Radeon是一款好显卡，但不是颗好GPU
作为显卡来说，AMD的Radeon自HD4000时代以来为游戏玩家提供了众多优秀的产品，HD5000/HD6000系列丝毫不输给NVIDIA同级产品，性能、功能、价格、功耗等各方面表现得都很不错。对于AMD下代HD7000系列，我们毫不怀疑它在3D游戏中会有更出色的表现。
但作为GPU来说，AMD的产品显然要逊色很多，不支持物理加速、Stream通用计算性能不如CUDA，支持GPU加速的软件也屈指可数，这已经成为AMD最大的软肋，并且成了NVIDIA和NFan们攻击的对象。

随着时间的推移，保守的AMD终于尝到了固步自封的苦果：当NVIDIA的CUDA计算课程进入高校学堂、Tesla杀进超级计算市场、Quadro拿下95%的专业卡市场份额之时，AMD的Radeon还只能游弋在3D游戏领域，苦守来之不易的半壁江山。
想当年AMD率先提出GPU通用计算的概念，但最终却在NVIDIA的CUDA手中发扬光大。很多人以为这是AMD收购ATI后自顾不暇的关系，其实根本 原因还在于GPU的架构——传统基于3D图形处理的GPU不适合于进行大规模并行计算，AMD的GPU拥有恐怖的理论运算能力却无从释放。而NVIDIA 则从G80时代完成了华丽的转身，逐步完善了硬件和软件的协同工作，使得GPU成为高性能计算必不可少的配件。

俗话说的好：苦海无涯、回头是岸，亡羊补牢、为时不晚。AMD终于在代号为Southern Islands（南方群岛）的新一代GPU中，启用的全新的架构，AMD称之为“Graphics Core Next”（GCN，次世代图形核心），并冠以革命性的称号。这是AMD收购ATI之后的近5年来第一次对GPU架构进行“伤筋动骨”的“手术”，而架构 调整的核心内容则是为并行计算优化设计。
那AMD的“次世代图形核心”相比沿用了五年之久的架构到底有何改进？其并行计算性能相比对手NVIDIA有无优势？3D游戏性能会否受到影响呢？本文将 为大家做一个全方位的解析，文中会穿插一些3D渲染原理以及显卡基础知识，并谈谈GPU图形与计算的那些事儿……
成也微软败也微软：XBOX360阻碍显卡/游戏发展
微软的DirectX 9.0C是一个神奇的图形API，自2004年首款DX9C显卡GeForce 6800 Ultra问世以来，至今已有将近8年时间，之后虽然微软发布了DX10、DX10.1、DX11、还有现在的DX11.1等多个新版本，但DX9C游戏 依然是绝对主流，DX10以后的游戏全部加起来也不过几十款而已！
因此，当年的DX9C显卡之战，很大程度上决定了此后很多年的显卡研发策略。从最开始X800不支持DX9C对抗6800失利，到X1800支持DX9C 却性能不济，再到X1900登上顶峰，还有半路杀出来XBOX360这个程咬金，ATI被AMD收购前的经历犹如过山车般惊险刺激！

DXC如此长寿的原因，相信游戏玩家们已经猜到了，那就是游戏主机太长寿了——微软XBOX360以及后来索尼PS3使用的GPU都是DX9C时代的产 品。游戏开发商的主要盈利来源在主机平台，所以根本没心思把PC游戏做好，尤其对提高PC游戏的画面及引擎优化提不起兴趣，个别以高画质而著称的PC游戏 倍受打击，很多DX10游戏续作倒退到DX9C就是很好的证明。
可以说，这么多年来PC 3D游戏图形产业的发展，成也微软、败也微软。

XBOX360的GPU——Xenos，由ATI设计

Xenos的核心架构图
微软XBOX360的成功，给GPU供应商ATI发出了一个信号，那就是今后N年内的游戏都将基于XBOX360的硬件而开发。当时ATI与Xenos同 时研发的一颗GPU代号为R580，俩者拥有相似的架构，而R580在当年也成为DX9C显卡的王者，这就让ATI更加坚定了维持现有架构不变的决心。
从X1900XTX谈起：用3:1黄金架构做计算
下面我们就来看看R580的核心架构，也就是当年的王者X1900XTX/X1950XTX所使用的GPU，后来次高端RV570核心（X1950Pro）的架构也类似。

R580：8个顶点着色单元、48个像素着色单元、16个纹理单元
DX9C显卡还没有统一渲染架构的概念（XBOX360的Xenos是个特例），所以R580依然是顶点与像素分离式的设计。当时的GPU核心部分被称为 管线，比如7800GTX拥有24条像素渲染管线，但X1900XTX却不能称为拥有48条像素渲染管线，因为它的像素与纹理单元数量不对等。
GPU的工作原理：

