《中无通讯》第68期 文︰ 世界网络 www.linkwan.com 林和安 小洛夫
看个笔者这个题目，大家也许会感到十分惊讶。因为近年来各大媒体均大力吹嘘GPU运算能力一日千里，加上各种支援GPGPU运算的软件陆续登场，超级计算机市场上早已是GPU的天下，而且在桌面计算机及智能手机市场也计划陆续支援GPU加速功能，使GPU在计算机重要性不亚于CPU，笔者凭甚么说CPU会反过来取代GPU呢? 原来，Intel与AMD针对于CPU架构不足，早于数年前已从事新一代指令集及微架构之研发，锐意提升CPU浮点性能，相关产品更已陆续登场，又会为市场带来怎样的改变呢？
回顾GPU走上巅峰的日子
GPU的主要应用是游戏市场，何以发展至今天无所不能呢？不如先让我们回顾一下GPU的发展进路。
GPU全名Graphics Processing Unit，中文解作图像处理单元，因为NVIDIA认为GPU提升强大，部份甚至是不依赖CPU的独立运算性能，非过往2D/3D图形芯片可比。公认的GPU始祖为NVIDIA于1999年推出的GeForce 256。这颗GPU最大的特点是整合了T & L(Transform and Lighting)功能，使GPU可以提供强大的几何并改进光影表现。而以往这些功能主要由CPU负责的，自此GPU的重要性大大提升。另一方面，NVIDIA是一家野心勃勃的公司，他们并不满足于游戏市场。在2001年发布的GeForce 3，改用编程的着色器(Programmable Shaders)设计，自此GPU具有一定的可编程功能而非过去固定设计，使用上更有弹性，只待合适的开发平台，即可开发出各种采用GPU加速软件。终于在2004年，由美国的史丹佛(Standford University)开发出Brook 这款为GPU而设的计算机语言。随后在2006年AMD及NVIDIA分开提供了CTM及CUDA开发平台，而2008年发布的OpenCL更是由多家IT巨擘提倡的跨平台API界面，自此GPU终于步入超级计算机的平台。2009年11月中国发布的天河一号超级计算机，即凭借5,120颗Radeon 4870 X2 GPUs的威力成功位列世界500超级计算机第5位(http://www.top500.org/lists/2009/11/)，并于2010年11月凭借7,168颗NVIDIA Tesla M2050 GPUs的威力位列世界500超级计算机第1位(http://www.top500.org/lists/2010/11/)，既向世界展示了GPU的威力也为我国之光。只是GPU的成功最终吸引了CPU的反击，此仍市场之必然定律。
公认GPU的始祖—NVIDIA GeForce 256
我国的天河一号及天河1A超级计算机让大家认识到GPU的威力
AMD SSE5指令集: 加入GPU功能的尝试
2006年AMD收购了ATI，自始致力于推动CPU与GPU的整合产品—APU。然而随了开发APU产品外，AMD也把GPU的技术尝试引入CPU去，这便是发布于2007年8月的SSE5指令集。
SSE5指令集虽然最后没取得成功，但其理念却被Intel AVX/2所吸收并加入新的优化。其中一项名为FMA (Fused Multiply-Add)技术，更可提供2倍峰值浮点性能。FMA即乘法及加法融合指令，以计算(a x b) +/- C为例，由于合并了乘法及加法指令，使原来需2次操作变为1次操作，令浮点性能得以提升一倍。FMA指令已随AMD在2011年发布Bulldozer核心的FX处理器而面世，名为FMA4指令。不过因为FX处理器采用单模块双核心设计，由两颗处理器共享一组资源而使性能强差人意，所以未受市场上太大的注意。不过随着Intel AVX2指令集支援FMA指令，并成为新一代Haswell架构处理器的标准功能，FMA技术再次获得市场注意。
Intel版的FMA指令名为FMA3，从功能来说，FMA(3)与FMA4相当，但以FMA4使用弹性较大，而FMA3更易在硬件层面上实现。以d = a + b x c为例，FMA4容许a,b,c及d使用不同的registers，在编程方面更有弹性，而FMA3要求d使用与a,b或c相用的register，可减少code的长度，从而更易在硬件上实现。所以从编程的角度来看FMA4无疑较佳，不过因为Intel的影响力远比AMD大，加上AMD已在新一代Piledriver加入FMA3功能，所以x86处理器目前主要使用FMA3指令为主。
