趣谈独立显卡和集成显卡的区别

　　小A和小C都是大学生，同时购买了两台电脑。小A认为CPU最重要，因此选择了主流的Core i3处理器，并且不考虑购买独立显卡。小C则喜欢玩游戏，在CPU的预算上颇为精简，但特别配置了一款主流的独立显卡。这两种配置是目前大众装机中最典型的两个代表，在接下来的使用中，他们又遇到了哪些问题呢？

　　玩游戏，独立显卡更有优势

　　小A寝室的同学都喜欢玩《魔兽世界》，有时候也在小A的电脑上一起做任务。不过这个时候，由于小A的电脑只配置了集成显卡，因此只能在低画质下运行游戏。而小C的电脑，在开启了特效的情况下还能顺畅运行，让众人欣喜不已，很快小C电脑就成了“公用游戏机”

　　3D游戏要求电脑具备强大的并行计算能力，需要进行很多顶点和像素的计算。比如小C购买的GeForce GT240显卡，拥有96个统一处理单元，128-bit显存位宽以及显卡专用的512MB本地显存。相比之下，Core i3 530中集成的显卡只有10个统一流处理单元、和CPU共享内存带宽和内存容量。可见，规格上的巨大差别是造成独立显卡和集成显卡在3D性能方面差距悬殊的最主要因素。不仅如此，独立显卡往往对应用程序接口有更好的支持，比如对DirectX以及OpenGL的特性支持更出色，在功能方面能够完整支持各种类型的抗锯齿、各向异性过滤甚至是环境光吸收等高级3D技术。

　　不同软件各有千秋，CPU和GPU需要

　　协同合作

　　小A和小C所学习的专业要求使用诸如Photoshop之类的软件，小A和小C都安装了最新的Photoshop CS5。小A在进行放大图片、旋转图片、色调映射等操作时会感觉预览画面经常停顿，不过由于小A电脑的CPU性能强劲，整体速度到也可以接受。小C的电脑相比小A的电脑表现要好不少。在运行Photoshop CS5时速度较快，整个操作过程相当平滑，没有出现一卡一顿的现象。除此之外，小A下载了以前师兄做的PDF版本的资料，里面包含一些3D建模图形。但小A的电脑在利用Adobe Reader软件运行这些含有3D建模的PDF文件时，打开文件的速度较慢，在查看3D图形、包括放大、旋转时的速度都不是太理想。此时小C的电脑运行速度却很流畅。这又是什么原因呢？

　　实际上，PhotoShop CS5和Adobe Reader等软件专为GPU加速优化过，在部分操作中使用OpenGL技术进行计算加速，也利用了GPU并行计算的优势。因此，小C的电脑更有优势。虽然利用GPU硬件加速是未来的一个趋势，但目前不少应用和软件并没有加入GPU硬件加速，比如我们常用的软件如QQ、MSN、画图、Office以及一些专业软件。此时，拥有强悍的CPU是运行这些软件的关键。又比如在实际应用中，小A和小C还会使用一些电路模拟软件以及专业的学习软件，这些软件更依赖CPU的性能，因此此时小A的电脑比小C的电脑更有优势。

　　高清视频应用 各有千秋

　　小A喜欢追新，经常在寝室观看时下流行的高清视频，于是观看高清视频逐渐在寝室流行开来。小C也不甘落后，也利用电脑播放高清视频。在播放高清视频的速度方面，小A的电脑和小C的电脑表现都比较好，因为无论是Core i3 530集成的显卡还是GeForce GT 240显卡都支持硬件解码，播放速度都比较流畅。不过在进行硬件解码时，部分软件如完美解码对独立显卡做了优化，使用起来更为方便和快捷。在使用处理器进行软件解码时，小A的电脑和小C的电脑表现都比较出色，Core i3 530的性能比Athlon Ⅱ X3 435更好，所以占用率偏低。总体来看，在观看高清视频时，独立显卡和集成显卡都可以很好地胜任。

　　视频转码怎么办？小A和小C各有优势

　　小C是一个“苹果迷”，拥有iPod touch，经常在网络上下载高质量的影片，并通过转码软件将影片转换成适合iPod touch播放的格式进行观看。小A眼馋，硬是将小C的iPod touch强行征用了半个月。

　　小A也在网络上下载了不少心仪的电影，并效仿小C，使用转码软件对影片格式进行转换。但小A却发现，相比小C的电脑，自己的电脑在转换部分影片时，速度比小C的快一些。但在转换其它影片时，小C的电脑速度却更快。这又是为什么呢？

　　这是因为传统的视频转码都是依靠CPU来完成，比如将RMVB的影片数据流转换为AVI格式，总体算法主要是依靠CPU进行解码和编码。在这类影片的转码中，CPU本身的架构和性能决定了计算的速度，Core i3 530的性能领先Athlon Ⅱ X3 435，因此小A的电脑速度更快。此外，利用Mediacoder等软件还可以在对H.264编码格式的影片进行转码时启动GPU硬件加速功能。这可以利用GPU中众多的流处理器进行并行计算，从而提升转码计算的速度。

　　打个比方来说，CPU个人能力虽然很强，能够做很多事情，但核心数量少。GPU中的流处理器的个人能力相对较弱，但数量众多，对某一部分计算极为精通。人们利用这个特点，特别编写了适合GPU计算的算法和软件，可以调用GPU中强大的并行计算核心加速转码计算，大大节约了时间。