Fermi

2010年3月27日英偉達發布的一個顯示卡架構！

基本介紹

• 中文名：費米
• 外文名：Fermi
• NVIDIA：GF100  GF104  GF106
• 電晶體數：30億個
• 上市時間：2010年

什麼是Fermi

GT200的14億個電晶體曾經讓我們驚嘆，Cypress的21.5億個相比RV770的9.56億個增加了一倍多，而Fermi達到了史無前例的30億個，同樣比自己的上一代翻了一番還多，比對手也多了40%。

英偉達顯示卡架構路線圖

從最高層面上說，Fermi很簡單，無非是512個流處理器，384-bit GDDR5顯存，而深層次的架構我們會在稍後逐一揭曉，不過Fermi至今還停留在紙面上，還不是一款真正的產品，所以型號劃分、時鐘頻率、售價等等都還沒有確定。事實上，直到兩個月前NVIDIA才第一次讓人看到了樣品，最近不久剛剛獲得可以正常工作的晶片，正式發布至少要到2009年底，而全面上市就是2010年第一季度的事兒了。

Fermi為什麼這么晚？NVIDIA產品行銷副總裁Ujesh Desai說了一句：因為設計這么大的GPU實在是太難了。

AMD用RV770核心給NVIDIA好好上了一課，龐大而沉重的GT200失去了反擊之力，CUDA、PhysX這種對手所沒有的功能特性於是成了宣傳重點。

作為GeForce業務負責人，Ujesh Desai願意承擔責任，並承認在GT200時代嚴重失策。根據RV670 Radeon HD 3800的表現，NVIDIA推測其繼任者的性能也不過爾爾，但RV770的表現大大出乎意料，而GT200定價過高，最終導致了一夜之間暴降千元的悲劇。

NVIDIAGPU工程副總裁Jonah Alben沒有把責任都推到Ujesh身上，承認自己在工程上也有失誤。GT300從一開始就應該採用新的55nm工藝，但NVIDIA在130nm NV30 GeForce FX被150nm Radeon 9700 Pro大敗之後趨於保守，最後一次使用了65nm工藝，最終成就了一個面積龐大、功耗超高的巨無霸。

雖然40nm工藝進程依然稍微落後於對手，但NVIDIA不會在同一條河裡摔倒兩次，沒有在Fermi上沿用55nm，否則又是一顆無法接受的大晶片。

不過NVIDIA暫時還沒有透露Fermi的具體大小，只能估計一下。Fermi和Cypress都是40nm工藝，假設核心面積和電晶體數量呈等比例，那么在後者334平方毫米的基礎上，Fermi將是466平方毫米，比576平方毫米的GT200小足足兩成。

儘管AMD的Sweet Point策略讓NVIDIA吃盡了苦頭，不過NVIDIA依然認為最重要的並非首先開發價格較低的小晶片，而是提高大晶片的效率，然後衍生出不同的尺寸和配置規格。期待Fermi的主流版本能在2010年儘快出爐。

NVIDIA相信Fermi在3D遊戲裡會比Radeon HD 5870更快，當然不快也不行，但是如果你只是把Fermi單純地看作是一顆遊戲GPU就錯了，因為它的真正目標是Tesla，是高性能通用計算，是個人和數據中心超級計算機——這就是GT300裡邊那個字母T的含義，它要做一顆通用目的微處理器。

這有點兒像Intel Nehalem架構，確切目標也不是桌面，而是高性能計算伺服器領域，所以新的Xeon處理器才在伺服器工作站上橫掃一片，但遊戲性能並不比Core 2 Quad好多少。

NVIDIA聲稱，要達到同樣的性能，使用CPU就得2000台x86伺服器，總成本約800萬美元，功耗1200kW，而換成GPU只需32台Tesla S1070s系統(如下圖)，成本不過40萬美元，功耗更是僅僅45kW。雖然這裡沒有算上驅動Tesla所需要的伺服器(畢竟GPU不可能完全擺脫CPU)，但這部分占得也不會太多。

Fermi架構解析

1、SP、SM

從高層次上看，Fermi和GT200結構形似，並無太大不同，但往深處看就會發現絕大部分都已經進化。

最核心的流處理器(Streaming Processor/SP)數量大增，還有了個新名字CUDA核心(CUDA Core)，由此即可看出NVIDIA的轉型之意，不過我們暫時還是繼續沿用流處理器的說法。

所有流處理器都符合IEEE 754-2008浮點算法(Cypress也是如此)和完整的32位整數算法，而後者在過去只是模擬的，事實上僅能計算24-bit整數乘法；同時引入的還有積和熔加運算(Fused Multiply-Add/FMA)，每循環運算元單精度512個、雙精度256個。所有一切都符合業界標準，計算結果不會產生意外偏差。

雙精度浮點(FP64)性能大大提升，峰值執行率可以達到單精度浮點(FP32)的1/2，而過去只有1/8，AMD也不過1/5，比如Radeon HD 5870分別為單精度2.72TFlops、雙精度544GFlops。由於最終核心頻率未定，所以暫時還不清楚Fermi的具體浮點運算能力(雙精度預計可達624GFlops)。

