英特爾：邁向獨立顯示卡市場

　　本文中，英特爾院士Aditya Navale將分享圖形處理器從實現更好的畫素繪製到解決人類複雜計算挑戰的演進歷程。

本文作者：Aditya Navale

英特爾院士、GPU核心IP架構總監

　　事實上，我們和大家一樣期待英特爾進軍獨立顯示卡市場。

　　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。”Aditya Navale在英特爾工作了30年，其中20多年都深耕於圖形技術。

　　不久前，英特爾釋出了英特爾銳炫移動端獨立顯示卡，並將在今年推出應用於桌上型電腦的獨立顯示卡。這標誌著英特爾在顯示卡程式中邁出了重要的一步。在加速計算系統與圖形事業部，Navale的團隊至關重要——他們開發的核心IP架構為多代英特爾GPU奠定了基礎，包括已經推出的首款英特爾銳炫A系列獨立顯示卡。

　　如果我們把整合顯示卡（通常與CPU整合在同一裸片上）也一起算進來，英特爾已位居PC顯示卡市場份額的領先地位。Navale表示：“對於英特爾而言，從整合顯示卡到獨立顯示卡是重要的一步，因為這是一項極具挑戰性的複雜任務。”

　　自2019年以來，英特爾整合顯示卡的遊戲效能已經提升至原來的數倍，而英特爾銳炫獨立顯示卡以整合顯示卡技術為基礎，再次實現了遊戲效能的顯著提升。當前的英特爾整合顯示卡最多包含96個執行單元，而銳炫獨立顯示卡將採用多達512個Xe向量引擎。Navale指出：“在面積增大5倍以上的同時，我們需要克服的挑戰是，在特定功率範圍內更好地提升效能。”

　　“除了進軍獨顯市場併成為重要的一員，我們開發銳炫顯示卡的其中一個想法也是希望探索大型GPU的架構設計和軟體開發。”他解釋道。

　　作為獨顯領域的“新人”，想要成為具有競爭力的新選擇，就意味著產品的特性和效能不僅要有吸引力，還需支援一系列的遊戲和應用。“軟體為先的理念一直驅動著我們的架構創新。”他說道。

　　 從畫素繪製到深度學習

　　什麼推動了人們對於數倍於普通膝上型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螢幕上建立2D和3D影像。簡言之，GPU就是負責在螢幕上繪製畫素。CPU旨在一次處理一兩個複雜任務，而GPU旨在並行處理許多小任務，即繪製畫素。

　　比如當你閱讀這篇文章時，螢幕上的畫素並沒有太大變化，所以GPU不需要做太多工作。但當系統執行逼真的3D遊戲等任務時，畫素就會不斷變化。Navale解釋道：“越是想在遊戲中呈現身臨其境的沉浸感，GPU需要做的工作就越多。”無論是微風中飄動的毛髮，還是不同程度的光影效果，這些細節都需要在每一個畫素的顯示上花費更多功夫。並且為了保證細節渲染的流暢度，這些工作需要快速地完成。

　　遊戲僅僅是一個開始。

　　GPU是可用於高度平行計算的資料處理器，Navale表示：“GPU的應用場景也正在快速增長。”除了繪製畫素，GPU在人工智慧、深度學習和高效能運算等領域的應用也正在幫助人類解決複雜的計算挑戰。

　　如果說面向不同負載開發晶片聽起來很複雜，Navale表示，那麼基於GPU構建的軟體生態則為以上困境提供了“解決之道”。

　　“我們構建了一個滿足所有新要求的軟體生態。”Navale說，“考慮到高效能運算、人工智慧和遊戲等諸多領域的需求，軟體生態需要以一種高度協同的方式不斷演進。為此，我們需要在深思熟慮之後不斷完善架構。”

　　 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的效能提升至全新高度。“我們將構建和部署IP，確保其既可應用於整合領域，也可應用到大型獨顯中。”Navale說，“這種可擴充套件性是內建的。我們還完成了大量的引數化工作，以便輕鬆快速實現它的可擴充套件性。”

　　為了實現Z級超級計算，即全球下一個重要的強大算力系統，他解釋道：“產品的可擴充套件性還將進一步提升。”這不僅意味著每個晶片的算力要成倍增加，還要讓多個晶片進行系統級封裝。

　　“Ponte Vecchio在這方面已經取得了一些進展”，它將47個不同的區塊（tile）組合到單個GPU中。“但是現在這種模式還在發展，隨著我們向前邁進，它將取得更好的勢頭和採用情況。”