從繪制像素到邁向Z級計算，英特爾獨立顯卡背后寓意深遠

本文中，英特爾院士 Aditya Navale 將分享圖形處理器從實現(xiàn)更好的像素繪制到解決人類復雜計算挑戰(zhàn)的演進歷程。

- Aditya Navale，英特爾院士，GPU 核心 IP 架構(gòu)總監(jiān)

事實上，我們和大家一樣期待英特爾進軍獨立顯卡市場。

英特爾院士 Aditya Navale 表示：“我一直希望英特爾能夠進入獨顯市場?！盇ditya Navale 在英特爾工作了 30 年，其中 20 多年都深耕于圖形技術。

不久前，英特爾發(fā)布了英特爾銳炫? 移動端獨立顯卡，并將在今年推出應用于臺式機的獨立顯卡。這標志著英特爾在顯卡進程中邁出了重要的一步。在加速計算系統(tǒng)與圖形事業(yè)部，Navale 的團隊至關重要——他們開發(fā)的核心 IP 架構(gòu)為多代英特爾 GPU 奠定了基礎，包括已經(jīng)推出的首款英特爾銳炫 A 系列獨立顯卡。

如果我們把集成顯卡(通常與 CPU 集成在同一裸片上)也一起算進來，英特爾已位居 PC 顯卡市場份額的領先地位。Navale 表示：“對于英特爾而言，從集成顯卡到獨立顯卡是重要的一步，因為這是一項極具挑戰(zhàn)性的復雜任務?！?/p>

自 2019 年以來，英特爾集成顯卡的游戲性能已經(jīng)提升至原來的數(shù)倍，而英特爾銳炫獨立顯卡以集成顯卡技術為基礎，再次實現(xiàn)了游戲性能的顯著提升。當前的英特爾集成顯卡最多包含 96 個執(zhí)行單元，而銳炫獨立顯卡將采用多達 512 個 Xe 矢量引擎。Navale 指出：“在面積增大 5 倍以上的同時，我們需要克服的挑戰(zhàn)是，在特定功率范圍內(nèi)更好地提升性能?！?/p>

“除了進軍獨顯市場并成為重要的一員，我們開發(fā)銳炫顯卡的其中一個想法也是希望探索大型 GPU 的架構(gòu)設計和軟件開發(fā)?！彼忉尩?。

作為獨顯領域的“新人”，想要成為具有競爭力的新選擇，就意味著產(chǎn)品的特性和性能不僅要有吸引力，還需支持一系列的游戲和應用?！败浖橄鹊睦砟钜恢彬?qū)動著我們的架構(gòu)創(chuàng)新?！彼f道。

從像素繪制到深度學習

什么推動了人們對于數(shù)倍于普通筆記本電腦圖形處理能力的需求?答案是豐富的對照研究。

GPU 的主要任務是加速圖形渲染：在 2D 屏幕上創(chuàng)建 2D 和 3D 圖像。簡言之，GPU 就是負責在屏幕上繪制像素。CPU 旨在一次處理一兩個復雜任務，而 GPU 旨在并行處理許多小任務，即繪制像素。

比如當你閱讀這篇文章時，屏幕上的像素并沒有太大變化，所以 GPU 不需要做太多工作。但當系統(tǒng)運行逼真的 3D 游戲等任務時，像素就會不斷變化。Navale 解釋道：“越是想在游戲中呈現(xiàn)身臨其境的沉浸感，GPU 需要做的工作就越多?！睙o論是微風中飄動的毛發(fā)，還是不同程度的光影效果，這些細節(jié)都需要在每一個像素的顯示上花費更多功夫。并且為了保證細節(jié)渲染的流暢度，這些工作需要快速地完成。

游戲僅僅是一個開始。

GPU 是可用于高度并行計算的數(shù)據(jù)處理器，Navale 表示：“GPU 的應用場景也正在快速增長。”除了繪制像素，GPU 在人工智能、深度學習和高性能計算等領域的應用也正在幫助人類解決復雜的計算挑戰(zhàn)。

如果說面向不同負載開發(fā)芯片聽起來很復雜，Navale 表示，那么基于 GPU 構(gòu)建的軟件生態(tài)則為以上困境提供了“解決之道”。

“我們構(gòu)建了一個滿足所有新要求的軟件生態(tài)。” Navale 說，“考慮到高性能計算、人工智能和游戲等諸多領域的需求，軟件生態(tài)需要以一種高度協(xié)同的方式不斷演進。為此，我們需要在深思熟慮之后不斷完善架構(gòu)?！?/p>

GPU的需求成倍增長——邁向 Z 級計算

人們對 GPU 的需求正在成倍增長，因此我們需要依靠靈活性和新的設計思路，來將 GPU的性能提升至全新高度?！拔覀儗?gòu)建和部署 IP，確保其既可應用于集成領域，也可應用到大型獨顯中?！?Navale 說，“這種可擴展性是內(nèi)置的。我們還完成了大量的參數(shù)化工作，以便輕松快速實現(xiàn)它的可擴展性。”

為了實現(xiàn) Z 級超級計算，即全球下一個重要的強大算力系統(tǒng)，他解釋道：“產(chǎn)品的可擴展性還將進一步提升?！边@不僅意味著每個芯片的算力要成倍增加，還要讓多個芯片進行系統(tǒng)級封裝。

“Ponte Vecchio 在這方面已經(jīng)取得了一些進展”，它將 47 個不同的區(qū)塊(tile) 組合到單個 GPU 中?！暗乾F(xiàn)在這種模式還在發(fā)展，隨著我們向前邁進，它將取得更好的勢頭和采用情況?！?/p>