【IT168 评测】在今年6月15日召开的AMD Fusion Developer Summit(融合处理器开发者峰会)上，AMD两位院士级的体系架构师首次向外界公布了公布名为AMD Graphic Core Nex(简称GCN)的下一代GPU 体系架构，包括并行处理架构、计算单元架构、多级可读写高速缓存等细节都在这次会议上发布了，虽然没有提及路线图、产品名称以及规格等，但是外界都认为这款产品的型号很可能会被称作RADEON HD 7900。
不出所料，就在2011年12 上旬召开的一次AMD媒体通风会上，AMD首次“向大家公开”了首款采用 GCN 的产品型号就是基于Tahiti架构的RADEON HD 7970及其阉割版RADEON HD 7950。
▲AMD RADEON HD7900
AMD在2010年引入被称作北方群岛的产品波次，其中包括了两个体系架构，即Barts和Cayman，Barts 本质上其实就是前代产品波次Evergreen中Cypress架构的延伸，而Cayman则是一款接近全新架构的产品，它首次采用了VLIW4架构以及双几何引擎。
不过有点让人感到有些失望的是，原本大家期待Cayman能够在Tessellaion Sahder和Compute Shader性能能够和NVIDIA的Fermi抗衡，结果出来的测试结果表明Cayman在Tessellaion Sahder的改进并不大，而Compute Shader方面也没有引入可读写的数据Cache等加速技术，可以说Barts获得了期待中的成功，而Cayman系列实话实说是多少存在一些不尽人意之处。
凭借上市先决的策略，AMD在Everygreen、北方群岛这两个DX11产品波次上取得了先机，特别是Everygreen，成功夺得市场真空期，到目前为止已经获得了67% 的DX11 市场，DX11(包括Llano)产品出货累计超过1亿。
Tahiti 的体系架构
有北方群岛，南方群岛也是顺理成章的，这次的融入了GCN 基因的RADEON HD 7900系列就是南方群岛产品波次的头炮产品。
当初Cayman出来的时候曾经被认为是一个承上启下的产品，不过从目前的任何资料来看，Cayman几乎只能算是一个旁系产品，也许除了都是来自AMD 公司和一些小特征外，它和GCN之间的差别极大。
▲AMD RADEON HD 7970(Tahiti XT)体系架构图
▲Evergreen 时代的 Cypress(RADEON HD 5870)体系架构图
GCN引入了多层次的并行架构，除了具备两个几何引擎流水线(通用计算架构同层级的单元被称作被ACE，即Asynchronous Compute Engine——异步计算引擎，当然ACE和几何引擎在物理上是两回事，我们这里提及只是方便大家有一个比较笼统的整体观)，以往Cypress架构中的SIMD Engine现在被称作GCN CU(计算单元，Compute Unit 的缩写)，不过CU和SIMD Engine有很大的出入。
GNC Compute Unit
▲GCN CU的功能模块图
上图是GCN CU的功能模块图。可以看到，一个GCN CU包含了：
1 个向量计算单元模块(Vector Unit，里面有4 个16路SIMD计算子模块);
每个SIMD-16 模块拥有4*64KiB 向量寄存器;
1 个标量计算单元模块(Scalar Unit)，用于执行整数指令、媒体指令和浮点原子操作(min、max、cmpxchg)。
标量计算单元模块拥有 4KiB 标量寄存器
每个GCN CU拥有64KiB LDS;
每个GCN CU拥有16 KiB 数据 Cache
每个GCN CU拥有1 个纹理拾取或者说内存存取模块(单周期执行16 个32-bit Load/Store 操作);
每个GCN CU拥有1个单周期执行4*32bit 线性滤波的纹理滤波单元;
图中的Branch&Message(分支与信息)单元可以用于执行分支指令和 Debug 等操作。
作为多线程处理器，AMD和NVIDIA的DX11 GPU都有一定的线程粒度，NVIDIA的线程粒度被称作 Warp，一个Warp是32 "线程";而AMD的线程粒度称作wavefront，粒度是 64 "线程"。
