差異，長期使用不利于部隊教育訓練，甚至可能誤導官兵。新研發的軍事游戲《光榮使命》擁有完全自主知識產權，填補了我軍軍事游戲的空白。

　　在總部有關部門指導下，南京軍區抽調骨干力量展開研發工作。歷時半年，研究分析了34款主流軍事游戲，先后派出6個專題小組，召開30多場座談會，調研摸清官兵的興趣愛好和現實需求，并在部隊政工網開設“游戲開發論壇”，發動官兵建言獻策。他們經考察了20多家游戲企業，最終選定與無錫巨人網絡公司進行合作研發。

    正式研發階段，南京軍區專門組成軍事指導組，指導游戲設置，配合動作捕捉；聘請國內知名游戲公司技術人員擔任顧問，參與項目評審，幫助解決技術難題。經過兩年半的摸索實踐，2011年4月初完成了測試版本，進一步測試、修改后，6月20日完成了正式版本，被行業專家稱為“軍事游戲的一個突破，游戲產業的一個創舉”。 

    光榮使命不僅是第一款支持DX11的國產游戲，同時也是支持PhysX物理加速的游戲，可惜A卡并不支持，所以測試沒有開啟物理。在這款游戲的Benchmark測試中，N卡表現更加出色一些。

　　《狙擊精英》是2005年Reblion推出的一款以二戰為背景的狙擊游戲作品，一經推出后就獲得英國獨立游戲開發者協會的“非常好的PC/主機游戲”大獎，《狙擊精英V2》則是這款作品的續作，據游戲開發商稱續作繼續秉承了游戲潛入類狙擊的風格，較初代來說更加注重槍擊后的真實感，“我們保證，新游戲將是最真實的二戰狙擊類游戲。不僅僅在武器彈道上，還有在開槍之前那種緊張的氣氛，都會很真實的表現出來。”Rebellion的首席執行官杰森·科林斯雷(Jason Kingsley）如是說。

　　游戲的畫面在整體上相當的不錯，無論是從整體的質感，還是畫面的流暢性看都達到了很高的水準，在光源的處理上也非常的到位。同時，游戲依舊延續了初代精益求精的場景設計的理念，比如城市巷戰地圖中的斷壁殘垣以及黑煙沖天、山洞地圖中充滿著神秘氣息的導彈基地等都給筆者留下了深刻的印像。

    這款游戲支持超級采樣AA，特效全開以后對顯卡的要求達到了驚人的地步，甚至超越了素有顯卡殺手之稱的地鐵2033，所以我們本次測試并沒有開啟超級采樣，僅僅開啟了4XMSAA，這款游戲是A卡優勢項目。

    塵埃一決高下是大名鼎鼎的Codemasters公司最近發行的一款賽車大作。說到Codemasters的成名作毫無疑問就是《科林麥克雷：塵埃》系列，被譽為擬真賽車的典范，評價遠超優品飛車。

　　塵埃一決高下并不是科林麥克雷：塵埃的續作，不然就不會叫決戰了。由于原作系列保持了較高的擬真度，使得粉絲都是核心玩家，休閑玩家們望而卻步。此次的塵埃決戰在玩法上更為開放，樂趣不再局限于完成比賽獲得第一名，游戲公司借此希望拉攏休閑玩家的加入。如果您喜歡賽車游戲，不妨試試。

    這款最新的DX11游戲畫質較之上一代并沒有明顯的提升（筆者主觀判斷），但顯卡的要求提升不少，AMD顯卡占據了很大優勢，只有對TITAN望洋興嘆。

    EVGA的研發能力還是不錯的，每次新品發布都能第一時間推出不錯的超頻軟件。

    GTX TITAN的超頻能力并不算很強，BOOST+OC以后，我們手上這塊TITAN的GK110核心可以達到1025MHz的頻率。

3DMARK11的成績從X4994提升到了X5388，提高了394分，提升幅度約8%。

    我們的功耗測試方法是直接統計整套平臺的總功耗，既簡單、又直觀。測試儀器為微型電力監測儀，它通過實時監控輸入電源的電壓和電流計算出當前的功率，這樣得到的數值就是包括CPU、主板、內存、硬盤、顯卡、電源以及線路損耗在內的主機總功率（不包括顯示器）。

