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

这次的产品发布颇令人意外之处在于，实际上Imagination于2017年才宣布推出最新的GPU架构"Furian"——这个架构的正式版本，即PowerVR Series9XT则是到2018年年底才出现的。在Imagination的常规操作中，某个弹性架构实际是可以应用多年的。比如Rogue架构（最著名的产品就是苹果的A系列SoC）沿用了将近7年时间，Furian才诞生。2Woesmc

所以A-Series的出现，很有Imagination内部“革新”的意味，这不仅体现在性能方面相比前代的飙升，以及架构层面（A-Series产品的架构名称似乎叫做Albiorix，不过Imagination并没有在会上提过）和市面已有GPU竞品的很大差异，还体现在Imagination PowerVR产品执行副总裁Steve Evans表示明年、后年还会相继有B-Series、C-Series这样的新品问世，而且预计每年性能攀升30%——这在现如今的移动GPU行业并不是小数字，一年一步进也不像Imagination往常的风格。2Woesmc

抛开私募基金凯桥收购Imagination之类的问题不谈，我们期望通过这篇文章，对A-Series架构层面的部分剖析，来理解Imagination现如今和过去究竟发生了多大的变化，以及尝试推断这种变化的原因在哪里。2Woesmc

2Woesmc

A-Series的“性能暴涨”

首先还是简单回顾一下这次发布的新品是什么，以及相比前代和竞品，外显的性能与能效差异如何。按照Evans的说法，A-Series是耗费超过2年时间打磨的——这恰在Furian诞生时间点前后，或许A-Series的内部变革计划是从那个时间就提上日程的。A-Series GPU IP总共三个系列，分别是AXE、AXM和AXT，简单说就是低中高端的差别，这和PowerVR过往产品的定位传统一致。值得一提的是，其中定位小尺寸、低功耗的AXE系列应该是基于前代的Furian架构——不过它同样应用了最新的部分技术。2Woesmc

Evans表示，A-Series核心代表的是迄今为止最快的GPU核心（fastest GPU cores ever created），无论是相比前代产品还是市面上既有的其他竞品，且在PowerVR家族内是一次超乎寻常的飞跃（exceptional leap）。其中AXT系列“快了2.5倍”，这个时代的性能上升2.5倍仍然是个惊人的数字。这里的比较，针对的应该是上一代的PowerVR Series 9，但Evans并没有说是Series 9中的哪个系列或哪个产品。2Woesmc

2Woesmc

从Imagination后续在技术对比中的更多解读来看，2.5倍指的的应该是相比更早的Rogue架构（Series 9既有采用Furian的型号，也有采用Rogue架构的型号）。在更多的性能对比数字方面，Evans还提到了ALU单元数量增加4倍，AI性能提升8倍，功耗则低了60%——通常功耗的降低数字是指，在达到与前代相同性能的同时，功耗降低了这么多。2Woesmc

在相对具体的产品层面，Evans总共列出了四款产品，分别是AXT 64-2048，AXT 32-1024，AXM 8-256，AXE 1-16。前面的字母是对应上述产品系列的，后面的数字实际也很容易理解。2Woesmc

比如AXT 32-1024，这里的“32”指的是纹理填充率（texture fill rate）达到32 GigaPixel/s（实际上这里的Pixel应该是指Texel，即每个时钟周期采样32个双线性过滤texel）；1024则指1.0 TeraFLOPs（也就是每个时钟周期1024次FP32 FLOPs）；另外，相关的AI性能则是在这个数字的基础上翻4倍，AXT 32-1024的AI性能就是4 TOPs（INT8推理）。2Woesmc

2Woesmc

这样一来，其他几款产品的性能参数以此类推也就大致很清楚了，比如上图的AXT 64-2048。AXT 64-2048显然是这个家族中性能最彪悍的一款，Evans表示，这款产品“为Imagination开启了全新的应用市场，包括数据中心应用”；而AXT 32-1024定位于高性能图形计算，“可应用于未来几年的高端智能手机中”。2Woesmc

AXM 8-256用Evans的原话说是一款中端定位的“sweet spot”GPU，这句话应该是指其能效比在A-Series家族中可以达到最佳，应用场景包括了汽车、数字电视、机顶盒、平板等；AXE 1-16是A-Series家族中最小的一款。2Woesmc

如果我们单看这些数字，实际就已经是不错的成绩了。但没有量级概念的话，还是需要对比一下竞品。Evans也在现场对比了同代竞品的实际性能、功耗、面积，也就是PPA。[!--empirenews.page--]2Woesmc

