GPU如何工作：PowerVR/高通Adreno/ARM Mali的渲染模式分析

　　在渲染片元的時候，GPU先比較最粗糙版本的Z-buffer。如果要畫的片元Z值還比較遠，那這個片元就一定不用畫出來了。如果它比較近，就再拿比較細的Z-buffer來比較，一直比較到最細的版本。在理想的情形下，通常大部分的片元都不需要比較到最細的版本，所以可以節(jié)省不少時間(要記得，一個“粗糙”版的Z值比較，其實就等于和四個“精細”版的 Z 值比較)。

　　相較之下，PowerVR的TBDR會在幾何階段的三角形裁剪后將當前 scene(場景或者說畫面)的三角形經(jīng)過篩選排序存放在scene buffer 內(nèi)，然后由 HSR(隱面消除)算法將攝像機視點不可見的片元剔去掉，這部分實現(xiàn)細節(jié)已經(jīng)在PowerVR一節(jié)中有闡述，這里就不再復(fù)述了。

　　按照高通的說法，Adreno從3xx系列采用了名為FlexRender的渲染架構(gòu)，可以自動在立即渲染和TBDR之間切換，而且這個TBDR的執(zhí)行過程和PowerVR TBDR是基本一樣的(同樣有對三角形進行binning和剔除無效片元的處理)：

　　所以從微架構(gòu)方面而言，高通透露的信息并不多，只能看到個大概，以驍龍820搭配的Adreno 530為例，采用了統(tǒng)一著色架構(gòu)和FlexRender，配有256個ALU，支持DirectX 12.1、Vulkan、OpenCL 2.0。

　　采用驍龍820(搭載 Adreno 530)的小米 5(價格1999元版本))在運行OpenCL-Z的FP32 性能測試結(jié)果是287 GFLOPS，相較之下，價格799元的紅米Note 2(Power VR 6200)只有44 GFLOPS，前者是后者性能的6.52倍，當然，這個測試只是屬于底層測試，實際的游戲體驗因人、因應(yīng)用而異。

　　安謀Mali——弱核化設(shè)計

　　安謀(ARM)最為人熟知的是旗下的各款 ARM CPU內(nèi)核，目前的主要手機幾乎都是采用ARM 陣營的CPU。

　　ARM的GPU Mali是ARM在2006年收購的挪威公司Falanx獲得的，源起于是90年代由ARM在挪威科技大學(xué)支持的的項目，到了2001年由Borgar Ljosland與四位在該項目中的GPU團隊學(xué)生于2001年創(chuàng)辦了這家Falanx Microsystems。

　　Falanx最初是希望打進臺式機市場，不過隨著3dfx、Matrox等公司的萎靡、敗退，臺式機GPU市場的格局發(fā)生了很大的變化，不再有空間給新丁了，F(xiàn)alanx轉(zhuǎn)向了從事手機、PDA、機頂盒、游戲掌機、信息機等領(lǐng)域，不過他們當時在這個領(lǐng)域其實做得并不算很出色，ARM的收購對他們來說是一個重要的轉(zhuǎn)折點。

　　ARM收購Falanx推出的第一款GPU就是2007年的Mali-200，是Mali第一款OpenGL ES 2.0 GPU，它和它的換代型號Mali-300、Mali-400、Mali-450都是基于名為Utgard(北歐神話中Utgard-Loki統(tǒng)治下約頓巨人位于仙宮與塵世之外的宮殿)的微架構(gòu)。Utgar采用的是非統(tǒng)一架構(gòu)，頂點指令和像素指令有各自專門的單元來執(zhí)行，到了Mali-400時候?qū)崿F(xiàn)了多核能力。

　　Mali最新的微架構(gòu)代號是Midgard，和Utgard不同的是，Midgard開始采用統(tǒng)一著色架構(gòu)，幾何和片元操作指令都在同一個著色器單元上執(zhí)行。

　　Mali同樣采用了分塊式渲染(塊元大小是16x16)，但是根據(jù)下面這個幻燈片，可以看到其scene buffer或者說primitive buffer保存的圖元順序必須和程序遞交的順序保持一致(畫紅線部分)，不存在PowerVR那樣的篩選(sorting)動作。

　　因此如果按照ImgTec的說法 Mali并不能算是真正的TBDR，當然，它還是具備 Early-Z這樣的隱面消除能力，只是粒度上肯定不如PowerVR那么細(PowerVR自稱其HSR能力為pixel perfect)。

　　在渲染流程方面，Mali或者說Midgard和目前你看到的大多數(shù)GPU做法有些不一樣，那就是作為統(tǒng)一渲染架構(gòu)，它可以在同一時間里同時對幾何和片元進行渲染操作，而其他的GPU在同一時間里要嘛就是幾何計算要嘛就是片元計算：