严格来说，所谓的线程其实是指处理数据的宽度，不过NVIDIA 偷换概念后，AMD也跟着上，都叫起“线程”了，而传统意义上的硬件线程本应该是Warp和wavefront这级别的才对。
在GCN CU上，一个周期能执行一个wavefront(硬件线程)，或者说4个周期执行4 个wavefront。
因为线程调度器实际上是每次将4 个wavefront 派给CU，CU上的每个SIMD-16 单元执行其中一个，因为同一个wavefront 的指令都是一样的，只是所处理的数据地址是截然不同的。
所以SIMD-16 单元可以4 个周期完成一个Wavefront，这样由4 个SIMD-16 组成的CU 看上去就能单周期执行一个wavefront或者说4 个周期执行4 个Wavefront。
AMD Cypress架构的wavefront(简称C-wavefront) 和GCN 的wavefront 是不一样的，C-wavefront 粒度虽然也是64 “线程”，但是每个“线程”是由一个VLIW5 的指令包组成的，虽然跑图形的时候问题不大，但是跑通用计算的话，效率就会大打折扣，需要比GCN wavefront更高带宽的指令总线，增加了开发工具的复杂性，性能的可预测性也存在不定因素。
重新设计的GCN CU现在更像一个80年代流行的向量处理器环路——极为简化的向量、标量组合，具备最高效的标量开发模型，和NVIDIA Fermi的设计思路一样，可以让程序员觉得是在给一个标量处理器开发程序。
每个RADEON HD 7970的GCN CU 的线程管理器最高可以同时容纳32 个 wavefront，也就是说当计算单元是空闲的话，可以有32个待处理的硬件线程可以选着派给计算单元执行。相比之下，NVIDIA Fermi的每个SM(相当于CU)最高可以有48 个warp 供选择执行。
在多线程执行上，CU拥有更多的子(调度器)模块，可以同时执行4个硬件线程，而NVIDIA Fermi则只有两个子(调度器)模块，可以同时执行两个硬件线程，这样的设计并没有一定的优劣之分，每个Fermi SM或者 GCN CU SIMD16 都能获得平均24 个(GF100/GF110) 或者16 个(GF10X/GF11X 以及GCN)硬件线程分派，硬件线程数越多，计算资源的利用率自然越高。
Tahiti 一共拥有32 个CU，RADEON HD 7970 是足本的规模，而RADEON HD 7950则被烧成28 个 CU。
Tahiti 的高速缓存层次
▲Tahiti 的高速缓存层次
GCN或者说Tahiti引入了多层次高速缓存，每个CU都有16 KB 可透过Golbal Data Store 共享的L1可读写数据Cache，32个CU 合计有512KiB L1数据cache，各个L1数据Cache的带宽为64 字节/周期，总带宽 2TB/s;每4个CU还共享1个16KiB的L1指令高速缓存和32KiB标量数据高速缓存(或者说Kernel Cache)。
GCN每个内存控制器通道配备有64 KiB L2可读写cache，RADEON HD 7970具备6 个64-bit内存控制器，因此拥有768 KiB L2可读写cache，L2 cache带宽可以达到64 字节* 6= 384 字节/周期。按照AMD的说法，L2 cache的总带宽是700GB/s，这意味着L2 Cache的频率可能是两倍于GPU内核频率即1.85GHz。
Tahiti的ROP、纹理单元及内存控制器
▲Tahiti的ROP、纹理单元
RADEON HD 7970具备32个ROP，每个周期能完成32个色彩处理和128个Z/Stencil处理，不过由于有更高的有效带宽，在真实世界中的性能要比理论值一样的Cayman快 50%。
▲Tahiti的内存控制器
由于具备384-bit 内存总线，RADEON HD 7970的带宽比6970高50%达到264 GB/s，这对于确保 118GTexel/s贴图处理和32 Gpixel/s的ROP单元来说至关重要。
RADEON HD 7970引入了PCIE 3.0总线，是市场上第一款基于PCIE 3.0总线的独立GPU，双向带宽可以达到16Gb/s。
Tahiti 的Tessellator
大家最关心的DX11特性Tessellation又有和改进呢?