AMD SSE5指令集虽然失败，但却提供浮点性能的理念却保存下来
Intel Haswell有望提供1TFOPS浮点性能
虽然AMD Bulldozer是第一个支援FMA指令集的CPU架构，但因为两个CPU核心共享一组256bit FMA，所以效能跟没有FMA指令的Intel Sandy Bridge/Ivy Bridge架构的256 bit AVX addition + multiplication不会有太大的分别。然而Intel新一代的Haswell已改用2组256bit FMA，有望刷新CPU浮点性能的新纪录。
现在让我们看看Intel新一代Haswell核心在配合含FMA3指令下可以提升多高的浮点性能。以下是Intel自Core 2到Haswell架构，FP性能的比较表，大家可以见到从Core 2/Nehalem架构到Sandy Bridge/Ivy Bridge架构，再到Haswell架构，每代均有2X FP性能的提升。假设是一颗8核心Haswell处理器，在4GHz工作时脉下会有 4000MHz x 8 cores x 32 SP FLOPs/cycle = 1.024 TFLOPS的Single Precision FP性能，即使是Double Precision FP也有4000MHz x 8 cores x 32 SP FLOPs/cycle = 512GFLOPS，十分可观。若果与Radeon HD 7970 GHz Edition的4.096 TFLOPS，相比的话，CPU仅及GPU的1/4，但算上Double Precision FP的话，Radeon HD 7970 GHz Edition只有1TFLOPS，CPU与GPU性能差距缩小至1/2。Double Precision FP因为提供更高的精度关系，目前重要性正不断提供，因为架构的不同，CPU的Double Precision FP一般是Single Precision FP的一半，而GPU只有高阶型号才能够提供Single Precision FP的1/3或1/4性能，主流型号仅有1/16性能，难对CPU维持绝对优势。
Intel Xeon Pil成为最新超级计算机第1名
虽然Intel新一代Haswell处理器并没有击败GPU，但Intel以x86技术打造的Xeon Pil协处理器，因使用多颗小型x86核心而使性能大大提升，最近成功击败GPU组合连续2季(2013年6月及11月)成为TOP500超级计算机第一名。
2013年6月公布TOP500超级计算机中(http://www.top500.org/lists/2013/6/)，第一名的宝座由中国天河二号夺得。它采用了Intel Xeon E5-2692 处理器+ Intel Xeon Phi 31SP协处理器的组合，创下54,902.4 TFLOPS/s的浮点性能，领先第二名美国Titan-Cray XK7的27,112.5TFLOPS/s。而后者所采用的是AMD Opteron 6274处理器 + NVIDIA K20x GPU，很有CPU重新超越GPU的意味。不过问题是Intel把Xeon Pil造成一片独立的加速卡，它还算不算是CPU呢？另一方面，AMD与Intel最近为旗下的CPU整合GPU，这种名为APU的CPU还算不算是CPU呢？似乎CPU与GPU的分别越来越模糊呢？
当今第一超级计算机采用了Intel Xeon E5-2692 处理器+ Intel Xeon Phi 31SP协处理器的组合
第二名超级计算机是采用AMD Opteron 6274处理器 + NVIDIA K20x GPU的组合
Intel Xeon Pil协处理器外形有如显示卡，还算不算是CPU呢
AMD APU还算不算是CPU呢
结论︰GPU的优点及CPU所吸收了
本文的目前，并没有否定GPU的价值。相反GPU的优点正逐渐被CPU所吸收，这表现在新一代指令集仿傚了GPU的高浮点性能平衡运算，以及CPU整合GPU的APU产品。对于业界来说，GPU与CPU各有所长，互补不足，新一代的OpenGL 1.2, OpenGL 2.0以及NVIDIA CUDA 6，都加入了GPU + CPU同时运算功能。狭义的GPU正逐渐消失，广义的GPU有如旭日初升。