2Woesmc

2Woesmc

同代比较知名的竞品就属骁龙855的Adreno 640了，另外Evans并没有具体说对比的Arm Mali竞品是哪个型号，die shot也看不出来。不过PPT上标注了MP12，亦即这是个12核GPU，市面上比较新、而且符合该特征的产品就是Exynos 9820了，其GPU为Mali G76MP12，所以猜测Evans对比的这款GPU正是Arm Mali G76。如果将Adreno 640的性能、占地面积视作100%，则“Arm需要额外84%的占地面积，才能达到相同的性能水平，也就是说功耗必然也更高”，“而Imagination达到和高通相当的性能，在芯片面积和功耗方面都要小得多。”即便是达到175%的性能水平，占地面积和能耗依然更小。2Woesmc

这个数据当然是非常好看的，不过实际上这种对比可能并不公平，因为一方面Exynos 9820和骁龙855在制造工艺上就有差别，而且G76也并非Arm Mali最新的GPU IP。今年年中，Arm就在Computex大会上宣布了Mali G77的问世。推测A-Series的实际GPU芯片产品至少也要2020年才能面市，所以A-Series首波真正要应战的应该是Arm Mali G77，以及高通刚刚发布的Adreno 650。2Woesmc

好在Mali G77在宣传中提到性能密度（performance density）相比G76也就提升为30%；而高通则宣称Adreno 650性能提升25%；就Imagination公布的数字来看，A-Series即便与这两者同场竞技也完全有充沛的余力一战，而且基本是无压力的状态，主体上还是要看Imagination令IP实体化的速度和表现。2Woesmc

2Woesmc

Imagination PowerVR产品执行副总裁Steve Evans2Woesmc

为什么“性能暴涨”？

那么达成这种性能暴涨的原因是什么？Imagination PowerVR产品管理和技术营销高级总监Kristof Beets在接受我们采访时，首先提到的就是“完全重构的ALU（算术逻辑单元），我们对其进行了大量精简，现在其内部就是相当简单、干净的MAD管线（MAD是指乘法累加单元）”，执行单元从过去的2个MAD单元，变为现在的1个MAD（而且还抛弃了Furian架构中的MUL乘法单元），也就是说每个时钟周期单条管线的执行能力实际是下降的——这也是ALU拓宽的重要前提。2Woesmc

2Woesmc

A-Series在架构上也因此有了“128条ALU管线同时并行”，也就是128-wide ALU。128线程宽度是什么概念呢？早前的Rogue架构采用的是32线程宽度wavefront（wavefront是GPU代码的最小可执行单元，SIMD过程中数据处理的最小单元，在所有线程中同时执行同一指令，Nvidia称其为warp），不过单个SIMD仅支持16-wide；Furian架构则真正加宽到了32-wide，即单个时钟周期执行32-wide wavefront。2Woesmc

作为对比，Arm Mali G77的SIMD宽度是16-wide，这还是相较G76的一倍拓宽。所以A-Series单就ALU结构来看，显然是独占鳌头的。这也表明Imagination真正开始从指令级并行彻底转往线程级并行（TLP），实现ALU的更高利用率。这么做理论上能够极大提升性能密度。Beets补充说由于管线精简，“compiler也大幅简化了，它只需要在管线中找乘法累加实现100%运算即可，架构中也更容易实现高利用率，是设计中实现性能密度和能效提升的重要组成部分。”2Woesmc

不过有这么宽的ALU，如何改进整个架构的前端，去喂饱这么宽的执行单元就成为一个问题了。前端调度效率低的话，这么宽的ALU管线只会出现大量闲置，以及效率的下降。2Woesmc

针对这部分，Beets在演讲着重介绍了data master（数据管理）——各种不同的data master将工作负载分配到GPU中去，比如有Geometry Data Master负责几何数据管理；还有2D Data Master、3D Data Master，以及Compute Data Master（负责通用型计算数据管理）。这些不同的data master基于内存的命令队列中读取数据，驱动任务负载进入GPU。[!--empirenews.page--]2Woesmc

2Woesmc

比如3D Data Master，还执行一些其他的固定功能预处理，包括HSR（隐面消除，是GPU的核心技术之一）、针对shader的工作负载生成。随后进入到“Triangle Task Merging”（三角形合并）——Beets表示这是一个关键模块；PDS（Programmable Data Sequencer，可编程数据定序器）再对资源进行分配管理，为工作负载和管理任务预留寄存器空间——这个组件能够针对未来的线程从cache中预取数据。2Woesmc