显卡的渲染流程是通过顶点单元构建模型骨架，纹理单元处理纹理贴图，像素单元处理光影特效，光栅单元负责最终的像素输出。

HD2900XT走向不归路：超长指令集的弊端
R520->R580的成功，多达48个着色单元功不可没，这让ATI对庞大的ALU运算单元深信不疑。ATI认为只要继续扩充着色单元，就能满足新一代DX10及Shader Model 3.0的要求。
着色单元的结构：
在图形处理中，最常见的像素都是由RGB（红黄蓝）三种颜色构成的，加上它们共有的信息说明（Alpha），总共是4个通道。而顶点数据一般是由XYZW 四个坐标构成，这样也是4个通道。在3D图形进行渲染时，其实就是改变RGBA四个通道或者XYZW四个坐标的数值。为了一次性处理1个完整的像素渲染或 几何转换，GPU的像素着色单元和顶点着色单元从一开始就被设计成为同时具备4次运算能力的运算器（ALU）。

数据的基本单元是Scalar（标量），就是指一个单独的值，GPU的ALU进行一次这种变量操作，被称做1D标量。由于传统GPU的ALU在一个时钟周期可以同时执行4次这样的并行运算，所以ALU的操作被称做4D Vector（矢量）操作。一个矢量就是N个标量，一般来说绝大多数图形指令中N=4。所以，GPU的ALU指令发射端只有一个，但却可以同时运算4个通 道的数据，这就是SIMD（Single Instruction Multiple Data，单指令多数据流）架构。
R580的Shader单元结构
显然，SIMD架构能够有效提升GPU的矢量处理性能，由于VS和PS的绝大部分运算都是4D Vector，它只需要一个指令端口就能在单周期内完成4倍运算量，效率达到100%。但是4D SIMD架构一旦遇到1D标量指令时，效率就会下降到原来的1/4，3/4的模块被完全浪费。为了缓解这个问题，ATI和NVIDIA在进入DX9时代后相继采用混合型设计，比如R300就采用了3D+1D的架构，允许Co-issue操作（矢量指令和标量指令可以并行执行），NV40以后的GPU支持 2D+2D和3D+1D两种模式，虽然很大程度上缓解了标量指令执行效率低下的问题，但依然无法最大限度的发挥ALU运算能力，尤其是一旦遇上分支预测的 情况，SIMD在矢量处理方面高效能的优势将会被损失殆尽。
DX10时代，混合型指令以及分支预测的情况更加频繁，传统的Shader结构必须做相应的改进以适应需求。NVIDIA的做法是将4D ALU全部打散，使用了MIMD（Multi Instruction Multiple Data，多指令多数据流），而AMD则继续沿用SIMD架构，但对Shader微架构进行了调整，称为超标量架构。
R600的5D超标量流处理器架构：

作为ATI的首款DX10 GPU，架构上还是有不少改进的，DX10统一渲染架构的引入，让传统的像素渲染单元和顶点渲染单元合二为一，统称为流处理器。R600总共拥有64个 Shader单元，每个Shader内部有5个ALU，这样总计就是320个流处理器。

RV870核心架构图
把RV870与RV770的架构图放一起的话，可以发现其外围周边模块几乎完全相同，而流处理器部分是一分为二的设计，其中的一半正好就是RV770的规格。
除了加入DX11、ShaderModel 5.0的支持，赋予Eyefinity 6屏输出的功能外，RV870与RV770相比并没有本质改进。
既然流处理器部分还是维持R600的设计，那就不用期待它在并行计算方面能有什么改进。AMD依然我行我素的在搞通用计算，支持的软件还是那么几款。 RV870理论浮点运算能力再创新高，但却没什么人用，中国最强的超级计算机天河一号曾经使用的是HD4870X2，但后来升级成天河一号A之后改用了NVIDIA的Tesla，就是活生生的例子。
HD6870的一小步：双超线程分配处理器
也许有人会问，如此暴力的扩充流处理器规模而不更改架构，R600架构会成为AMD的常青树吗？难道不会有什么瓶颈吗？当然会有，AMD也发现了，所以从 HD6000系列开始又进行了一轮架构的微调，透过AMD架构微调这一结果，我们可以了解出现问题原因到底是什么？
HD6870的一小步：两个超线程分配处理器
Barts核心的HD6870率先问世，这颗核心定位中端，所以流处理器从Cypress的1600个精简到了1120个，流处理器结构依然没有任何变化，但是前端控制模块一分为二：

