英伟达安培架构浅析

由于疫情的缘故，GeForce RTX 30系列发布会被改在了黄仁勋家的厨房，但不能改变全球男孩子一夜之间为其疯狂。首发的三款产品包括了GeForce RTX 3090、GeForce RTX 3080和GeForce RTX 3070，基于安培Ampere架构以及三星8nm工艺优化而来，再实际测试解禁之前，参数上的变化就足以让人激动，曾经的消费卡皇GeForce RTX 2080 Ti甚至被甩开了数条街。

相对GeForce RTX 2080 Ti的图灵Turing架构，GeForce RTX 3090的安培Ampere架构究竟带来了什么样的改变？英伟达是如何针对游戏、光线追踪、响应乃至读写调教了这颗GA102核心？在测试解禁和白皮书放出之前，我们有幸参加了NVIDIA的架构解析会，这里不妨先从芯片架构入手，走马看花的了解一下这块能让男孩子们都哭了的芯片。

GA102：会游戏的安培

GeForce RTX 3090性能的明显提升首先源自于这块Ampere GA102核心。在硬件上GA102进行了几项更新，其中最大的改变是在三星8nm工艺定制版本下，晶体管尺寸得到大幅缩小，使得GA102装下更多内容。从整体而言，三星8nm并非时下热门的EUV工艺，而是从10nm改进而来，但得益于三星8nm定制版本的高产量和低成本，才使得GeForce RTX 30系列定价更有亲和力。

这并非NVIDIA第一次定制工艺，图灵Turing架构的12nm FFN本身就是台积电16nm工艺的优化版本，两者之间晶体管密度相同。同样三星8nm定制与三星10nm工艺之间也不会有太大区别，但相对台积电16nm而言，那提升就相当明显了，高达627mm²的芯片尺寸内融入了280亿个晶体管，这使得CUDA的数量成倍增加。

其实稍微了解一点硬件的同学都清楚，如果抛开光线追踪、深度学习超采样DLSS加速内核优化手段，图灵Turing和帕斯卡Pascal的运算性能没有疯狂增加。但安培Ampere不同，在光刻工艺升级之后，因为更多的晶体管数量，即使结构上没有做出太多重大改变，提升相当明显的。

是的，加量是安培Ampere的主题，即便对比Volta，GA102也没有引入RT Core、Tensor Core的全新模块，而是对其功能、大小、数量进行了调整，NVIDIA将其称为第二代RT Core以及第三代Tensor Core。从结论上来看，安培Ampere单个SM就能比图灵Turing SM提供两倍以上数据吞吐的Tensor-TFLOPS。

回到架构本身，GA102相对今年春天发布的NVIDIA A100上的GA100增加了图形功能，但本质上Ampere架构体系不变。NVIDIA重新优化了GA102的计算单元分配，在图灵Turing的基础上引入了新的数据通道、1倍的FP32浮点运算单元，单个SM周期可以完成128次FMA操作，或者256次浮点运算。

更具体的说，在图灵Turing SM中原本用于整数运算的INT32单元变成了FP32 + INT32运算单元，根据需求不同，单元会在FP32和INT32之间切换，这使得FP32单元在使用时成倍增加。

而INT32数量变成FP32的一半其实更符合新游戏对浮点运算的要求，单元之间兼职切换也司空见惯，例如图灵Turing上的INT32就是由浮点运算单元模拟实现的，而《孤岛危机5》中的水面模拟使用精度更低的FP16则是由Tensor Core模拟实现的。

除此之外，L1数据带和纹理高速缓存带宽提升了一倍，容量提升了33%，达到了128KB。

此外加速内核中，第二代RT Core提升2倍三角形求交速度，第三代Tensor Core支持稀疏化矩阵加速，支持2倍的颗粒度稀疏化性能。接下来我们分别对这两个内核进行展开。

第二代光线追踪：流程进化

从目前实现的技术手段来看，光线追踪通过三角形求交测试和结构化加速来实现。其中三角形求交测试是指在层层叠叠无数的三角形中，找到被生成射线击中的那些射线与场景物体交汇点，而后对交汇点进行着色计算。如果利用通用计算单元，需要成千上万个单元一起找茬，在数以万计的三角形中找到正确的那数十个，然后着色。

道理是这么说，如果没有讨巧的方法，恐怕处理完一个实时光线追踪场景需要一辈子。这时候就需要引入一套加速结构算法。简单的说，如果你早餐想吃面条，那就应该走进面馆，而不是去大排档找日式料理。加速结构意思就是将有必要的东西进行分门别类，方便发出的光线能够快速准确的击中三角形。

光线追踪加速结构基于1986年提出的层次化包围和BVH（Bounding Volume Hierarchy）数据结构实现。微软DXR光线追踪加速结构与BVH类似，通过两级加速结构确保射出的光线找到相应的三角形。