G80/GT200都是8個流處理器構成一組SM(Streaming Multiprocessor)，Fermi增加到了32個，最多16組，少於GT200的30組，但流處理器總量從240個增至512個，是G80的整整四倍。

除了流處理器，每組SM還有4個特殊功能單元(Special Function UnitSFU)，用於執行抽象數學和插值計算，G80/GT200均為2個。同時MUL已被刪掉，所以不會再有單/雙指令執行計算率了。

至於SM之上的紋理處理器群(Texture Processor Cluster/TPC)，NVIDIA暫時沒有披露具體組成方式，而且ROP單元、紋理/像素填充率等其它圖形指標也未公布。

2、快取

GT200的每組SM都有16KB共享記憶體，由其中8個SP使用。注意它們不是快取(cache)，而是軟體管理的記憶體(memory)，可以寫入、讀取數據。為了滿足應用程式和通用計算的需要，Fermi引入了真正的快取，每組SM擁有64KB可配置記憶體(合計1MB)，可分成16KB共享記憶體加48KB一級快取，或者48KB共享記憶體加16KB一級快取，可靈活滿足不同類型程式的需要。

GT200的每組TPC還有一個一級紋理快取，不過當GPU出於計算模式的時候就沒什麼用了，故而Fermi並未在這方面進行增強。

整個晶片擁有一個容量768KB的共享二級快取，執行原子記憶體操作(AMO)的時候比GT200快5-20倍。

3、效率

CPU和GPU執行的都是被稱作執行緒的指令流。高端CPU現在每次最多只能執行8個執行緒(Intel Core i7)，而GPU的並行計算能力就強大多了：G80 12288個、GT200 30720個、Fermi 24576個。

為什麼Fermi還不如GT200多？因為NVIDIA發現計算的瓶頸在於共享記憶體大小，而不是執行緒數，所以前者從16KB翻兩番達到64KB，後者則減少了20%，不過依然是G80的兩倍，而且每32個執行緒構成一組“Warp”。

在G80和GT200上，每個時鐘周期只有一半Warp被送至SM，換言之SM需要兩個循環才能完整執行32個執行緒；同時SM分配邏輯和執行硬體緊密聯繫在一起，向SFU傳送執行緒的時候整個SM都必須等待這些執行緒執行完畢，嚴重影響整體效率。

Fermi解決了這個問題，在每個SM前端都有兩個Warp調度器和兩個獨立分配單元，並且和SM其它部分完全獨立，均可在一個時鐘循環里選擇傳送一半Warp，而且這些執行緒可以來自不同的Warp。分配單元和執行硬體之間有一個完整的交叉開關(Crossbar)，每個單元都可以像SM內的任何單元分配執行緒(不過存在一些限制)。

這種執行緒架構也不是沒有缺點，就是要求Warp的每個執行緒都必須同時執行同樣的指令，否則會有部分單元空閒。每組SM每個循環內可以執行的不同運算元：FP32 32個、FP64 16個、INT 32個、SFU 4個、LD/ST 16個。

4、並行核心(Parallel Kernel)

在GPU編程術語中，核心是運行在GPU硬體上的一個功能或小程式。G80/GT200整個晶片每次只能執行一個核心，容易造成SM單元閒置。這在圖形運算中不是問題，通用計算上就不行了。

Fermi的全局分配邏輯則可以向整個系統傳送多個並行核心，不然SP數量翻一番還多，更容易浪費。

應用程式在GPU和CUDA模式之間的切換時間也快得多了，NVIDIA宣稱是GT200的10倍。外部連線亦有改進，Fermi支持和CPU之間的並行傳輸，而之前都是串列的。

5、ECC支持

AMD Cypress可以檢測記憶體匯流排上的錯誤，卻不能修正，而NVIDIA Fermi的暫存器檔案、一級快取、二級快取、DRAM全部完整支持ECC錯誤校驗，這同樣是為Tesla準備的，之前我們也提到過。

很多客戶此前就是因為Tesla沒有ECC才拒絕採納，因為他們的安裝量非常龐大，必須有ECC。

6、統一64-bit記憶體定址

以前的架構里多種不同載入指令，取決於記憶體類型：本地(每執行緒)、共享(每組執行緒)、全局(每核心)。這就和指針造成了麻煩，程式設計師不得不費勁清理。

Fermi統一了定址空間，簡化為一種指令，記憶體地址取決於存儲位置：最低位是本地，然後是共享，剩下的是全局。這種統一定址空間是支持C++的必需前提。

GT80/GT200的定址空間都是32-bit的，最多搭配4GB GDDR3顯存，而Fermi一舉支持64-bit定址，即使實際定址只有40-bit，支持顯存容量最多也可達驚人的1TB，目前實際配置最多6GB GDDR5——仍是Tesla。

7、新的指令集架構(ISA)