相信大家应该注意到了，以往AMD的SIMD架构则是整颗GPU共享单一的控制单元，自R600以来都是如此。
Cypress的单一图形装配引擎
但随着晶体管规模和流处理器数量的迅速膨胀，单一的控制单元已经无法满足大规模并行指令分配的需要，因此从Cypress开始，AMD采用了“双核心”的设计，将SIMD阵列一分为二，也就是类似于NVIDIA GPC的设计。与此相对应的，图形装配引擎虽然只有一个，内部却设计了两个Hierarchical Z（分层消影器）和Rasterizer（光栅器），但是其它的特殊功能模块均只有一个。
Barts和Cypress一样，依然保持了双核心设计，图形引擎也只有一个，内部的功能模块并没有太多变化。但是Ultra-Treaded Dispatch Processor（超线程分配处理器）却变成了两个，相对应的，超线程分配处理器的指令缓存也变成了两份。
Barts的图形装配引擎
我们知道，Barts的流处理器数量是Cypress的70%，按理说线程分配压力有所下降，那么设计两个线程分配处理器的目的只有一个，那就是提升效率。在DX11时代，几何着色再加上曲面细分单元引入之后，图形装配引擎会产生更多的并行线程及指令转交SIMD进行处理，因此指令派发效率成为了新的瓶 颈。
SIMD架构的优势就是可以用较少的晶体管制造成庞大的流处理器规模，拥有恐怖的理论运算能力；但缺点就是流处理器执行效率比MIMD架构低，其效率高低完全依赖于分配单元的派发效率。因此Barts这种双线程分配处理器的设计意义重大。

冒泡

有针对性的强化曲面细分单元
单从数量上来看，Tahiti明显不如GF100的4个光栅化引擎（光栅器+分层消影器）以及8个多形体引擎（几何/顶点分配器及曲面细分单元等）。不过 AMD有针对性的强化了曲面细分单元，通过提高顶点的复用率、增强片外缓存命中率、以及更大参数高速缓存的配合下，HD7970在所有级别的曲面细分环境 下都可以达到4倍于HD6970的性能：

此前我们介绍过，HD6970的曲面细分性能是HD6870的两倍、HD5870的三倍。通过AMD的理论数据来看，Tahiti的曲面细分性能应该达到甚至超越了GF100/110。
看得出来，AMD的Tahiti在图形引擎方面依然沿用Cayman的设计，从Cypress到Barts再到Cayman，AMD稳扎稳打的对图形引擎 进行优化与改进，AMD认为现有的双图形引擎设计足以满足流处理器的需要，因此只对备受诟病的曲面细分模块进行了改良，如此有针对性的设计算是亡羊补牢、为时不晚。
GCN架构的精髓：流处理器完全重新设计
看了上页图形引擎部分的介绍，很多人可能会失望——基本没动嘛，还说什么次世代图形核心？别着急，好戏在后头。我们知道AMD历代GPU的瓶颈除了曲面细 分以外，其实最重要的是5D/4D VLIW架构的效率问题。现在Tahiti的GCN架构就是要解决这个问题，它的流处理器结构已经面目全非了。
Tahiti彻底抛弃VLIW架构

通过Tahiti的整体架构图我们看到，传统的SIMD流处理器阵列消失了，取而代之的是GCN阵列，Tahiti总计拥有2048个流处理器，这样每个GCN阵列里面拥有64个流处理器。现在来看看GCN阵列的微观结构。
GCN与GF100的SM何其相似
Tahiti的GCN阵列微观结构
GCN阵列里有4组SIMD单元，每组SIMD单元里面包括16个流处理器、或者说是标量运算器。GCN架构已经完全抛弃了此前5D/4D流处理器 VLIW超长指令架构的限制，不存在5D/4D指令打包-派发-解包的问题，所有流处理器以16个为一组SIMD阵列完成指令调度。简单来说，以往是指令 集并行，而现在是线程级并行。
GF100的SM（流处理器簇）微观结构
可以这么理解，一个GCN阵列与GF100当中的一组SM相当，GF100的一组SM当中有4组共计32个流处理器，而Tahiti的一组GCN当中有4组共计64个流处理器。
缓存部分
每个SIMD-16单元都拥有64KB向量寄存器
每组GCN阵列拥有64KB的本地数据共享缓存，还有16KB的一级缓存
每组GCN阵列有一个标量运算单元，用于执行整数指令、媒体指令和浮点原子操作，这个标量运算单元拥有自己的4KB寄存器
而GF100的缓存设计得更加灵活，每组SM里面拥有总计64KB的共享缓存+一级缓存，这64KB缓存可以根据实际运算量来动态调整，如果把16KB分配给一级缓存的话，那剩下的48KB就是共享缓存，反之亦然。
一般来说，进行图形渲染时需要共享缓存比较多，而并行计算时则会用到更多的一级缓存。GF100这种灵活的缓存分配机制更适合做并行计算，而GCN架构更大的共享缓存会有更好的图形渲染性能，并行计算则会稍逊一筹。

基友们 你们有什么想说的

自言自语的辛苦了

技术贴马克，虽然看不懂，但是不明觉厉

活捉水军一只，960出来了是吧？

好长，楼主总结一下吧

总结就是，群众的眼光是雪亮的！N家gts450以后，A家7系以后可买，小道消息可能支持DX12

虽然知道楼主说的很精彩，但是我完全看不懂怎么破？