ATI R520正式发布

jpbird · 发表于 2005-10-5 23:01:19

ATI R520正式发布

jpbird · 发表于 2005-10-5 23:12:37

ATI RADEON X1000系列技术分析 全体动员——倾巢而出的X1000阵营在2005年6月22日，NVIDIA发布了基于G70内核的新一代高端显示卡，自那以后，人们对ATI原定在4月份推出的下一代产品R520更显出急不可待的心情，期待这款产品能为未来的游戏体验和显示卡市场带来更多的新景象。其实在NVIDIA GeForce 6800 Ultra发布以后，由于具备Shader Model 3.0、硬件浮点高动态范围渲染等特性，在中高端市场逐步收回了NV3X时代大片丢失的领土，然而由于“今日的高端就是明日的低端”这个规律，NVIDIA当初在高端领域丢失领土的状况转移到了700元以下的市场区间。ATI挟RADEON 9600及其嫡系的RADEON 9550在低端市场攻城略地，竟然在2004年夏季就把NVIDIA在低端市场苦心经营了数年的牢固份额迅速瓦解掉。不过相较于RADEON 9550一片凯歌的攻城略地相比，RADEON X800、X700系列的表现并不十分理想，ATI急需R520来扭转局面。在2004年年底，ATI终于完成了首次的R520流片（taped-out），并且在2005年年初开始提供给OEM厂商测试。

jpbird · 发表于 2005-10-5 23:27:18

RADEON X1000是ATI自R300以来首次大幅度改进的产品，全线产品都采用台积电90纳米工艺生产，其中的旗舰产品——RADEON X1800集成了320百万枚以上的晶体管。
正如你说看到的那样，ATI这次推出的R520相对于G70来说，其显著特点是流水线只有16条，但是3D内核时钟频率达到了625MHz，比G70高出45%。
如果不出意料的话，我们基本上可以粗略地认为：
X1800XT的顶点着色器性能是GeForce 7800 GTX的1.3倍
X1800XT像素着色器的性能是GeForce 7800 GTX的73%
X1800XT像素吞吐能力是是GeForce 7800 GTX的1.45倍
X1800XT贴图性能是GeForce 7800 GTX的97%
实际的情况当然要比简单的几行字复杂一些，例如G70在纹理单元和着色器运算器共享、X1000在像素着色器指令上的限制等。

jpbird · 发表于 2005-10-5 23:30:32

从架构上看三个GPU，你会发现最为奇怪的是RV530，Pixel Shader有12个，但是纹理单元居然只有4个，这样的设计看似异想天开，但是贴图性能瓶颈问题仍将是难以避免的。在关键单元数量不及对手的情况下，办法自然就是提高频率，但是提高频率不是说提高就能提高的，你必须考虑到功耗等问题，ATI看来已经在频率问题上解决的不错。

jpbird · 发表于 2005-10-5 23:34:02

RADEON X1000系的Vertex Shader架构和XBOX 360采用的Xenos GPU不同的是，R520采用的依然是传统的Vertex Shader与Pixel Shader分离的体系结构。

