人工智能的飛速發(fā)展，需要強大的算力作為支撐，這背后NIVIDIA可謂是當之無愧的功臣。NIVIDIA先進的GPU技術和優(yōu)異的軟件生態(tài)，使其在競爭中脫穎而出，成為市場霸主。目前人工智能在圖像處理及語音識別領域的研究取得了很好的發(fā)展，在手機和安防領域也有很多產(chǎn)品落地。在落地過程中，依然會面臨設備算力的問題，而移動端GPU則自然而然的進入了人們的視野。

移動端GPU廠商的發(fā)展史

在移動端GPU市場中，沒有形成一家獨大的競爭格局。目前主要的移動端GPU廠商有高通，arm和imaginaton。高通的adreno來自ATI的imageon，ATI最早被AMD收購，后來高通收購了AMD的移動設備資產(chǎn)，取得了AMD的矢量繪圖與3D繪圖技術和相關知識產(chǎn)權。后來高通結合AMD的手機圖形技術發(fā)展為自家的Adreno圖形處理器。另一家移動計算的巨頭ARM，ARM在移動CPU的市場地位可謂遙不可及，但是在GPU領域，它確是諸多廠商中的一家，他的GPU業(yè)務也并非一開始就擁有，而是后來組建的。其GPU技術來自一家名為Falanx的公司，這家公司是早起從挪威大學脫離出來的一個名為mali的研究小組的成員組建的，最早定位于PC領域，失利后轉向SoC GPU設計。隨著SoC市場的不斷壯大，以及移動計算的發(fā)展，ARM收購了Falanx，組建了自己的GPU事業(yè)部。最后一家，Imagination Technologies，這是一家專注于GPU技術的公司，最早在桌面級GPU的競爭中失利，后來轉戰(zhàn)移動端，Intel,三星，蘋果，聯(lián)發(fā)科，展訊曾經(jīng)都是他的客戶，一度被認為是全球最大的移動GPU廠商。這家公司可謂命運多舛，曾經(jīng)作為蘋果的供應商，由于iphone的每代產(chǎn)品在圖形性能方面都比arm公版的Mali GPU有優(yōu)勢，一度讓Imagination風光無二，但是隨著蘋果宣布自研GPU，Imagination的股票出現(xiàn)了斷崖式下跌，公司瀕臨破產(chǎn)。后來將其業(yè)務進行拆分，MIPS業(yè)務出售給Tallwood MIPS,而GPU業(yè)務則出售給中國背景的私募基金Canyon Bridge。這一收購也填補了國內(nèi)在GPU領域的空白。

在市場占有率方面，由于ARM以及高通的捆綁銷售，Imagination并無優(yōu)勢，但是鑒于在物聯(lián)網(wǎng)以及人工智能領域，目前三家都還沒有建立起強大的生態(tài)，因此未來誰能稱雄并未可知。

在技術方面三家GPU廠商架構差異比較明顯，而且對外披露都比較少，相比較來說Imagination發(fā)面對于技術方面會開放一些。

Imagination的GPU Rogue架構淺析

在關于GPU的宣傳中很容易看到一個詞core，而且高端GPU也都是成千上萬的core。其實宣傳中的core并非CPU上“核”的概念。而真正意義上的核心，應該是AMD GCN架構中的Compute Unit, NVIDIA Maxwell架構中的SMM以及PowerVR Rogue架構中的USC等。對應于編程語言，應該是OpenCL中的Compute Unit（簡稱CU）。而宣傳中所謂的core，則是OpenCL中的ProcessElement（簡稱PE）。

目前GPU采用的是多層級的線程技術，硬件結構和軟件概念的對照如下圖所示：從硬件結構看，首先是GPU設備，叫做device；一個GPU包含多個CU，而每個CU又包含多個計算通道。從OpenCL的軟件架構看，每個NDRange對應一個GPU設備，其包含多個work-group，而每個work-group必須在一個CU上執(zhí)行，也就是說，每個CU可以執(zhí)行多個work-group，但是每個work-group不可以拆分到多個CU上去執(zhí)行；每個work-group包含多個work-item,一個計算通道執(zhí)行一個work-item。

簡單介紹一下計算通道，SIMD叫做單指令多數(shù)據(jù)流（Single instruction MultipleData），目前所有的GPU都術語SIMD，一般都是16路或者32路SIMD。

關于線程的調(diào)度，首先介紹一個概念，AMD的wavefront或者NIVIDIA的warp，這是指線程調(diào)度的最小單位，也就是說，在GPU中每次執(zhí)行一個warp，一般一個warp包含32個線程；對于AMD顯卡則是一個wavefront包含64個work-item。下文中對這一概念統(tǒng)稱為warp，線程和work-item通用。在Rogue架構中每個warp也是包含32個線程。

如下圖所示，是Rogue架構的示意圖，GPU中包含有多個USC（個數(shù)與產(chǎn)品型號有關），每個USC包含著色器，駐留槽，執(zhí)行單元，存儲器，紋理單元等等等。這樣每個work-item在自己的生命周期中都包含自己的片上存儲在Unified store中，shared local memory隱藏在common store中，這樣每個USC都可以在warp之間進行零開銷的上下文切換。

線程的執(zhí)行過程如下圖：

圖中的Residency Slots中包含很多slot，每個slot代表一個warp，空的表示目前還沒有部署warp。而部署了warp的slots一共有三個狀態(tài)，綠色表示active，黃色表示ready，可以執(zhí)行了，紅色表示阻塞；active的warp接下來會在執(zhí)行單元上執(zhí)行，如圖右側所示，所有的32個work-item同時并行執(zhí)行。Ready的會在下一個執(zhí)行周期被調(diào)度執(zhí)行；阻塞的則是因為讀寫等原因進入該狀態(tài)。

下圖是USC中流水線示意圖，其中包含4個warp的調(diào)度。Warp0首先被執(zhí)行，warp0會一直執(zhí)行到它進入阻塞狀態(tài)，例如讀寫全局存儲，此時調(diào)度器會停止調(diào)度warp0，開始執(zhí)行warp1；因為warp中的所有工作項執(zhí)行相同的kernel代碼，因此就有相同的特性，例如同時進入阻塞；在warp2進入阻塞狀態(tài)時，warp0讀寫結束，進入read狀態(tài)；最后在調(diào)度器調(diào)度完warp3后，重新開始調(diào)度warp0。這樣并發(fā)執(zhí)行可以實現(xiàn)對內(nèi)存訪問延遲的隱藏。因此在編程實現(xiàn)中一般使用較大的工作組，來實現(xiàn)warp切換對內(nèi)存訪問的延遲（當然，這不是絕對的，在實際中還要考慮寄存器等資源的消耗情況）。

下圖展示了Rogue架構下得PowerVR Series7XT系列的架構圖。

該系列的GPU擁有2到16個USC，因此具有100GFLOPS到1.5TFLOPS的可擴展性能。如下圖展示了該系列GPU的USC架構。

以GT7400為例，其擁有128個FP32ALU核心，256個FP16 ALU核心。每個USC中包含16個pipelines，每個pipelines中含有多個ALU。其中的SFU可以原生的處理FP16、FP32（上一代會全部推給FP32），因此這一代架構可以避免沒有必要的高精度操作，提升了性能并降低了功耗。

目前Imagenition已經(jīng)發(fā)布了最新的GPU架構Furian，該架構相對于多年來已成業(yè)界標桿的Rogue架構有了在性能方面有了更大的提升。