剖析Imagination的A-Series GPU新架构：和高通Adreno和Arm Mali比比

这枚小型处理器，还有一些特别的工作场景，比如说“如果GPU执行出现问题，我们可以通过固件记录有关GPU的信息，快速发现问题在哪里。控制获取信息，写回到内存，给予我们在GPU真实应用中debug的能力，而不是通过仿真去进行。这是分析问题非常出色的工具，如果应用在汽车系统中，还能进行错误分析。”J4hesmc

J4hesmc

除此之外，A-Series在架构层面还有一些比较重要的变化，体现在纹理单元上（Texturing Unit），相关于将图像放到屏幕上的。比如说L0 cache的位置发生了变化，新架构的位置是在处理与线性过滤阶段之间。原本Rogue架构中，包括纹理解压（texture decompression）、gamma、YUV转换等操作都是在L0 cache之后进行的，这样一来某些相同的任务会被多次重复执行处理。而L0 cache位置调整后，可储存处理阶段时候的输出，数据可复用——多项异性过滤的时候，texel不需要再重复采样。J4hesmc

还有针对一些陈年旧算法的改进，比如说各项异性过滤（anisotropic filtering）以前一直是基于DirectX的——早年Imagination有参与过桌面GPU市场混战，当时这项特性自然是紧跟微软的参考算法的。所以这次“我们彻底重构了纹理采样方式”，“现在更加不依赖于角度（more angel-independent），采样更少但实际（各项异性过滤）质量更高。”这种算法的提升，实质也是减少带宽、增加能效的重要方案。”J4hesmc

此外，Rogue架构在合并（blending）操作上用的是shader。更早之前这种操作会有个专用单元去执行，Beets说Rogue采用软件的方式来执行合并操作虽然具备了很大弹性，而且节省空间，但这样一来系统会复杂化。“由于合并操作（shading a blending）越来越复杂，我们还是需要额外的指令来更高效地执行合并操作，所以A-Series又回归了专用合并单元。这样可以释放shader周期，减少数据搬运量。”J4hesmc

J4hesmc

最后值得一提的是AI Synergy，实际也是本次Imagination技术发布的重点，不过它的实质是让A-Series GPU与Imagination的神经网络专核NX NNA产品做协同的，在GPU和AI专核之间实现AI负载的共享——GPU可以负责模型更多可编程层面的工作，NNA则针对全连接层处理的固定单元做任务处理。这部分不是我们针对图形计算要探讨的重点。J4hesmc

搭建生态是当务之急

实际上，还有一些特性是Imagination并没有着墨于A-Series的，比如当代GPU比较常见提升带宽效率的framebuffer图像压缩技术。Imagination的压缩方案名为PVRICv4，不过这套方案的最新版本实际已经在Series 9产品中得以应用。针对有损与无损压缩有单独的管线。Beets这次说Imagination持续加强了其HDR压缩率。J4hesmc

就这些技术来看，的确可以认为是Imagination近15年来“最重要的发布”，它已经充分凸显了Imagination做策略转变的决心，而且至少就Imagination自己的纸面数据来看，在能力上是优于竞争对手的。不过这并不能表明Imagination未来就可以在GPU市场上轻易获胜。J4hesmc

开发者生态此时变得极其重要，究竟有多少客户会采用A-Series GPU IP？这和生态的成熟度、市场价值有很大关联。J4hesmc

针对开发者软件部分，Imagination也下了一番功夫，包括跨操作系统，对各种行业标准API的支持，对各种游戏引擎的完整支持。J4hesmc

J4hesmc

面向开发者的有一项特性值得一提，即如上图所示，Imagination为开发者构建了“heatmap”：“很多开发者都在苦苦进行性能优化，尤其是图形计算方面。或许性能计数器（performance counter）会告诉你ALU限制、纹理限制，但对你的帮助其实真的不大，所以我们增加了一个新特性，生成图形计算画面的热图（heatmap），它会告诉你GPU在屏幕上的某个tile上面花了多长时间做渲染。我们的工具要做到这一点很容易。开发者能够很方便地搞清楚某些tile的渲染开销很大，花了最多的shader周期、最多的带宽等等，这样一来就能真正帮助开发者获得性能上的优化。”这其中的实现似乎与硬件上的固件处理器也有关系。