GPU通用計算髮展勢頭迅猛

    泡泡網顯示卡頻道8月27日 現在的顯示卡市場，同質化已經嚴重到了什麼地步呢？不僅僅是板卡廠商之間的顯示卡效能基本沒區別，而且同價位的N卡和A卡在不同遊戲中的表現也是難分勝負，讓遊戲玩家們難以抉擇。

    於是NVIDIA和AMD的競爭開始逐漸淡化遊戲，而強調功能和應用，三屏、3D、PhysX、視訊等開始大行其道。不過這些功能都難以量化，隨著CUDA和Stream的飛速發展催生了OpenCL和DirectCompute通用計算標準，使得NVIDIA和AMD在另一條道路上展開了新的競賽——平行計算。

    近年來GPU已經在科學研究和超級計算領域取得突破性進展，隨著數百萬支援CUDA的GPU已經遍佈全球計算機，軟體開發人員、科學人士和研究人員正在利用CUDA探測到更多更廣的領域中，包括影象和視訊編輯、計算生物學和計算化學、流體力學模擬、CT影象重組、地震分析、光線追蹤以及其它更多。近年來超級計算機的突飛猛進很大程度上也是得益於強大的GPU加盟。

    對顯示卡感興趣的朋友都知道，通用計算之所以如此熱門，根本原因在於顯示卡核心GPU的多流處理器（相當於數百核心）架構：GPU強大的並行浮點運算能力是僅僅擁有個位數核心的中央處理器CPU無法望其項背的。而通用計算技術可以發揮GPU的長處，讓其電腦運算速度飆升，一些應用程式的速度可以提高數倍甚至數十倍，讓原來因為運算量巨大而不可完成的任務變得可行。

    而在家用、辦公電腦上，藉助GPU加速的軟體也越來越多，這些軟體有的可以用來轉碼，有的可以用來增強影象、視訊的畫質，有的可以將2D電影轉換成3D，有的還能智慧歸類和編輯照片……

AMD和NVIDIA通用計算解析

    跟以往的GPGPU概念不同的是，CUDA是一個完整的解決方案，包含了API、C編譯器等，能夠利用顯示卡核心的片內L1 Cache共享資料，使資料不必經過記憶體-視訊記憶體的反覆傳輸，shader之間甚至可以互相通訊，對資料的儲存也不再約束於以往GPGPU的紋理方式，存取更加靈活，可以充分利用stream out（流輸出）特性，最典型的例子就是PhysX物理加速特效。PhysX最早是Aegia公司推出的硬體級物理加速技術，NVIDIA將其收購之後便通過CUDA環境將PhysX軟體化，由顯示卡中的shader單元承擔物理加速特效的運算。

    對於Stream技術，AMD宣稱可讓顯示卡內數百個平行串流核心，為各種一般用途的應用帶來加速的效果，打造各種優異的平臺，並可大幅提升每瓦效能，而實現這一點的前提就依賴於AMD獨特的流處理器單元設計。

    GF100的512個CUDA核心都符合IEEE 754-2008浮點演算法(Cypress也是如此)和完整的32位整數演算法，而後者在過去只是模擬的，事實上僅能計算24-bit整數乘法；同時全面引入的還有積和熔加運算(Fused Multiply-Add/FMA)。此外雙精度浮點(FP64)效能大大提升，峰值執行率可以達到單精度浮點(FP32)的1/2，而過去只有1/8，AMD從R600開始到現在的Cypress核心都是1/5，沒有做任何變化。

蛋白質摺疊分散式計算：N卡優勢巨大

    其實業界第一款GPU通用計算軟體就是使用者科學計算，它就是由斯坦福大學主導的Folding @ Home分散式計算，最早支援ATI顯示卡，而NVIDIA後來者居上，目前N卡所貢獻的運算能力已經超越了所有CPU之和，A卡也不弱！

   [email protected]是一個研究蛋白質摺疊、誤折、聚合及由此引起的相關疾病的分散式計算工程。最開始[email protected]僅支援CPU，後來加入了對PS3遊戲機的支援，但同樣是使用內建的CELL處理器做運算。[email protected]因ATI的加入為GPU計算翻開了新的一頁，如今[email protected]第二代GPU客戶端已經能夠支援ATI和NVIDIA的全系列DX10 11 GPU

