板卡上的元器件逐个数，显卡的核心
- 来源:微型计算机
- 关键字:数码
- 发布时间:2010-07-27 17:20
GPU作为显卡的“心脏”，在显卡中扮演了很重要的角色，如同电脑里的CPU一样，GPU决定了显卡的档次和大部分性能，那它究竟是如何构成的？
GPU是不是只负责图形处理？想要弄明白这GPU究竟为“何物”的朋友就接着往下看吧！
GPU是英文Graphic Processing Unit(图形处理器)的缩写，大家会发现它与中央处理器CPU仅有一字之差。
如果从字面意思理解，中央处理器就好比中央政府，主管电脑中的大大小小事务；而GPU则是一个地方政府，专门负责与图形渲染相关的事情。换言之，大家在显示器上看到的各种画面，包括酷炫的Windows玻璃效果，漂亮的风景照以及美轮美奂的3D游戏场景，其实都是通过GPU计算而来的。和CPU一样，GPU也会按照性能的好坏分成三六九等，而且每隔一年到一年半的时间就会升级换代——从这个意义上来讲，GPU也是主机内部更新速度很快的硬件之一。
若论晶体管数量，CPU并不是老大？
大家知道GPU与CPU都是半导体工业的宠儿，往往集业界各种先进的技术于一身。最新的AMD RadeonHD 5000系列使用40nm的生产工艺，仅次于Intel最近才推出的32nm生产工艺。和我们在前面提及过的CPU生产工艺一样，更先进的生产技术代表着更低的功耗、更小的芯片面积以及更高的性能(包括频率、晶体管数量等等)。所谓不比不知道，一比吓一跳。
Cpress核心(Radeon HD5870)集成了21.5亿个晶体管，同时期最强的Core i7 975Extreme处理器内部才集成有7.31亿个晶体管，GPU内部的复杂程度可见一斑。
细心的朋友们会发现，示意图中GPU的晶圆上有很多对称的设计—这是因为在GPU内部，往往需要设计大容量的缓存单元，而那些规整的区域就是高速缓存；GPU内部还包含有很多同时运作的流处理器，以及其它一些运算和功能单元，这些单元在功能和晶体管布局上都是非常相似的，所以我们才会在晶圆上看到很多形状非常类似的“片区”。除了晶体管数量的多寡，芯片的封装面积也是影响成本的另一大因素。在晶圆横截面相同的情况下，单颗芯片所需要的面积越小，那么同样一片晶圆就可以切割出更多的芯片。
并行计算能力，CPU不是对手！
如果从更深层次的角度上来解析GPU与CPU，就可以发现二者执行工作的效率不尽相同，而且侧重点也有很大的差异。首先CPU负责的是各种各样、“长短”不一的应用任务，所以在指令集以及执行效率方面需要高度的灵活性；而GPU的工作特点则是，同时处理多个并发的任务，负载很重，但每个任务却相对简单和单一。
以Radeon HD 5870为例，其核心代号为RV870，内部拥有1600个着色器和80个纹理单元，庞大的硬件规格能让其在一秒钟内执行2.72TFLOPs的指令处理任务(理论值)，而在一年前的Radeon HD 4870处理器仅能够执行1.2TFLOPs。GPU在计算能力方面的优势不仅让它在图形渲染方面游刃有余，同时也为其开发了很多新的应用渠道。比方说现在我国计算能力最强的天河一号超巨型计算机，就是使用若干片Radeon HD 4870X2所搭建而成的。多卡互联：你不是一个人在战斗
尽管现在单颗GPU的运算能力已经非常强了，但对于很多极限玩家而言仍然不够用。例如在一些大型3D游戏中，我们将画面调节到1920×1080甚至更高的分辨率，开启高倍抗锯齿功能之后，即便是顶级显卡也不一定能够独力承担下来。