RT Core正是针对三角形求交测试遍历算法和BVH加速结构设计，从而也窥见NVIDIA在早期布局时已经与微软DXR不谋而合。

说白了，加速光线追踪，从DXR或者RT Core角度看来，就是层次化包围盒BVH求交加速，亦或者三角形求交加速。

在图灵Turing的RT Core每个周期中，BVH和三角形求交比重为4:1，也就是每完成4次BVH，在完成1次三角形求交，以实现三角形的命中。而在安培Ampere第二代RT Core中，NVIDIA又增加了1个三角形位置内插模块、1个三角形求交模块，也就是说，在一个周期中，完成4次BVH，在完成2次三角形求交。

新增三角形位置内插模块，和追加三角形求交模块其实有些大胆，在一个周期的BVH遍历中照理说命中2个三角形的概率会下降。但庆幸图像画面是可预判的，特别是针对运动中的物体，2个新增的模块可以更快的实现三角形求交。特别是在启用运动模糊特效的前提下，安培Ampere RT Core性能整整提升了8倍！

第三代Tensor Core：稀疏化加速支持

如前面所言，第三代Tensor Core吞吐量提升了两倍，核心数量实际上没有增加，而是与NVIDIA A100的GA100看齐引入了稀疏化加速。在深度学习中，通过抛弃不必要的分支，在保证准确度的前提下减少运算，从而获得更高性能是可行的。

第三代Tensor Core支持细粒度模式下的50%稀疏化操作，这使得GA102的张量性能提升2倍。当然这还需要游戏和软件的支持和优化，也因为更强大的Tensor Core，GeForce RTX 3090实现了8K分辨率画面的流畅运行。

GDDR6X：美光的胜利

核心架构之外，GA102引入了新显存的支持，那就是GDDR6X。这是由美光和NVIDIA共同开发的GDDR6进阶版。GDDR6X旨在通过在内存总线上使用多级信令来实现更高的内存总线速度，并获得更大的内存带宽。

这种策略的好处美光可以继续依靠可控的成本满足NVIDIA新一代GPU对显存提出的需求，而不是将成本花在高昂的HBM2上，毕竟消费者的钱包早已饱经风霜。

GDDR6X厉害的地方在于，能够每个时钟内发出4个不同的信令，本质上是每个时钟内实现2次位移，并且分成4级电压阶跃（4种信号电平），也就是在高速网络中开始运用的PAM4信令技术。

这使得原本一个信号编码只能用0和1表示，变成了如下图这般四种编码模式，即00、01、10、11。相反的，PAM4则需要更复杂的控制器来处理多信号状态。

GDDR6X也并非没有缺点，目前美光只生产8Gbit颗粒，密度与RTX 20系列相同。GeForce RTX 3080比RTX 2080多出2GB显存，是因为RTX 3080使用了320-bit内存总线，使用了10个8Gbit颗粒而非8个。因此RTX 3090想达到24GB显存，就必须使用RTX 2080 Ti两倍以上的显存颗粒。

RTX IO：GPU直读SSD

RTX 30系列除了支持PCIe 4.0之外，也引入RTX IO技术。这是一套在微软DirectStorage API基础上增加了更多压缩算法的技术。它的实现原理有点类似即将发布的Xbox Series X主机，允许GPU直连存储系统，绕过CPU完成大部分操作，实现异步传输。

值得说明的是，RTX IO虽然基于DirectStorage API衍生而来，但是在安培Ampere架构增加的算法能够让动辄上百GB的游戏有更快的加载速度。

在传统的存储协议中，硬盘数据需要通过CPU读取、压缩再传递给显卡，而RTX IO则可以通过PCIe 4.0总线实现异步读取操作。同时由于读取的是压缩数据，带宽少，从而也节约了传输资源。

这里NVIDIA用PCIe 4.0作为范例，一款读取速度能够高达7000MB/s的PCIe 4.0 SSD如果要完成数据实时解压，需要24个CPU计算资源，而RTX IO则需要半个CPU就能实现。

传统读盘方式效率低下

RTX IO不仅速度快，CPU占用资源少

在演示DEMO中，NVIDIA使用了Marbles作为演示范例，压缩数据搭配GPU解压，完成时间只花费了1.61秒，而未压缩数据搭配机械盘，则需要62.76秒才能完成，即使是24个CPU协同工作解压数据，也仍然需要5.02秒。RTX IO的优势高下立判。

更重要的是，DirectStorage API会在明年正式推出，相信Windows很快就会集成这个接口，如同DXR带来实时光线追踪技术一样，DirectStorage API和RTX IO给游戏带来秒读盘的意义将会非常巨大。现在这样的优势已经在即将发布的主机上开始展现了。

异形散热：突破能效

GeForce RTX 30系列拥有更多的晶体管数量的同时，使用了更高1.7GHz以上更高的频率，这使得首发的RTX 30系列显卡功耗都不低，其中GeForce RTX 3090功耗达到350W，RTX 3080也达到了320W。

NVIDIA官方表示安培Ampere的电源效率提高了1.9倍，如果按照纸面参数推论，假设GeForce RTX 3090性能提升了50%，那么功耗增加了25%，能耗效率应该增加了20%左右。