FURMARK拷機成績截圖

    待機為windows7桌面下獲得的最小值；滿載是以1680X1050模式運行Furmark時的最大值，Furmark能夠讓顯卡穩定的以100%滿負載模式運行，測得的功耗值比一般的游戲要高一些。

● 顯卡空閑整機功耗測試（顯示器除外）

● 顯卡滿載整機功耗測試（顯示器除外）

● 顯卡空閑GPU溫度測試

● 顯卡滿載GPU溫度測試

    待機功耗TITAN的表現不盡如人意，整機（不包含顯示器）達到了將近100W，滿載以后功耗控制倒是不錯，只有319W，比HD7970高不了多少。考慮到TITAN優異的3D性能，這個表現非常不錯。

    TITAN溫度測試成績更是出乎筆者所料，不僅全程噪音控制的很好而且滿載溫度只有區區81攝氏度，比GTX 680和HD7970都要涼爽不少，怕TITAN發熱失控的朋友可以放心了！

● 高性能計算的意義

    隨著Fermi在2010年的推出，NVIDIA帶領顯卡行業進入了高性能計算的新時代，尤其是CPU和GPU協同工作來解決計算密集型工作負載的混合計算模式被證明是可行之道。如今，Kepler架構終極形態GeForce GTX TITAN的發布，NVIDIA又一次提高了游戲行業的標準，同時以GPU為核心的計算模式再次被發揚光大。

    Kepler GK110設計的初衷就是利用卓越的電源效率達到最大化計算性能和吞吐量。該架構有很多創新，如SMX、Dynamic Parallelism 和 Hyper‐Q等等，這些功能不僅使混合計算大大簡化，同時也簡化了編程接口，有望催生出更優秀的軟件，適用于更廣泛的應用。

云計算也是NVIDIA一直在研究的重要課題

以后臺式電腦不僅僅是一臺PC而要承擔起家庭影音處理中心的任務

● GTX TITAN的優勢：

1. 規格和游戲性能出于單芯無敵狀態；
2. 溫度噪音控制的非常理想；
3. GPU理論浮點運算能力很高，較上代旗艦提升約50%；

● GTX TITAN的劣勢：

1. 功耗較之上代旗艦GTX680高出55W；
2. TITAN的晶體管數達到恐怖的71億，再加上6GB 384bit顯存，成本要比GTX680高很多，售價無疑創新高，并非一般用戶可以承受。

目前沒有游戲可以對GTX TITAN構成威脅

    GK110以其無以倫比的性能證明了它是地球最快的GPU，但同時我們在測試中也發現了一些遺憾，在個別游戲中GTX TITAN并不能完全發揮它的理論性能，除了驅動優化方面還不夠成熟的原因，筆者認為也和CPU性能產生瓶頸有些關系，目前的優異處理器如果不極限超頻的話，很難帶動TITAN。

    單芯卡皇的意義就在于，在那些對多卡支持不佳的游戲中也能發揮出過人的實力，而在多屏超大分辨率或3D立體游戲中，三塊TITAN的系統也將比兩塊GTX690更強大。從游戲顯卡的角度來看，GTX TITAN是一款接近完美的產品，擁有最強性能的同時，還很好的控制住了功耗、發熱和噪音。從GPU計算的角度來說，在并行計算、超級計算機市場，GK110核心更是如魚得水，事實上GTX TITAN的專業版Tesla K20X已經被使用在了很多超級計算機之上，前不久登頂的超算“泰坦”與今日發布的單芯卡皇TITAN遙相呼應，傲視群雄！■<