俗话讲“一个好汉两个帮”，当一个GPU顶不住的时候，还可以为它找到志同道合的伙伴来帮忙。NVIDIA的多路显卡技术叫做SLI，而AMD的多路显卡互联技术叫做CrossFire。目前二者的驱动程序最多可以支持4个GPU核心参与运算，但具体到主板端，支持NVIDIA SLI技术的主板可以使用3块显卡(3×1模式)，或者使用两块双“芯”显卡组成Quad SLI(2×2模式)，但是不能支持4×1模式；AMD的CrossFire组件方式更加灵活，可以是4×1模式，也可以是2×2模式。一般来讲双路SLI和CrossFire并不能达到，两倍于单卡的效果，而是要乘以一个系数，如1.8倍或者1.6倍；多卡互联的情况也是类似的，随着显卡数量的增加，性能的增加并不与成本的增加值成比例。
并不安于现状的GPU
上面我们说到，GPU除了能用作图形渲染任务之外，还有余力去做一些其它用途。套用《蜘蛛侠》里的一句话：“能力越大，责任也就越大”，GPU并不满足于现状，于是便打起了从CPU、声卡哪里分得更多“蛋糕”的主意。
说起这段故事，还得追溯到NVIDIA GeForce 8800GTX年代，那时候NVIDIA发布了一个名为“CUDA”的程序开发包。简单来讲，就是利用CUDA这个平台，让更多以前需要CPU来处理的任务，包办给GPU去运算。随着开发进程的加速，支持CUDA的应用越来越多，软件也逐渐丰富起来，其中对于PC用户来讲最主要的两个用途就是压缩文件和CUDA解码高清视频的应用。CUDA发布后，AMD方面也发布了Stream通用加速技术，究其原理与CUDA非常相似，但二者之间没有办法融会贯通。为了解决两者通用的问题，2009年初，不少IT巨头牵线组成了OpenCL通用计算联盟，共同致力于推动CPU、GPU、DSP(数码设备的专用处理器)以及其它一些专用设备的通用化进程。
除此之外，GPU也在扮演一些其它的角色，例如在搭配了HDMI接口之后，GPU甚至能够对高清视频中所包含的声音信号进行处理，而这在以前是音效芯片的专利，现在GPU的用途正在进一步扩大。
……
GPU是不是只负责图形处理？想要弄明白这GPU究竟为“何物”的朋友就接着往下看吧！
GPU是英文Graphic Processing Unit(图形处理器)的缩写，大家会发现它与中央处理器CPU仅有一字之差。
如果从字面意思理解，中央处理器就好比中央政府，主管电脑中的大大小小事务；而GPU则是一个地方政府，专门负责与图形渲染相关的事情。换言之，大家在显示器上看到的各种画面，包括酷炫的Windows玻璃效果，漂亮的风景照以及美轮美奂的3D游戏场景，其实都是通过GPU计算而来的。和CPU一样，GPU也会按照性能的好坏分成三六九等，而且每隔一年到一年半的时间就会升级换代——从这个意义上来讲，GPU也是主机内部更新速度很快的硬件之一。
若论晶体管数量，CPU并不是老大？
大家知道GPU与CPU都是半导体工业的宠儿，往往集业界各种先进的技术于一身。最新的AMD RadeonHD 5000系列使用40nm的生产工艺，仅次于Intel最近才推出的32nm生产工艺。和我们在前面提及过的CPU生产工艺一样，更先进的生产技术代表着更低的功耗、更小的芯片面积以及更高的性能(包括频率、晶体管数量等等)。所谓不比不知道，一比吓一跳。
Cpress核心(Radeon HD5870)集成了21.5亿个晶体管，同时期最强的Core i7 975Extreme处理器内部才集成有7.31亿个晶体管，GPU内部的复杂程度可见一斑。
