HD7970脱胎换骨全测试!5年架构大革命

第二章/第四节 HD2900XT走向不归路：超长指令集的弊端

    R520->R580的成功，多达48个着色单元功不可没，这让ATI对庞大的ALU运算单元深信不疑。ATI认为只要继续扩充着色单元，就能满足新一代DX10及Shader Model 3.0的要求。

    着色单元的结构：

    在图形处理中，最常见的像素都是由RGB（红黄蓝）三种颜色构成的，加上它们共有的信息说明（Alpha），总共是4个通道。而顶点数据一般是由XYZW四个坐标构成，这样也是4个通道。在3D图形进行渲染时，其实就是改变RGBA四个通道或者XYZW四个坐标的数值。为了一次性处理1个完整的像素渲染或几何转换，GPU的像素着色单元和顶点着色单元从一开始就被设计成为同时具备4次运算能力的运算器（ALU）。

    数据的基本单元是Scalar（标量），就是指一个单独的值，GPU的ALU进行一次这种变量操作，被称做1D标量。由于传统GPU的ALU在一个时钟周期可以同时执行4次这样的并行运算，所以ALU的操作被称做4D Vector（矢量）操作。一个矢量就是N个标量，一般来说绝大多数图形指令中N=4。所以，GPU的ALU指令发射端只有一个，但却可以同时运算4个通道的数据，这就是SIMD（Single Instruction Multiple Data，单指令多数据流）架构。

R580的Shader单元结构

    显然，SIMD架构能够有效提升GPU的矢量处理性能，由于VS和PS的绝大部分运算都是4D Vector，它只需要一个指令端口就能在单周期内完成4倍运算量，效率达到100%。但是4D SIMD架构一旦遇到1D标量指令时，效率就会下降到原来的1/4，3/4的模块被完全浪费。为了缓解这个问题，ATI和NVIDIA在进入DX9时代后相继采用混合型设计，比如R300就采用了3D+1D的架构，允许Co-issue操作（矢量指令和标量指令可以并行执行），NV40以后的GPU支持2D+2D和3D+1D两种模式，虽然很大程度上缓解了标量指令执行效率低下的问题，但依然无法最大限度的发挥ALU运算能力，尤其是一旦遇上分支预测的情况，SIMD在矢量处理方面高效能的优势将会被损失殆尽。

    DX10时代，混合型指令以及分支预测的情况更加频繁，传统的Shader结构必须做相应的改进以适应需求。NVIDIA的做法是将4D ALU全部打散，使用了MIMD（Multi Instruction Multiple Data，多指令多数据流），而AMD则继续沿用SIMD架构，但对Shader微架构进行了调整，称为超标量架构。

    R600的5D超标量流处理器架构：

    作为ATI的首款DX10 GPU，架构上还是有不少改进的，DX10统一渲染架构的引入，让传统的像素渲染单元和顶点渲染单元合二为一，统称为流处理器。R600总共拥有64个Shader单元，每个Shader内部有5个ALU，这样总计就是320个流处理器。

R600的Shader单元结构

    R600的Shader有了很大幅度的改进，总共拥有5个ALU和1个分支执行单元，这个5个ALU都可以执行加法和乘加指令，其中1个"胖"的ALU除了乘加外之外还能够进行一些函数（SIN、COS、LOG、EXP等）运算，在特殊条件下提高运算效率！

    与R580不同的是，R600的ALU可以在动态流控制的支配下自由的处理任何组合形式的指令，诸如1+1+1+1+1、2+2+1、2+3、4+1等组合形式。所以AMD将R600的Shader架构称作Superscalar（超标量），完美支持Co-issue（矢量指令和标量指令并行执行）。

    R600超长指令集的弊端：

    从Shader内部结构来看，R600的确是超标量体系，但如果从整个GPU宏观角度来看，R600依然是SIMD（单指令多数据流）的VLIW（超长指令集）体系：5个ALU被捆绑在一个SIMD Shader单元内部，所有的ALU共用一个指令发射端口，这就意味着Shader必须获得完整的5D指令包，才能让内部5个ALU同时运行，一旦获得的数据包少于5条指令，或者存在条件指令，那么R600的执行效率就会大打折扣。

    例如：指令一：a=b+c；指令二：d=a*e。这两条指令中，第二条指令中的a必须等待第一条指令的运算结果，出现这样的情况时候，两条指令大多数情况下就不能实现超标量执行了。

    显然，想要完整发挥R600的性能必须满足苛刻的条件，这个条件不仅对驱动和编译器提出了额外的要求，而且要求程序必须让条件指令不存在任何关联性，难度可想而知。最终结果就是绝大多数情况下R600都无法发挥出的理论性能，而且其执行效率会因为复杂指令的增多而不断下降。