▲GCN架构中的Tessellation
▲4 倍于RADEON HD 6970的Tessellation 性能
和Cayman相比，RADEON HD 7970采用了最新的硬件Tessellation迭代单元，提高了顶点的复用度、片外缓存设计有所增强、采用了更大参数的高速缓存，因此RADEON HD 7970的Tessellation和几何缓存都有显著的增强，能在所有拆分倍率下达到4 倍于RADEON HD 6970的Tessellation性能。
通用计算性能有何提升?
根据官方公布的数字，Tahiti的晶体管数量为43 亿，相比之下Cayman是26.4 亿，GF110大约是 30.5亿。
晶体管数量增加了63%，但是“内核”数只是从Cayman时代的1536 提升到2048，肯定会有人为只增加了33% 的内核数感到不爽，那么现实中的性能变化又会是如何呢?AMD提供了一些参考。
▲Tahiti和Cayman相比，性能提升幅度没有低于50%
上图是执行诸如光线追踪渲染、加密、傅里叶转换等常见的通用计算，可以看到Tahiti和Cayman相比，性能提升幅度没有低于50%的，像AES256甚至超过 3 倍。
Cache 技术的引入不仅仅是常见应用的性能提升，还能带来一些新技术得以执行，例如id Software的Rage所采用的idtech 5引擎采用了纹理转码加速技术，这项技术目前只能在NVIDIA Fermi家族的GPU执行，原因就是Fermi具备Cache，能够高效的执行一些纹理转码操作。
GCN和Partially Resident Textures
为此，AMD也专门提到了专为GCN这类集成了真正Cache的GPU而度身定制的Partially Resident Textures(部分常驻纹理)技术。PRT可以让shader和应用程序掌控虚拟纹理内存，和CPU那样的纯错误模型不同的是，PRT 可以由程序来做决断，如此一来就能实现像32TB大小级别的纹理，除了可以让贴图更丰富外，还能降低纹理载入时出现的顿挫现象。
下面举一个简单的例子说明PRT是怎样执行的。
▲PRT的执行过程
载入的纹理被切成若干个64 KB块，大小是固定的，采用字节而非纹理元素(texel)为单位。
上图中左面的插图代表这是一个高分辨率的纹理映射图，高亮的区域表示是需要抓出来的纹理元素。
中间的插图表示了这个纹理在内存中是如何分块存放的，右面的插图代表了为了实现正确纹理映射所需要拾取的纹理页面。
▲PRT的执行过程
一般来说，一个场景中会有许多不同mipmap或者说纹理分辨率版本，左面的插图中分别有最高分辨率的mipmap，以及以此较低分辨率的mipmap。
当要渲染的时候，例如渲染4 个不同的位置嘶吼，就需要4 张不同分辨率的mipmap，当shader要拾取这些mipmap的时候，有些会从页面表中直接抓到，而有些这不行。此时Shader或者应用程序就要对命中缺失后要做什么作出决断，但是这些决断不会造成错误也不会造成耽搁。程序将知道哪些页面是缺失的，并且在下一帧渲染的时候把它们直接抓进来。
▲AMD在迪斯尼开发的Ptex演示程序基础上做的PRT执行案例
上图是AMD在迪斯尼开发的Ptex演示程序基础上做的PRT执行案例，用来表现大纹理管理和多分辨率贴图技术。
▲纹理过滤技术
在纹理过滤方面，AMD提到在Cayman时代曾经说自己的纹理过滤技术是最好的，但是同时承认后来被媒体抓包发现Cayman的高频纹理过滤存在晃闪现象，而这次Tahiti 在这方面有所改进。
此外，AMD 还提到了Tahiti提供了非常好的的角度不相依纹理LOD算法。
▲AMD 还提到了 Tahiti 提供了非常好的的角度不相依纹理LOD算法