细心的朋友们会发现，示意图中GPU的晶圆上有很多对称的设计—这是因为在GPU内部，往往需要设计大容量的缓存单元，而那些规整的区域就是高速缓存；GPU内部还包含有很多同时运作的流处理器，以及其它一些运算和功能单元，这些单元在功能和晶体管布局上都是非常相似的，所以我们才会在晶圆上看到很多形状非常类似的“片区”。除了晶体管数量的多寡，芯片的封装面积也是影响成本的另一大因素。在晶圆横截面相同的情况下，单颗芯片所需要的面积越小，那么同样一片晶圆就可以切割出更多的芯片。
并行计算能力，CPU不是对手！
如果从更深层次的角度上来解析GPU与CPU，就可以发现二者执行工作的效率不尽相同，而且侧重点也有很大的差异。首先CPU负责的是各种各样、“长短”不一的应用任务，所以在指令集以及执行效率方面需要高度的灵活性；而GPU的工作特点则是，同时处理多个并发的任务，负载很重，但每个任务却相对简单和单一。
以Radeon HD 5870为例，其核心代号为RV870，内部拥有1600个着色器和80个纹理单元，庞大的硬件规格能让其在一秒钟内执行2.72TFLOPs的指令处理任务(理论值)，而在一年前的Radeon HD 4870处理器仅能够执行1.2TFLOPs。GPU在计算能力方面的优势不仅让它在图形渲染方面游刃有余，同时也为其开发了很多新的应用渠道。比方说现在我国计算能力最强的天河一号超巨型计算机，就是使用若干片Radeon HD 4870X2所搭建而成的。多卡互联：你不是一个人在战斗
尽管现在单颗GPU的运算能力已经非常强了，但对于很多极限玩家而言仍然不够用。例如在一些大型3D游戏中，我们将画面调节到1920×1080甚至更高的分辨率，开启高倍抗锯齿功能之后，即便是顶级显卡也不一定能够独力承担下来。
俗话讲“一个好汉两个帮”，当一个GPU顶不住的时候，还可以为它找到志同道合的伙伴来帮忙。NVIDIA的多路显卡技术叫做SLI，而AMD的多路显卡互联技术叫做CrossFire。目前二者的驱动程序最多可以支持4个GPU核心参与运算，但具体到主板端，支持NVIDIA SLI技术的主板可以使用3块显卡(3×1模式)，或者使用两块双“芯”显卡组成Quad SLI(2×2模式)，但是不能支持4×1模式；AMD的CrossFire组件方式更加灵活，可以是4×1模式，也可以是2×2模式。一般来讲双路SLI和CrossFire并不能达到，两倍于单卡的效果，而是要乘以一个系数，如1.8倍或者1.6倍；多卡互联的情况也是类似的，随着显卡数量的增加，性能的增加并不与成本的增加值成比例。
并不安于现状的GPU
上面我们说到，GPU除了能用作图形渲染任务之外，还有余力去做一些其它用途。套用《蜘蛛侠》里的一句话：“能力越大，责任也就越大”，GPU并不满足于现状，于是便打起了从CPU、声卡哪里分得更多“蛋糕”的主意。
说起这段故事，还得追溯到NVIDIA GeForce 8800GTX年代，那时候NVIDIA发布了一个名为“CUDA”的程序开发包。简单来讲，就是利用CUDA这个平台，让更多以前需要CPU来处理的任务，包办给GPU去运算。随着开发进程的加速，支持CUDA的应用越来越多，软件也逐渐丰富起来，其中对于PC用户来讲最主要的两个用途就是压缩文件和CUDA解码高清视频的应用。CUDA发布后，AMD方面也发布了Stream通用加速技术，究其原理与CUDA非常相似，但二者之间没有办法融会贯通。为了解决两者通用的问题，2009年初，不少IT巨头牵线组成了OpenCL通用计算联盟，共同致力于推动CPU、GPU、DSP(数码设备的专用处理器)以及其它一些专用设备的通用化进程。
除此之外，GPU也在扮演一些其它的角色，例如在搭配了HDMI接口之后，GPU甚至能够对高清视频中所包含的声音信号进行处理，而这在以前是音效芯片的专利，现在GPU的用途正在进一步扩大。
关注读览天下微信，
100万篇深度好文，
等你来看……