从上图可以看出，R520的Vertex Shader和R420的Vertex Shader结构非常类似，采用的是128位向量ALU+32位标量ALU搭配的方式，每个周期各vertex shader能完成两条vertex shader指令，是全世界第一枚能每秒完成100亿条Vertex Shader指令的GPU；8个vertex shader每个周期一共能完成两个顶点的转换（即T&L里的Transformantion）操作。和R420不同的是，新的R520由于引入了shader model 3.0，Vertex shader也因此支持VS 3.0，包括像分支、循环、子程序等动态流控制指令都获得了支持，每条vertex shader程序长度可以长达1024条指令，加上动态流控制后程序的长度就可以看作是几乎没有限制的。不过和NVIDIA GeForce 6和GeForce 7不同的是，ATI的这个Vertex Shader似乎缺少了一样东西——Vertex Texture Fetch（顶点纹理拾取）单元。Vertex Texture Fetch单元是实现对displacement mapping硬件加速的前提。那么R520的Vertex Shader是否真的缺少Vertex Texture Fetch而需要CPU来执行Vertex Texture Fetch呢，这个问题我们还需要进一步的求证。另一个比较大的可能是ATI把Vertex Texture Fetch的动作交给了Texel Fetch单元。在GeForce 6/7上，VS和PS都有自己独立的Vertex Texture Fetch（和VS一起）或者Texel Fetch单元（和PS一起），而在R520上，Texel Fetch单元和Texture Addressing单元都被独立到一起成为了一个Texture Pool（贴图处理器集簇）。Vertex Shader和Pixel Shader也许都可以透过这个Texture Pool来实现Vertex Texture Fetch和Texel Fetch等纹理相关的操作，这可以看作是某种程度上的一体化Shader结构方式。在GeForce 6/7上，Vertex Fetch单元只能执行非常基本的顶点纹理拾取操作，包括纹理双线性过滤等功能都是不支持的，需要程序员写Vetex Shader程序来模拟，而且能抓的纹理格式也非常有限（R32F和A32B32G32R32F）。如果，R520的确能透过Texture Pool实现Vertex Texture Fetch的话，那么R520在Vertex Texture Fetch上的能力将会比GF6/7大大增强，包括各种过滤操作以及纹理格式都将能获得支持。不过这一切都还只是我们的猜测。

jpbird · 发表于 2005-10-5 23:37:47

RADEON X1000系的Pixel Shader结构——Pixel Shader Core

表面上看的话，RADEON X1000系的Pixel Shader非常非常类似于R420，所不同的是，主要是增加了一个分支单元，并且计算精度从原来的FP24提升到了Shader Model 3.0要求的FP32。在每个周期里，X1000系各个Pixel Shader处理器能够跑5条指令：1条vec3 ADD指令（Vector ALU1）
1条scalar ADD指令（Scalar ALU1）
1条vec3 ADD/MUL/MADD指令（Vector ALU2）
1条scalar ADD/MUL/MADD指令（Scalar ALU2）
1条流控制指令此外，由于采用的是R300以来就使用的独立纹理单元，因此在遇到纹理操作的时候，X1000系的Pixel Shader一共最高能执行5条Pixel Shader指令和1条纹理操作指令。相比之下，NVIDIA的GeForce 7800的Pixel Shader又如何呢？

在上图中，我们可以看到G70拥有两个能运行MADD指令的4D ALU，这两个ALU都能以4D、1D/3D或者2D/2D的方式完成指令，在运算能力上要强于R520。同样的频率下，G70的每个pixel shader能完成16FLOPS（FP32），而R520就最多只能做到12FLOPS（FP32），如果遇到相邻两条MADD指令或者相邻的MUL指令+MADD指令的话，R520就只能做到8FLOPS，是G70的1/2。此外，G70的ALU1还能够免费地执行一条FP16的nrm指令，nrm指令是用于计算法线的，对于Unreal Engine3中大量使用Normal Mapping计算有明显的加速作用。但是和R520相比，G70又存在一个不足，那就是ALU1兼负了纹理寻址计算（例如纹理坐标透视纠正的计算），在遇到纹理操作的时候，ALU1就不能自行像素着色器指令转而执行纹理操作指令，只剩下ALU2能够跑像素着色器指令。不过现在的游戏程序中，纹理操作的指令数量基本上都是低于像素着色器指令的数量，因此NVIDIA这样的设计也不失其合理性。

jpbird · 发表于 2005-10-5 23:42:39

RADEON X1000系Pixel Shader结构——极线程分发处理器在介绍RADEON X1000系Pixel Shader的线程技术之前，我们有必要先看看NVIDIA一年多前开始实作的SM3 GPU——GeForce 6800是长得怎样的。按照NVIDIA在IEEE（国际电气和电子工程师协会）Hotchips 16会议上发表的论文，在GeForce 6800中，为了隐藏在显存中查找纹理所消耗的数百个时钟周期，在每个Pixel Shader（像素着色器）中都维持着供数以百计同时运作的Threading的状态（线程）(To hide the latency of texture lookups that fetch from external memory, each fragment processor maintains state for hundreds of in-flight threads)：