    針對Fermi核心的平衡運算優勢，《[email protected]》最新版本GPU3，專為新一代Fermi系列顯示卡而設，進一步善用Fermi核心架構之優勢。

    據官方介紹，新版的蛋白質摺疊運算速度及穩定性已經大幅提高，而且加入更加科學計算專案，希望能籍Fermi核心的架構優勢，加快《[email protected]》內的各項複雜運算。Shader的頻率對影響運算效能非常大，所以NVIDIA可以領先AMD很多。

GPU暴力破解密碼：A卡遙遙領先

    遺失密碼是一件令人相當煩惱的事，尤其因忘記工作文件密碼所做造成的金錢損失更是十分“杯具”，如何快捷高效地找回密碼是件難事。現行GPU的發展越來越強勢，通用執行能力已經遠超於CPU，而CPU的執行能力卻是有限的，所以能夠發揮出GPU強大的通用運算能力定必會大大縮短破解密碼的時間。

    GPU就是顯示卡的“心臟”，也就相當於CPU在電腦中的作用，它決定了該顯示卡的檔次和大部分效能外，還有著大規模的平行計算能力，可以讓開發人員領先出引人入用的消費級和專業級的計算應用程式。無論是NVIDIA的CUDA或者是AMD的Stream運算，都是眾多軟體廠商所追捧的。

    我們找來了Elcomsoft出品的ADVanced Office Password Recovery，是一款同時支援CPU與GPU的Office密碼恢復軟體。最多可支援32個CPU或核心和8個GPU同樣執行，也可以指定全部或者是部分CPU/GPU核心進行恢復密碼的工作。

    測試中我們關閉所有CPU核心，完全由GPU獨立工作來破解一個由6位數字加密的Word檔案。

    密碼破解對於流處理器數量非常敏感。AMD的GPU由於SIMD架構的龐大流處理器優勢遙遙領先於NVIDIA GPU。

高清視訊轉碼：N卡略快於A卡

    Cyberlink（訊連科技）旗下大名鼎鼎PowerDVD相信大家都非常熟悉，作為一家專注視訊與多媒體的軟體開發商，Cyberlink不久前推出了一款專業的快速視訊轉換軟體——MediaShow Espresso，需要注意的是MediaShow(魅力四射)是一款視訊編輯軟體，而MediaShow Espresso才是視訊轉換軟體。

    現在編碼解碼軟體滿天飛，但是MediaShow Espresso卻有它的獨到之處。它是第一款同時支援CUDA與Stream加速的視訊轉換軟體，除此之外它還對IntelCorei7處理器的超執行緒及SSE4指令集做了優化，因此無論純CPU轉碼還是GPU加速，其速度比傳統軟體都要快。

    測試視訊檔案為長度為3分42秒位元速率22M的H.264編碼的M2TS檔案。測試中我們開啟GPU解碼與GPU編碼選項，將編解碼工作交由GPU來完成。

    可以看出，GPU視訊轉碼時，CPU和GPU都要參加計算，而且GPU不需要盡全力，所以高階GPU和中端GPU的效能是差不多的。總體來看N卡的CUDA效能要優於A卡的Stream效能。

    值得注意的是，本次測試使用的是同時支援CUDA和Stream的MediaShow Espresso進行測試，如果使用僅支援CUDA的MediaCoder軟體的話，N卡的視訊轉碼速度還能更快，這方面A卡無論效能還是軟體支援度都不如N卡。

DirectCompute理論效能：A卡略佔優勢

    ComputeMark由捷克硬體和遊戲網站CzechGamer.com的Robert Varga開發製作，引擎是基於Jan Vlietinck的Fluid3D Demo。軟體能夠使顯示卡佔用率達到99%，而CPU佔用率僅0-1%，避免由CPU效能造成對測試成績的影響。同時該軟體還有功耗測量的功能，測試時間可以隨意設定。