接下来是指令scheduler（调度器）和decoder（解码器），分发解码后才正式进入到执行单元。然后就是128-wide的ALU了，这里值得一提的是，在主ALU管线之外还有一个副ALU线路方案（Secondary ALU），如上图所示。这部分管线仅有主ALU管线1/4的宽度，每周期并行执行32个线程，不过有一些更为复杂的指令，执行任务包括各种操作与迭代、数据转换、超越指令等。Beets表示，在更低的速率上工作，是基于对真实应用场景各种工作负载所做的权衡。“针对ALU结构，我们分析了大量应用，去理解其中的平衡点，实现最高的效率。”2Woesmc

弹性化扩展

以上是对单个ALU簇的大致理解，也是A-Series获得性能暴涨的主要原因。我们往更高层级看一看其架构变化。在多年前的Rogue架构分享中，Imagination曾有一度将每个USC（Unified Shading Cluster）算作一个核心。到A-Series看来，大概已经不能这么算了，因为其性能扩展方式比较“模块化”。2Woesmc

前文谈到的这样一个主体128-wide ALU管线实际就是一个USC。这样一个USC，加上周边的固定功能单元，比如TPU（纹理处理单元）、HSR（隐面消除）、各种针对不同数据的管线（如针对几何数据处理、光栅处理、混合处理等），以及可实现更高层级共享的cache，也就共同组成了一个真正意义上的“核心”，只不过这个核心比较大型。下面这张图就是一个完整的核心，在A-Series的弹性架构中构成真正的、完整的一个IP方案。2Woesmc

2Woesmc

在AXM 8-256方案中，这样的一个GPU“核心”内部有一个ALU簇（即一个USC），一个TPU纹理处理单元，以及其他专用单元。而在更高配置的AXT 16-512产品中，一个“核心”则包含了两个128-wide的ALU簇（达成每个时钟周期512次浮点运算），两个TPU（达成每个时钟周期采样16个双线性过滤texel）。2Woesmc

作为对比，Mali G77标称每个时钟周期 64 FLOPs、2 texels，也就是说一个AXM 8-256核心就相当于8个Mali G77核心的性能水平。这其实也表明了Mali仍在走GPU的小核心、多核心路线，而Imagination在走宽核心路线。2Woesmc

2Woesmc

而如果是性能更高的AXT 32-1024，就是将这样一个GPU核心“复制”一份，实现性能翻番；那么达到最高配的AXT 64-2048实际上就是四个这样的核心。与此同时，针对各种单元的调度和监控，有一个小型的固件处理器（firmware processor），这一点将在后文中进一步提及。2Woesmc

Beets说这样的弹性架构，可以方便地选择性能提升，或者通过减少并行管线、纹理单元的方式，实现符合自身应用所需的配置。2Woesmc

2Woesmc

尤为值得一提的是，他特别列举了各种操作类型在流经GPU时的全套逻辑。比如上面这张图就是几何图形处理过程（geometry processing flow）的例子，绿色模块表示的是需要处理这些数据和操作所涉及的模块，箭头则表示整个流程方向：GPU获取到内存中的命令结构，Geometry Data Master首先检查内存中的命令队列，获取命令并将工作负载推到GPU内部；随后读取几何图形，各种各样的三角形就会填充到cache中，再进入几何图形管线（geometry pipeline），之后流经ALU，返回的结果还需要进入到Tiling Engine（因为Imagination的GPU IP是典型的Tile-based Rendering基于块渲染的架构），将这些三角形转换至应用于屏幕不同的tile区域，最终输出到内存。[!--empirenews.page--]2Woesmc

2Woesmc

不同类型的操作，整个流程及涉及的模块会有差别，比如像素处理对应3D Data Master，后续要做隐面消除、计算像素渲染等；还有比如一些内部操作（housekeeping operations）、2D操作等等。上图是像素处理流程（Pixel Processing Flow），以紫色示意。2Woesmc

全栈并发的HyperLane技术

以上提到的这些各类别操作，可以通过一种名为“HyperLane”的技术做硬件级并行，这也是Imagination这次随同A-Series GPU IP发布的一种技术。这种技术对内存做完全隔离，多任务同时提交给GPU，实现GPU的多任务执行，或者说GPU硬件的“全栈并发”。典型的比如说图形计算和AI计算同时进行。2Woesmc

2Woesmc

实际针对前文提到的各种不同类型的操作，HyperLane可将GPU的所有任务负载切分成（subdivide）几份，这其中不仅包括了物理层面的隔离切分（模块层面的并发），还包括按照时间切分做负载资源切换。不同的Data Master可以同时保持活跃状态，在整个GPU硬件资源之间进行动态的工作执行，每个时钟周期不同的模块可以执行不同的任务，ALU可以做Compute操作、像素操作、几何图形操作、2D操作等。2Woesmc