上图就是在该论文中的GeForce 6800体系架构图，图中的Shader thread dispatch就是GeForce 6800的着色器线程分发器。屏幕上的顶点、像素都是非常好的并行化处理对象，因此在GPU本身就是一个非常典型的多线程化处理器，每个顶点、每个像素都可以看作是一个线程（Thread）。在GeForce 6800的Vertex Shader中，每个VS都有三个Thread同时运行，而在Pixel Shader这一级则是更加庞大。ATI在RADEON X1000系的产品中提出了Ultra-Threading Dispatch Processor的概念，其样式也是有点类似于GeForce 6800的概念，所不同的是ATI更愿意大方地公开了其设计的一些技术参数。

按照ATI的白皮书介绍，在R520（RADEON X1800）的Pixel Shader Engine（像素着色器引擎）中包含了一个中枢分发单元（central dispatch unit，CDU），这个CDU能够为一个Pixel Shader Processor Array（像素着色处理器矩阵）分发高达512个线程。这些像素着色处理器被按照4个一组的方式绑在一组，每个这样的组被称做Quad Pixel Shader Cores（四方像素着色器内核）。各个内核都是彼此相对自立的处理单元能够处理一个2x2的像素块。这种QUAD的设计其实是自R300就引入的，在NVIDIA的GF6、GF7上也都是类似的单元组成配置方式。

jpbird · 发表于 2005-10-5 23:45:56

一旦CDU觉知到某个QUAD处于闲置状态的时候，就会马上递交一个新的线程供其执行，这样的情况多数发生QUAD在等待数据或者完成了任务的时候。根据ATI的介绍，这样的设计可以让X1800的Pixel Shader内核维持超过90%的利用率。为了维持高效的线程切换，ATI给X1800设计了一个大规模的、能同时读写（多端口）、高带宽的通用寄存器堆，所有的连接总线都是FP32位宽，确保Pixel Shader在任何时候都能高效地完成FP32精度计算。ATI的Ultra-Threading设计还能够提高Pixel Shader 3.0动态分支的性能。动态分支被认为是Pixel Shader 3.0的重要新特性，可以让Pixel Shader根据计算出来的数值来跑不同的分支或者循环。如果正确使用的话，动态分支能显著地提高性能。例如在使用shadow map的时候，如果要对阴影作边缘柔和取样，使用动态分支可以在遇到不需要作取样的像素例如的时候就跳过去，以节省大量的pixel shader计算资源。

在上图中，我们只需要对右下方遮罩中的白色区域作柔和阴影取样，而黑色的部分就可以省略掉这个柔和阴影取样步骤（这张图片左上、右上、左下三个部分都是用来算出右下方的遮罩）。和找出遮罩的动作相比，柔和阴影取样的性能开销要高得多，这样使用动态分支剔除无需计算阴影取样的像素就很划算了。但是需要注意的是，目前GPU的Pixel Shader都是采用传统的SIMD架构，动态分支的运作往往会破坏掉程序的并行性，使得动态分支带来的益处被掩盖掉。我们前面提到，包括R520、NV40、G70等在内的shader model 3.0 GPU都是采用QUAD组（4个pixel shader一组）搭配方式，同一个QUAD内同一个周期只能跑同一类指令，以简化控制电路。例如QUAD内的4个像素都跑add指令，那就很舒服了，Quad只需要一个周期搞定这四个像素。但是如果这4个像素各自要跑不是同一类指令，而分别是像素A跑add指令、像素B跑mul指令、像素C跑madd指令、像素D跑sub指令的话，那么这个QUAD就需要4个周期才能完成这4个像素的处理，变成了类似SISD的样子了，性能下降到1/4，这是单周期多数据处理器跑分支的天生问题。我们在介绍NVIDIA NV40/G70的时候就提到，Vertex Shader属于MIMD体系（多指令多数据流，虽然ALU也是SIMD，但是各ALU能独立跑不同的VS指令。NV40有6个VS，一共6个4D ALU和6个1D ALU，能够分别跑12条不同的VS指令），分支指令的开销几乎可以看成是免费的，执行效率非常高，但是其Pixel Shader的动态分支执行还是属于比较初始的阶段。在执行动态分支上情况也是类似，如果QUAD内有两个Pixel（像素）跑的分支是一样，这个QUAD就可以看作成一个SI2D（单指令双数据流）的SIMD单元。出现SI2D的情况，理论上就意味着这个QUAD的效能降低50%。一般来说，像阴影边缘柔和的动态分支，也就是两条分支而已（在阴影边缘内不需要取样和在阴影边缘外需要取样）。