    ComputeMark需要在純DX11環境下執行，包括Windows 7 32/64位作業系統、DX11 API和DX11顯示卡。

    最終結果很和諧，雖然A卡的理論浮點運算能力很高，但在DirectCompute理論測試當中，同級別的A卡並不比N卡高多少。因為DirectCompute現階段主要還是在遊戲當中使用，因此意義不是很大。

Bitcoin挖礦效能測試：A卡絕對優勢

    如果您還不瞭解比特幣的話，不妨看看前不久我們的評測文章《掛機也能賺錢？教你用顯示卡挖礦賺美元》。這裡就直接引用測試資料：

    下面筆者做個簡要分析：

1. HD6990擁有兩顆GPU，核心頻率與單核心的HD6970完全相同，所以挖礦效能正好翻倍。事實上HD6990就是需要開兩個挖掘器分配給兩顆GPU一起計算。
2. AMD上代HD5870流處理器稍多於HD6970，但核心頻率稍低，最終兩代旗艦單卡的挖礦效能差不多。要知道VLIW4架構的HD6970遊戲效能要強於VLIW5架構的HD5870，但挖礦效能似乎只取決於理論浮點運算能力，跟架構和效率毫無關係。
3. Barts核心的HD6790擁有256Bit視訊記憶體位寬，比128Bit的HD6770大一倍。但兩者的挖礦效能完全相同，所以視訊記憶體位寬頻率對效能沒有任何影響，影響效能的唯一因素就是流處理器數量及頻率。
4. NV頂級單卡GTX580還不如HD6750，但要比CPU強很多，畢竟它也有數百顆核心。

    那為什麼A卡和N卡的差距如此之大呢？比特幣挖掘器採用的是SHA-256，這是由美國國家安全域性發明的一種安全雜湊函式，一般用於密碼加密與解密。這種演算法會進行大量32位整數迴圈右移運算，這個操作在AMD GPU那裡可以通過單一硬體指令實現，而在NVIDIA GPU那裡需要三次硬體指令來模擬（2移+1加），僅這一條就為AMD帶來額外的1.7倍運算效率優勢（大約1900指令來執行SHA-256壓縮操作，而不是NVIDIA的大約3250指令）。

    如此一來，AMD較高的浮點運算能力再加上演算法效率優勢，AMD GPU在密碼破解與比特幣挖掘時的效能，大概是NVIDIA GPU的3倍以上！

總結：GPU的未來不是遊戲而是計算

    通過前面幾項不同型別的通用計算應用來看，A卡和N卡之間的效能差距是相當大的，而且動不動就是幾倍以上的差距。A卡恐怖的理論效能有時候確實有效果，但有時候還是要大幅落後於N卡，這與雙方在3D遊戲中和諧愉快的表現截然相反！

    這種奇怪的現象，一方面是由雙方截然不同的架構所造成的，另一方面是不同應用的演算法不同，可能會比較“偏愛”某一種架構。最終，就要看誰在軟體優化方面做得好，誰就能勝出。目前來看CUDA還是佔有明顯的上風，已經有很多超級計算機配備了NVIDIA Tesla加速卡，CUDA的應用軟體還是要比Stream多很多的。

    不管CUDA和Stream孰強孰弱，OpenCL和DirectCompute標準誰能笑到最後，GPU的地位顯然在迅速攀升。超級計算機想要在效能上取得突破，使用GPU+CPU的異構架構是唯一選擇，未來高效能運算已經離不開GPU的支援了。

    NVIDIA和ATI從3D遊戲戰場打到了通用平行計算領域，到底誰能笑到最後現在還是個未知數。

    對於普通使用者來說，顯示卡已經不再是一塊單純的3D遊戲加速卡，以視訊應用為代表的高效能運算軟體率先步入GPU通用計算的大門，未來將會有更多計算軟體使用GPU強大的運算能力來加速，CPU和GPU的地位將變得同等重要。現在，玩家們因一兩款特別喜愛的遊戲而升級顯示卡；將來，或許很多不玩遊戲的人，也會加入到獨立顯示卡的行列！■