更高的频率和发热量让GeForce RTX 3090和RTX 3080在外观上带来了全面的改变。以RTX 3080为例，其PCB面积尺寸压缩到了RTX 2080 SUPER的一半，并且使用了不规则的形状，更高的元件密度势必给布线带来了更多的困难。

但这么做是有意义的。理由是NVIDIA首次在GeForce RTX 3090和RTX 3080上使用了前后双风扇系统，后方被裁减掉的PCB作用是给后方的风扇腾出向上出风的位置。形成了类似下图的机箱风道：

这样设计的优势也非常明显，在同等320W功率下，RTX 3080的散热和噪音均比RTX 2080更低，其中噪音降低了10分贝，温度降低了20摄氏度。值得说明的是，RTX 2080 TDP为215W，图灵Turing高功耗收益远不如安培Ampere高。

而更厉害的是，RTX 3090使用了三槽散热设计，同样是双风扇，RTX 3090相对TITAN RTX噪音降低了20分贝，温度降低了30摄氏度。

画质全面升级

功耗提升也意味着游戏性能的提升，从安培Ampere开始，显卡将原生支持HDMI 2.1输出，最高支持8K 60Hz HDR，相对4K分辨率，理论上渲染质量和帧率需要提升4倍性能。但从宣传来看，RTX 30系列能做到2倍游戏性能提升已经相当厉害，那么NVIDIA是如何做到的？

答案就是DLSS 8K。

事实上显卡只需要渲染2K，也就是2560x1440分辨率，通过AI和Tensor Core再将分辨率提升到8K。也就是说通过人工超级分辨率技术将珍格格游戏画面分辨率提升了9倍。

至于画质是否有分别，NVIDIA在分享会中也提供了DEMO作为参考，可见DLSS 8K实际效果仍旧没有让人失望。

而在游戏帧率上，DLSS 8K实际运行帧数最高可以达到108FPS，平均可以达到70FPS以上。

此外，NVIDIA还针对开发人员准备了一个重头戏，叫RTXGI，也就是光线追踪版的全局光照。

全局光照目的是通过一系列算法实现场景内的逼真光照效果，包括折射、反射、满发射、阴影。也就是说开发人员尽管确定光源，剩下交给软件和GPU。

事实上RTXGI实现办法与目前许多软件的全局光照类似，通过场景设置阶段布满探头Probe，他们相当于射线反弹测试器，对各自发出的射线进行辐射和距离保存，最终用于全局光照。

如果游戏画面需要达到光线追踪的最佳画质，单帧大概需要25万次到40万次取样。而在RTX 3080中，RTXGI可以在0.5毫秒内完成40万次取样，同时整个RTXGI过程需要的时间不会超过2毫秒。

目前这套技术已经在Unreal Engine 4.25中开始采用，这意味着游戏开发人员无需耗费大量的时间手动放置探针块，制造光线追踪场景更为容易。也从而激发更多光线追踪游戏诞生。

电竞效率提升

提升显卡性能的另外一个话题绕不过电竞，特别是第一或者第三人称射击游戏，NVIDIA一直坚定更高的帧率，更快的游戏响应时间能够换来更好的电竞成绩。NVIDIA给出了一套55ms、31ms和16ms的弹道散布图，会发现16ms弹道更为集中，那么名为NVIDIA Reflex的技术变孕育而生。

NVIDIA Reflex是一套硬件和软件结合的解决方案，它不仅包含显示器刷新率，还包括了输入输出、CPU、GPU计算、渲染列队等诸多影响。说白了，NVIDIA Reflex会在显示器上安装一个光学鼠标按键检测器，一旦发生鼠标点击，NVIDIA Reflex就会扔掉还在CPU等待渲染调用扔掉，将视野内的渲染直接发给GPU，做到即刻渲染，即刻返回显示器画面。

这意味着整套解决方案中，需要对运算力拥有更高的性能冗余，NVIDIA Reflex正式给了你玩LOL也需要购买高端电脑配置，以及更新键盘鼠标的理由。

与此同时，新版本的FrameView也集中到了GeForce Experience中，同时NVIDIA也开发了LDAT和PCAT两个套件帮助玩家进行系统延时的量化测试。

这里可以理解为NVIDIA在硬件利用上的新尝试，通过通过电竞切入点找到更多的商机乃至硬件联盟。目前包括ROG、罗技、赛睿、MSI、雷蛇、ALIENWARE在内的主流品牌已经加入到了NVIDIA Reflex阵营。

最后：硬件与软件共同进步

与许多优秀的硬件公司一样，NVIDIA已经逐步发展成硬件和软件相辅相成的解决方案公司。以安培Ampere和GeForce RTX 30系列为契机，善用性能和人工智能带来的福利，除了纯粹的游戏帧率和画质提升，无论开发者、电竞玩家、内容创作者都会获得更好的体验，GPU的普适性又向上提升了一个台阶。

不过目前的浅析仅仅是安培Ampere的冰山一角，随着未来评测和结构的解禁，我们才有机会看到看到安培Ampere在消费领域的表现和全貌。不要走开，9月中旬首发评测就会正式放出，我们拭目以待。