上图所说的是指ATI X1000在跑分支程序的时候，能够把屏幕分成很多个4X4的小块来分别处理，在这样小的一个像素块里碰到两条不同的分支的机会就非常小，降低了出现SI2D的机会。

jpbird · 发表于 2005-10-5 23:49:13

ATI还特别提到了自己的分支单元没有占用ALU时间，在分支开销上要比传统架构低不少：

上图其实分别是NVIDIA GeForce 6800和ATI X1800的动态分支指令之一的开销比较，对应NVIDIA的编程手册，可以看出ATI所举的例子就是最花时间的“If /else / endif”指令。大家可以看到，如果跑同样的两条分支，在执行if/end/endif分支指令的时候，“传统架构”需要花20个周期才能完全跑完，而ATI的X1000系只需要14个周期。

jpbird · 发表于 2005-10-5 23:53:32

渲染后端单元（Render Back End）

其实Render Back End就是相当于NVIDIA所说的ROP（光栅操作处理器），均支持FP16帧缓存混合，不过和NVIDIA的GeForce 6/7不同的是，X1000的Render back end在执行FP16的时候还能够做多取样抗锯齿，而这是目前NVIDIA的产品所不具备的。
不过需要注意的是，目前的DirectX9.0c并不支持对浮点Render Target做多取样抗锯齿，因此除非DirectX9升级，否则这个特性可能无法在D3D游戏中使用。不过在OpenGL中，这个特性将完全可以实现。
RADEON X1800拥有16个render back end，而X1600和X1300的Render Back End都只有4个，不过RADEON X1600的Z compare单元是8个，而X1300只有4个，在进行Z/Stencil操作的时候，X1600会比X1300快一倍。
X1000系都支持色彩缓存压缩，以提高多取样抗锯齿时后的性能，相比之下，NVIDIA目前的GeForce 6200系列都缺乏色彩缓存压缩而只在GeForce 6600以上的产品支持。
双向内存读取环路与写入交叉闩
而在RADEON X1000系上，ATI重新起用了32位内存控制器，在RADEON X1800上，有8个32bit内存控制器，内存带宽使用效率恢复到接近GeForce 3时代的水准。
RADEON X1800支持DDR2、GDDR3、GDDR4内存，而第一波产品发布中最高端的RADEON X1800XT采用的是三星的K4J52324QC-BJ12 GDDR3内存颗粒，设定的内存时钟频率为750MHz（等效1500MT/s）。
为了充分利用高速内存的优势，ATI给RADEON X1000系设计了一个新式的环网总线架构。
这个环网设计前提思路是：随着GPU越来越复杂，内部需要连接到内存控制器的处理单元越来越多，如果继续维持完全采用Crossbar的设计，这些连接路由控制将会变得非常复杂，并且信号布线会越来越长和复杂。
更长的布线会导致延迟增加，而复杂的路由会由于线路之间的串音而降低信号品质，此外由于布线延长增加的阻抗，GPU的发热和耗电也会有所增加，这些因素都会导致难以提升GPU的时钟频率。