　　如上圖所示，你可以看到Mali可以在同一時間片上同時進行幾何和片元操作，這表明Mali內(nèi)部的任務(wù)調(diào)度設(shè)計非常靈活，原因請看下面的介紹。

　　上圖是Mali的著色器內(nèi)核(Shader Core)功能模塊圖，可以看到，如果圖示的確是正確的話，那么這個著色器內(nèi)核里面可謂是五臟俱全，本質(zhì)上就是一個小 GPU，圖形渲染所涉及到的操作都能在一個 Shader Core 上完成，因此配有多個Shader Core的Mali可以做到在同一時間內(nèi)跑幾何和片元處理，多個Shader Core的Mali GPU其實就是一個片上多GPU并行渲染系統(tǒng)。

　　其實其他廠商尤其是采用TBR的GPU可以像Mali這樣片上多核運行多個Tile，但是Mali GPU的特別之處是它的內(nèi)核內(nèi)部是沒考慮擴展的，至少目前是這樣。像ImgTecPower VR XT7等其他廠牌的GPU內(nèi)部的CU數(shù)都是具備延伸能力的，而Mali GPU則對不起，不管什么型號的Mali GPU，上面的Tri-Pipe 都是固定的一個，這就是所謂的“完整的弱內(nèi)核”設(shè)計。

　　從OpenCL的角度而言，每個Mali內(nèi)核都是一個CU，只能以多個Partition(分區(qū))的方式實現(xiàn)規(guī)模擴張。而像PowerVR則是既可以多個CU 也可以多個Partition的方式實現(xiàn)規(guī)模上的性能延伸。

　　值得一提的是，Mali-T880的Tri-Pipe，這其實就是Mali的可編程渲染/計算單元，其中包含了紋理(T-Pipe)、內(nèi)存指令(LS-Pipe)和算術(shù)邏輯(A-Pipe)單元三部分，在Mali-T880之前，Tri-Pipe的算術(shù)邏輯單元大都只有兩個，而在Mali-T880上，Tri-Pipe 的算術(shù)邏輯單元增加到了3個，使其計算能力提升了50%。

　　Mali相對于目前大多數(shù)其他廠商GPU的另一個區(qū)別要點是它的A-Pipe采用了SIMD向量處理設(shè)計，寄存器能夠像目前CPU的SIMD單元那樣靈活地拆分成2xFP64、4xFP32、8xFP16、2xInt64、4xInt32、8xInt16、16xInt8等數(shù)據(jù)類型訪問。

　　按照ARM的說法，Mali的算術(shù)ISA 用了SIMD + VLIW的設(shè)計：

　　三個向量單元(128-bit數(shù)據(jù)路徑)

　　4路FP32或者8路FP16

　　16路Int8

　　兩個標量單元(32-bit數(shù)據(jù)路徑)

　　按照ARM官方博客的一篇文章，Mali-T760的每條A-Pipe單周期單精度計算性能是17FLOP，從上圖來看，VMUL和VADD以及SADD、SMUL的FLOPS是應(yīng)該是10個，余下的7個就是那個VLUT。

　　LUT的含義并不是很清楚，也許是查表(Look-up Table)的含義，不過這樣的話，我覺得似乎不太適合將其歸入到人們常說的通用計算性能指標里，即使其使用的是VLIW指令集。

　　所以我覺得每條A-Pipe的單精度性能應(yīng)該視作每周期10個比較合適。對于Mali-T880MP16來說，在 650MHz 時候的單精度性能應(yīng)該是312 GFLOPS，同理，Mali-T760MP8的單精度浮點性能應(yīng)該是104 GFLOPS，當然這只是我的個人意見。

　　LS-Pipe執(zhí)行的是和紋理無關(guān)的內(nèi)存存取動作，例如幾何/片元處理時候的屬性讀取和變量寫入操作。通常而言每條指令就是一次內(nèi)存訪問操作，如果是 A-pipe的向量操作就是單指令Vec4操作。

　　雖然ARM Mali并非TBDR，不具備在進入塊元渲染之前透過篩選將無效的片元剔除掉，但是它的某些型號具備名為Forward Pixel Kill(正向像素剔除，簡稱FPK，見上面Mali-T880 Shader Core架構(gòu)圖中Early-Z后接的就是FPK單元)技術(shù)。

　　具備這個技術(shù)的GPU所跑的線程不再是不可撤銷的，如果發(fā)現(xiàn)稍后的線程要向相同像素位置寫入不透明數(shù)據(jù)，就會將已經(jīng)在進行的計算終止掉。由于每個像素需要花費一段時間才能完成，因此 FPK可以有一個時間窗口來排空流水線中已有的無效渲染片元。