下邊對開發人員來說是非常酷的：NVIDIA宣布了一個名為“Nexus”的外掛程式，可以在Visual Studio里執行CUDA代碼的硬體調試，相當於把GPU當成CPU看待，難度大大降低。

Fermi的指令集架構大大擴充，支持DX11和OpenCL義不容辭，C++前邊也已經說過，現在又多了Visual Studio，當然還有C、Fortran、OpenGL 3.1/3.2。

Fermi 1.0

GF100

2010年3月27日，nVIDIA發布了兩款基於Fermi架構的DircetX 11桌面級顯示卡：GTX 480、GTX 470。GTX480在單卡單芯領域可以壓制大多ATI/AMD產品。不過，差距不大。它在一些優勢項目中性能直逼HD5970，向世人首次展示了Fermi架構的強大。不過，這位初代旗艦卡問題不是一般的多，同時，也是GF100核心的通病。

1、發熱問題：公版的GTX 480是配發的是一個巨型的渦輪風扇散熱器（雖然這類散熱器性能卓越，同時也帶來了巨大的噪音問題）。然而，即使是巨型的渦輪風扇散熱器依然無法壓制GTX 480炙熱的心，Fumark拷機測試中輕鬆超過90℃的發熱量讓人咋舌。

2、核心問題：GTX 480除了是一個發熱大戶，同時也是業界第一個被閹割的旗艦產品。因為，台積電不成熟的40nm工藝，造成了桌面顯示卡史上第一個被閹割的旗艦。本來的512個CUDA核心被閹割成了480個。同時，從G80時代的MIMD設計雖然效率很高，卻需要大量電晶體。因為以上原因GTX480變成了擁有32億個電晶體的巨型GPU。由於工藝問題，核心的良品率和漏電問題一直困擾著nVIDIA的工程師們。

GTX 480使用的GF100核心

3、供電問題：公版的GTX 480在Fumark拷機測試中跑出466瓦的“強勁”數字。為了取保核心供電問題，公版設計上採用了6+2項供電模組和8pin+6pin外接供電口。

隨後發布的GTX 465依然存在這些問題。這也是人們不禁開始懷疑這nVIDIA的Fermi的真實性能，會不會是一個高技術的幌子。

GF100的設計方式就是將滿規格Fermi的4個GPC中得一個閹割掉一個SM就成了GTX 480

GF104

雖然旗艦們擁有強勁的性能。但是，功耗和發熱問題一直困擾著GF100軍團，面對早已展開防線的HD 5000系列，GF100還是有些力不從心。就在N卡用戶陸續轉投A卡陣營，獨立顯示卡出貨量歷史性的出現N：49%，A：51%超於。

nVIDIA公版GTX 460

就在這個危機時刻，2011年7月12日，nVIDIA發布里一款確切說是兩款基於GF104的GTX 460。由於，第一批GF100的Fermi架構GPU表現不盡人意，這個閹割版的GF100是個普遍不被看好這個閹割馬甲版的產品。

但是，結果卻在2年來沒什麼大動靜的圖形界引起了一場不小的地震。就測試結果來看，高端1GB 256bit版的GTX460不但能完全壓制HD 5830，在超頻後擁有挑戰HD 5850實力。而，縮水版的768MB 192bit版

又以接近HD5770價位完全壓制後者並能超頻後於HD 5830一戰。一夜之間，網路上頻繁出現“GTX460秒殺A卡全家的言論”。Q3的獨立顯示卡出貨量也是達到了驚人的N:V=7:3

GF104

GF104之所以能夠在ATI/AMD產品早已完成陣線，旗艦產品不給力的情況下完成這個大逆轉。是因為，GF104精簡掉了對3D遊戲能力幫助不大的L2快取和取消部分並行計算單元，在GF100的基礎上進一步最佳化核心漏電問題。一舉解決了，Fermi=烤爐的定律。一線廠商獲得的高質量核心能夠輕鬆超頻900MHz甚至更高。

為了解決這個塊硬骨頭AMD方面加緊了Barts核心的研發進度，還將HD 5830的價格降至GTX 460的水平。足見GF 104的強勁實力。

完整的GF104的設計方式是將GF100的單個GPC的128個CUDA核心擴張成192個，再將兩個擴張版的GPC的其中一個閹割掉1個SM。隨水版本略有不同。

GF106

2010年9月13日，nVIDIA發布了基於GF106的GTS 450。這意味著，已經同A卡苦戰長達近3年的G92終於能夠榮歸故里了。

基於的GF106架構產品共有2款一款是GTS 450海外 低頻版，一款是GTS 450大陸特供的高頻版。讓大陸玩家首次體會到被照顧了。

GF106的設計方式就是將GF104的兩GPC閹割成一個，其他不變。

GF108

第4梯隊的GF108核心共有款產品：GT 440和GT 430。但是，GT 440並沒有重現GT 240的輝煌。這主要和這兩款產品定位有關係。GF108主要重點是給用戶提供通用計算和音視頻解碼，而不是單純的遊戲性能。

GF108

GF108的設計方式是將GF106的規格減半。