在计算架构方面，RADEON HD 7970还提供了947GFLOPS IEEE 双精度浮点性能，更高效的流控制和分支处理，完全DRAM、SRAM 的ECC 保护，支持OCL 1.2、DX 11.1、C++ AMP，引入了新的计算指令。
▲南方群岛产品波次的 GPU 引入了QSAD和MQSAD指令
南方群岛产品波次的GPU引入了QSAD和MQSAD指令，能显著提升运动侦测、视频/图片搜索、提取立体深度等计算的性能。
Tahiti 的电力控制
▲AMD的PowerTune技术
▲AMD的PowerTune技术
上图表明了 AMD在电力控制上的做法，那就是依据给定的功率阀值来调整显卡的性能，当超过阀值后，GPU 就会启动各种电力控制措施，让性能和功耗维持在安全状态，而调整的频率粒度是和Cayman 一样都是以MHz为单位调整，耗电水平的侦测时间为毫秒级。
▲Tahiti 在电力控制上的独特之处在于引入了 ZeroCore 电力技术
Tahiti在电力控制上的独特之处在于引入了ZeroCore电力技术，能够在闲置的时候透过将GPU关闭掉来节省95%的闲置模式耗电，此时GPU的功能模块耗电只有0瓦特，整卡耗电低于三瓦特，风扇也会彻底关闭，完全避免噪声滋扰。
在多卡交火的时候，这样的特性显得尤为重要，因为很多情况下只有主卡是连接显示器的，在ZeroCore技术下，副卡不仅耗电极低，而且不会出现风扇依然运作造成噪音叠加的问题。
VCE 视频编码技术
在 UVD 方面，Tahiti和Cayman相比并没有改进，依然是UVD 3.0，不过在另一方面，Tahiti引入了VCE硬件视频压缩编码引擎，能实现1080p60硬件视频编码。
▲VCE完全模式
▲VCE混合模式
VCE 支持两种编码运作模式，包括完全模式和混合模式，完全模式则是所有的编码操作都是由VCE的固定编码功能单元执行，而混合模式则是将上图中黄色框线的功能交给GPU可编程单元来执行，对于高性能的GPU来说，混合模式是速度最高的方式。
AMD Steady Video 2.0
▲AMD Steady Video 2.0
▲Steady Video 2.0 还实现了隔行视频的处理、指示信息、左右对比等特性
AMD这次推出了Steady Video 2.0技术，借助QSAD指令，立体深度侦测性能提升到48 倍，对于变动分辨率为32像素的1088@60Hz视频运动侦测可以达到每秒513G SAD ops/s。
此外，Steady Video 2.0还实现了隔行视频的处理、指示信息、左右对比等特性。
也许会有人对这个感兴趣，但是对我来说，还是远不如插帧或者说时间超采样吸引。
Eyefinity 2.0与DDMA
▲Eyefinity 2.0中的任务栏跨屏
当然，AMD不会忘记他们强大的多屏输出能力，像上图就是Eyefinity 2.0中我觉得最有价值的任务条跨屏，当然这些其实都是些软件相关的技术，硬件相关的就得看下面的DDMA。
▲实现了独立数字多声道音频技术
Tahiti在多屏输出方面有一个有意思的改进支持，那就是实现了独立数字多声道音频技术，显卡输出的各个显示器都有独立的音频通道，每个显示器的声音都是独立的，当你将视频拖拉到另一个显示器的时候，声音也会随之在另一个显示器对应的喇叭上播放。
RADEON HD 7970/7950规格与大图
▲RADEON HD 7970
▲RADEON HD 7970规格
▲RADEON HD 7950规格
▲双槽、2 mDP+HDMI+DVI 的显示配置、双 BIOS 开关、新式刀叶风鼓、均热板散热
到目前为止，足本的RADEON HD 7970的规格基本上是定制925MHz内核|5500GT/s 内存，TDP 210瓦，号称可以超频1GHz 甚至更高。
削减CU数的RADEON HD 7950目前尚未完全确定频率规格，但是它的内存总线是足本的，理论上同频下的RADEON HD 7970和RADEON HD 7950性能差距应该在13%以内。