　　按照ARM的說法，這個FPK技術(shù)在最適中的流水時間窗口下所能達到的消除無效渲染效果可以和PowerVRTBDR w/HSR媲美，而且無需對整個畫面的三角形進行篩選、無需在程序里添加篩選代碼、能夠?qū)Π胪该鲗ο髮嵭姓_處理、不會對幀率產(chǎn)生突變影響。

　　上面這個表格是維基百科上的Mali各型號規(guī)格表，其中的單精度指標是包括了那個VLUT的。

　　目前市場上大多數(shù)采用Mali的中端SoC都還是基于Mali-4XX系列，按照 ARM的說法，目前有75%的數(shù)字電視、超過50%的Android平板電腦、大于35% 的智能手機采用了Mali GPU。

　　例如小米電視3就采用了Mali-T760MP4這個GPU，三星去年的旗艦產(chǎn)品Galaxy S6、Galaxy S6 Edge都有采用Mali-T760，我手頭有一臺支持智能卡的電信T6有線電視機頂盒，搭配的是全志的SoC，其中的GPU也是ARM Mali-400MP，所以這個看上去有點古怪(完整的弱內(nèi)核設(shè)計)的GPU在市占率方面Mali已經(jīng)取得了相當不錯的成績。

　　三星Galaxy S6采用的Mali-T760MP8名義頻率是772MHz，理論單精度性能是123.5 GFLOPS(按照每個算術(shù)流水線里包含兩個4 路FP32 SIMD和兩個 FP32標量來統(tǒng)計，未將那個相當于7個FLOPS 的VLUT或者說 SFU 單元計算在內(nèi))，3DMark Ice Storm Unlimited 得分是 20988 ，而采用PowerVRGT7600的iPhone 6s Plus 3Dmark Ice Storm Unlimited 結(jié)果是27811，基本上符合123.5 GFLOPS vs 172.8GFLOPS (按照iPhone 6s Plus的GT7600頻率為450MHz時計算出的單精度性能為172.8 GFLOPS)的差距。

　　我們相信，在新的一年里將有機會看到Mali-T8xx系列初露崢嶸，原因是Mali的完整弱內(nèi)核比較便于隨意搭配，新內(nèi)核帶來的規(guī)格、性能提升也可以為新應(yīng)用帶來更好的用戶體驗。

　　結(jié)語

　　在這篇文章里，我們介紹了三個常見的智能設(shè)備或者說手機/平板電腦的GPU，涉及到的知識面相對坊間的大多數(shù)文章而言要更深入一些，例如ImgTec的PowerVR、高通的Adreno、ARM的Mali雖然都屬于TBR，但是具體的實現(xiàn)卻有著各自的特色。

　　ImgTec的PowerVR是三個TBR架構(gòu)中歷史最長的，也是10年GPU大戰(zhàn)中少數(shù)幸存下來并且活的還比較滋潤的廠商之一，PowerVR在TBDR方面擁有非常豐富的實作經(jīng)驗，憑借 TBDR 的高能效比特點，在移動設(shè)備中站穩(wěn)了腳跟，成為包括蘋果在內(nèi)眾多手機廠商選擇的GPU方案。

　　高通的 Adreno 從3xx系列開始引入了名為FlexRender的渲染技術(shù)，能動態(tài)在IMR和TBDR渲染模式之間切換，前者可以在兼容性、響應(yīng)時延方面提供最佳的保證，而后者可以在性能耗電比方面達到更佳的體驗效果。

　　Mali的渲染架構(gòu)相對簡單，屬于TBIMR，也就是分塊式立即渲染，對遞交的三角形順序不作篩選處理，分塊的主要目的是節(jié)省帶寬，不過它的某些型號具備名為 Forward Pixel Kill的技術(shù)，能夠隨時停掉“預(yù)見”到的無效像素(線程)的渲染，號稱可以達到媲美PowerVR TBDR 的效果。同時，Mali采用了“完整弱GPU內(nèi)核”(相對于其他廠商的“完整可延伸GPU內(nèi)核”而言)設(shè)計，內(nèi)核中的渲染單元不能擴展，性能的規(guī)模延伸是透過增加內(nèi)核數(shù)來達到。

　　我們在本文中沒有對NVIDIA的GeForce ULP和Intel的GenX進行介紹，不過它們其實基本上就是同架構(gòu)的臺式機版本的規(guī)模縮減版，當然，由于針對的移動設(shè)備，其中還有一些省電措施，遺憾的是，這兩家廠商的GPU雖然性能不錯，但是在手機市場上由于各自自身的因素而缺乏整機廠商的支持。

　　所以，本文從一開始就不打算透過這篇文章來影響讀者的購買意向，這只是一篇有科普性質(zhì)的文章，盡可能地較少功利的因素，但求看起來資料盡可能詳細有趣同時又能增加一些見識就行。