上图就是ATI RADEON X1800的环网拓扑图，红色的就是两条双向个256位的环路，负责把内存中的资料交付给贴图单元、顶点着色器等单元（这些对象ATI称作是内存客户端），而资料的写入操作则依然会被路由到Crossbar上来实现。
根据ATI的介绍，采用了这样的环路读取、Crossbar写入的设计后，内存总线的频率可以比以前的产品提高一倍，使得X1000系可以充分利用先进的内存技术。
此外ATI还提到，X1000系的内存仲裁器能够由驱动程序控制，可以透过驱动程序的CATALYST A.I（智能参数设定），为特定的应用程序设定仲裁优先次序，让内存控制器优先处理最迫切、对性能影响最大的数据请求。

[此贴子已经被作者于2005-10-5 23:54:04编辑过]

jpbird · 发表于 2005-10-5 23:58:49

采用全相联技术提高cache命中率上述的内存控制技术虽然都能降低延迟，但是内存存取动作还是应该尽量避免，把重复使用的数据存放在GPU的cache内就是减少内存存取动作的重要技术。ATI表示，在以往的GPU上采用的cache都是直接映射（direct map），即每个cache的入口都映射至一块专门确定了的图形内存区块。虽然这可以让cache的执行简单化，但是当出现内存客户端需要交换两个数据，而这两个数据刚好要位于被cache映射的同一块内存内，那么这两块数据就需要不断地将彼此挤出cache，这样的话在写数据的时候就可能会产生迟延（stall），显著降低cache的命中率，增加了内存存取的压力。而ATI在RADEON X1800的纹理cache、z/stencil cache、色彩缓存cache上就采用了全相联的cache技术，cache不再只是映射到特定一个或者某几个的内存地址，而是任意空闲的内存。ATI表示，在任何给定的时钟频率下的内存带宽敏感型应用中（例如在高分辨率下打开全屏抗锯齿和各向异性过滤），X1800的性能都能比采用前提升25%。

纹理高速缓存命中失败率比较（X1800 VS X850，以850为基准）

Z深度值高速缓存命中失败率比较（X1800 VS X850，以850为基准）

jpbird · 发表于 2005-10-6 00:03:13

缓存压缩技术为了提高带宽和减少存取空间，在DirectX6开始，S3 Graphics开始引入了S3TC纹理压缩技术，并成为微软DirectX的纹理压缩格式——DXTC，在那里以后几乎所有的GPU都支持DXTC纹理压缩，但是随着基于浮点纹理的高动态范围渲染流行，庞大的带宽/空间需求问题又摆在了大家面前。