2Woesmc

多种颜色表示HyperLane激活的多种操作正在同时进行2Woesmc

另外，HyperLane还有优先级机制，Evans说：“比如有客户希望，在同时执行任务的时候，确保图形计算性能不会受到AI工作负载的影响，那么就可以调高图形计算优先级，即便芯片正在处理复杂的AI任务，图形性能也能被保护起来。”这部分操作需要借用到这次IP架构中的固件处理器（即前文提到的firmware processor）。2Woesmc

HyperLane技术包含了动态的8路切分（eight way split/multi-tasking），也就是至多8条hyperlane。“所有工作同时进行，在硬件层面完整隔离和实现虚拟化，硬件级别的高级调度机制实现灵活性。”2Woesmc

HyperLane的一个副产品是内容保护，每条hyperlane都是隔离的，彼此之间的内容就能实现隔离。Evans说：“比如有个流视频应用，带DRM，那么内容在整个GPU中都是完全隔离起来的，在多任务环境中受到保护。”这也算是种安全防护方案了。2Woesmc

2Woesmc
Imagination PowerVR产品管理和技术营销高级总监Kristof Beets2Woesmc

更多架构变化

我们认为，这次GPU IP改进中的一个亮点应该就是前文多次提到的固件处理器（firmware processor）了（似乎还是RISC-V架构）。即GPU内部有个小型的微控制器，它位于全局最高层级，完全可编程，以实现GPU整体任务执行的灵活性。“相关数据流、执行、优先级等各种GPU内部的活动，任何事件、任何决策，都通过固件处理器来控制和决定。这样一来就大大减轻了CPU的工作，而且还更有弹性。”2Woesmc

2Woesmc

一般来说，GPU的这部分工作是由CPU驱动执行的，而Imagination则把这个活儿揽到了自己手里。这项改进似乎在Imagination的宣传中成效还挺大。典型的就是它能够应用于GPU更好的DVFS调节（动态电压平率调整）——这项工作原本是由内核GPU驱动负责的（所以以后驱动更新都是写入到这枚处理器固件中？）。Beets提到：“固件处理器能够全面感知GPU核心中发生的一切，这对于调度机制很有帮助，它甚至可以用来帮助开发者理解，如何获得GPU的更多性能。”2Woesmc

“如果我们能够了解GPU的工作调度、优先级，查看所有的参数，那么就能够知道何时需要更高的频率，或者可以在某个时间点降低频率。为此，我们的固件中有大量直接的GPIO信号回写，针对功耗控制做同步。GPU直接写回给系统到底发生了什么，这比CPU快多了。这样一来就能实现更出色的DVFS算法，可了解工作负载甚至预测所需的频率。”[!--empirenews.page--]2Woesmc

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。”2Woesmc

2Woesmc

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。2Woesmc

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。”2Woesmc

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。”2Woesmc

2Woesmc

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。2Woesmc

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。2Woesmc

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。2Woesmc

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。2Woesmc

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。2Woesmc

2Woesmc

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。[!--empirenews.page--]2Woesmc

2Woesmc

Evans勾勒了来年的产品路线图，2020年是B-Series，2021年C-Series，包括2022年的D-Series，要比今年的A-Series性能提升90%。光线追踪架构也即将到来，“我们也在开发新领域的图形计算方案，围绕光线追踪（ray tracing），移动领域的光线追踪架构，作为技术做授权方案，未来我们很快在GPU中引入光线追踪。”2Woesmc

Imagination当前面临的局势并不算很好，尤其是在主流手机SoC制造商普遍倾向于采用自研GPU IP的情况下。Furian架构在推出后就没有在市场上激起火花，这可能是A-Series在较快的时间内出现的原因。至少A-Series的确比过去更理想，也是Imagination很重要的转型之作。2Woesmc

我们在活动现场看到了Imagination的一些合作伙伴前来站台，包括全志科技、睿悦信息、紫光展锐等，看起来Imagination现如今的重要市场已经放到了中国。尤其在获得中资背景以后，其中的合作自然水到渠成，也是在当前国际环境下一个双赢的局面。即便如今的手机市场已经不是当年Imagination叱咤风云的时代了，行业如今的发展重心本来就在偏移，面向更多应用领域的GPU、AI产品却也充满机遇。2Woesmc

点击欣赏更多现场及展品图集2Woesmc