ATI在RADEON X1000系上引入了对单通道纹理（例如R16F）的2:1压缩技术，不仅能支持亮度映射图（luminance map）、阴影映射图（shadow map）以及HDR纹理，ATI对此压缩技术也并到了3Dc中，并称之为3Dc+。在OpenEXR.com上，也有类似的2:1压缩技术，但是是否同样的东西我们还需要确认。在此之前于X800引入的3Dc其实就是Normal map压缩而已，NVIDIA在GeForce 7上也实现了该技术的支持。现在这个单通道压缩则其实和原来的3Dc并没有直接的关系，并非3Dc的升级，而应该看作是另一个纹理应用领域的压缩技术。X1000系列同样提供了6X抗锯齿下达到6:1压缩比率的色彩缓存压缩以及改进的Hyper-Z技术。在Hyper-Z技术方面，ATI表示RADEON X1800的Hierarchical Z采用了更加精确的可见面检查算法，能比以往的RADEON GPU多剔除掉50%的隐藏面像素操作。在Z/Stencil压缩和Fast-Z方面，依然维持8:1的压缩率以及64倍的快速Z缓存清空能力RADEON X1000系的画面品质改进和RADEON X800系相比，ATI这次的X1000在画面品质上着重强调三方面：高动态范围渲染（HDR）
全方位各向异性过滤
自适应抗锯齿（Adaptive Anti-Aliasing）高动态范围渲染（HDR）在NVIDIA的GeForce 6推出后，一个最受关注的争议就是高动态范围渲染，那么什么是高动态范围渲染。所谓的高动态其实是相对而言的，例如在沙漠地带的昼夜温差很大，我们可以称之为高动态，在空调房内温差很小，我们可以称之为低动态。在3D渲染中，以往的8位整数格式（RGBA8）只能表现出256:1的最亮值:最暗值动态范围，这个255:1被称作是LDR（低动态范围），如果比值高于这个范围的，就可以被称作是HDR。例如INT16的纹理可以表现65536:1，FP16可以表现两万亿比一的动态范围。ATI表示，所有的shader model 2.0或者更高规格的GPU都可以支持64位色彩格式，不过这仅仅是满足HDR的基本条件，如果要全面释放HDR的威力，还需要额外的能力才能达成。ATI的RADEON X1000系产品支持64位浮点缓存混合、纹理过滤和多取样抗锯齿。除了支持FP16 HDR外，ATI还支持Matrox Pahelia引入的INT10（R10:G10:B10:A2）格式，该格式提供了比一般RGBA8更高的精度（达到1024个灰阶），支持10亿色彩以及有限度的透明阶度（4级）。和传统的INT8相比，INT10能够提供4倍动态范围和精度，同时不会有多大的性能损耗和内存占用，而且该格式还支持混合操作和抗锯齿。简而言之，就是ATI希望凭借多样化的HDR支持和丰富纹理压缩技术，在HDR应用中提供最佳的效能和画面品质。

jpbird · 发表于 2005-10-6 00:08:14

全方位各向异性过滤在GeForce 3/4时代，NVIDIA和ATI在画面品质上的一个争论点就是各向异性过滤的实现方式。ATI在RADEON 8500上采用了和屏幕边缘呈水平、垂直夹角的多边形作AF，并且在打开AF的时候，三线性过滤失效。而NVIDIA的GeForce 3/4则对全角度的多边形作AF处理，并且允许在打开AF的时候也打开三线性过滤。到了GeForce FX VS RADEON 9700时代，ATI开始对45度夹角多边形也作AF处理，同时也允许打开三线性过滤，而NVIDIA则尝试引入类似ATI的AF、三线性过滤优化方式。这样的优化措施一直在不断地演进，到了RADEON X1000系上，似乎一切又恢复到可以实现高品质过滤的时代。

根据ATI介绍，在RADEON X1000上，用户可以打开名为Area Ainsotropic Fiter的全角度各向异性异性过滤。ATI表示，由于使用了先进的算法，打开该过滤模式的性能影响相当小。自适应抗锯齿RADEON X1000引入的自适应抗锯齿技术能够支持超级取样和多取样抗锯齿模式，并且是根据画面中不同对象的特性而自动切换不同的取样方式。在大多数情况下，RADEON X1000会执行多取样方式进行抗锯齿处理，但是当遇到类似铁丝网、植物等由纹理经过阿尔法混合方式生成的对象时，就会切换到超级取样模式，以提高抗锯齿的品质。

类似的技术也在GeForce 7800上采用，不过ATI就特别强调RADEON X1000还能够在打开HDR的时候应用自适应抗锯齿。

jpbird · 发表于 2005-10-6 00:11:16

RADEON X1800实物图片，采用Raptor双槽散热器

jpbird · 发表于 2005-10-6 00:14:18

除了上述的产品外，ATI还将推出针对CrossFire双卡并行的X1000系主卡，在实现CrossFire的时候，可以最高实现2048x1536 14X SuperAA@70Hz，这些主卡包括有两款：

大家可以看到，RADEON X1300的CrossFire方案完全免除了连接电缆，两片卡的数据交换完全透过北桥的PCIE通道进行。另一个和RADEON X1800/X1600的CF方案不同的地方，是RADEON X1800/X1600在CF的时候可以支持双通道输出，而RADEON X1300则不行。

[此贴子已经被作者于2005-10-6 0:15:22编辑过]

		自动登录	找回密码
密码			注册