http://pc.watch.impress.co.jp/docs/2008/0716/kaigai453.htm

Larrabeeに追われるNVIDIAがGT200に施したGPGPU向け拡張

　Intelは、じつはLarrabee戦略の当初から、グラフィックス製品として普及させる計画だった。つまり、グラフィックス製品へと戦略を切り替えたのではなく、当初からグラフィックスとして売る計画だった。しかし、GPUベンダーを警戒させないために、当初は、煙幕を張り、Larrabee はHPC向けと謳っていたという。このコーナーでも、IntelがLarrabeeの戦略を切り替えたように書いてきたが、それは、実際にはIntelの宣伝戦略に乗せられていたわけだ。

後藤老爹說他自己也被唬了，Larrabee並不是many-core，反而是一開始就是以GPU市場為目標的東西。

一開始說是HPC用途、架構學CELL之類的話，全部都是欺敵，單純只是為了避免反制的手段，Larrabee完全是GeForce的對抗產品。

所以Larrabee不該當成前往many-core的步驟，而是Intel承認GPU在PC架構內的地位，全力推出該領域重量級產品的象徵。

這樣一來的話GMA的小組應該未來還是會與Larrabee的team結合才是；類似CPU的cache系統則是GPU在stream out介面設計上的取捨，Larrabee必須要同時具備multi-core x86 CPU與GPU兩個領域的特徵。

如果是2009年要推出的正統GPU，那麼TMU和ROP不只要具備，而且很可能是full DX11 spec 等級的超大排場(當初文件即宣稱512bit GDDR5)。

理論數字2TFLOPS(DP? SP?)也顯然是shader only就已經有的性能，光論這點的話可以預想足足是G100的兩倍大，接近號稱2000sp(400shader?)的RV870(謠傳)。

而且Larrabee的微縮版(32nm)馬上就在後頭等著，也就是說，09年的時候單晶片Tera FLOPS的資源只怕會變成站上舞台的基本要求。

反正還有兩周左右就要公布底細了…. 如果Intel一開始就有決心做超高階GPU的產品，那麼橫在面前的問題就只剩下Driver quality如何追上了。

以過去GMA在OSS社群得到的資源來說，雖然堪用但是顯然不足以在遊戲市場上與對手爭一長短，還是得豁下去才行。

NVIDIA的目的是在Larrabee推出之前，奠定stream computing的標準地位，所以寧可透過支援社群讓Radeon具備CUDA的能力，讓brook+自然淘汰。

只要能跑的話，就有很大的機會影響OpenCL、建立de facto standard，並讓Larrabee也必須考慮CUDA type的support，NVIDIA才有機會繼續玩下去。

當然，從RV770和G92b的die size比較，也可以看得出疲態了就是….

—-

因為NVIDIA本周兩度瘋狂降價，廠商開始提供買貴退差價的服務….

http://www.evga.com/articles/evgabuckspromo.asp

http://www.xfxforce.com/en-us/Features/GTXCASHBACK.aspx?lang=en-us

可惜只限US。XDa

目前股價失去理智中。不知怎的對NVIDIA沒信心到一種程度。

大概大家都覺得NVIDIA在兩個大廠中間撐到現在是奇蹟吧？然後泡沫快破滅了之類的。

真沒信心….

不過，Intel要不要趁現在趕快收購NVIDIA啊？XD

跌到七美元左右出手的話，要買下51%資本只要25億美金就可以搞定，比當初AMD買ATI值得多啦XD

well，我對NVIDIA目前的結構還很有信心的理由是GT200的一些設計：

http://pc.watch.impress.co.jp/docs/2008/0707/kaigai452.htm

GeForce GTX 200(GT200)のパフォーマンスの秘密

其實後藤老爹這篇說穿了，就是在設法替G100如何達成93%的dual-issue找理由….

說起來由於每個thread獨立，只要warp內可以找到8個同指令的thread配對，就可以一直維持高速，原理上完全不會有相依性的關係，實質上是終極的co-issue。

透過那個過去傳出的16thread”半warp”(後來就不再出現了)來推測「指令發射的half clock其實是對兩個unit交替發射」這點是蠻有趣的….不過這樣的話warp規模調整就一定是以32thread為單位了(因為實質上是8thread x 4cylce x N的方式來調整)

後藤老爹對dual-issue的推測有個問題的地方是，他把G80當成full scalar來設想，實際上應該不是full scalar，而是有gather & scatter功能的4D vector unit並列；於是8個unit共用的scalar DP，應該是2個1/2 cycle thoughtput的DP unit，但是其他部分其實還是大略吻合，這使得G100(GT200)有盡可能做到dual-issue。

總之G100的這些增加卻沒有很大的電晶體需求，比方說來點簡單的加減：

G92 — 754M

G94 — 505M

G94 x2 = 1010M = 8TPC、32ROP、512bit

　*: PCIe/display/raster重複計算

G92 – G94 = 4TPC(GT100) = 249M(GT100)

G94 x2 – 754M = 16ROP(GT100) = 256M

10TPC + 512bit = G92 x 2 – 6TPC (1134M) or G94x2 + 2TPC (同1134M)

G100 = 1400M = 10TPC(GT200) + 32ROP(GT200)

1400 – 1134M = 250M(GT200相對於GT100的擴增規模，10TPC + 32ROP的總計)

當然這些數字意義不大，因為都忽略了雙層crossbar和rasterizer logic，而且這部分其實非常龐大(從die photo就可以知道)；

但是由於這些部份同時也都需要隨著TPC與ROP數量作線性放大的關係，所以都當成規模的一部分直接扣進去_A_

可以當個參考比例。

結論就是，可以推知GT200的每個TPC，(對整個晶片比例來說)只增加1/4以下的電晶體，便得到增加50%的ALU性能，而且還沒有把dual-issue帶來的改進考慮進去。

實際TPC數量減少(和相當於1500M的G92直接double比起來)，帶來的就是Crossbar規模的縮減。

(*:上述的擴增其實都是有把crossbar規模考慮進去的關係，SP的電晶體數量其實應該真的有增加個40~50%)

而且由於整個register file都double，其實說起來GT200系列的shader multiprocessor應該可以容許全速的DP，這點也是G92直接double也做不到的….不過記憶體頻寬大概負荷不了的關係，意義不大。(和powerXcell 8i的道理相同，行銷意義大於實質性能意義)

當然也不可能一直以這種方法(增加TPC內部register file規模、縮減crossbar規模)做下去就是了….

—-

話說回來，Larrabee好像是4thread + 大規模的單一cache來處理(似乎不區分texture or constant)，控制都交給軟體了。

這相對又是個大極端…….XDa

另外，前兩天的引用提到PureVideoHD(VP2)已經可以由CUDA存取了，叫做CUDA Video Decode API。

http://viml.nchc.org.tw/blog/paper_info.php?CLASS_ID=1&SUB_ID=1&PAPER_ID=70

http://pc.watch.impress.co.jp/docs/2008/0620/kaigai449.htm

GeForce GTX 280の倍精度浮動小数点演算

倍精度方面提供的功能看起來盡可能塞滿了….不過不可忽略的是，畢竟還是只做1/8而已。

以ALU規模來說，倍精度會比單精度大一些，但是還是占SP總規模10%左右；反過來說，作全速的話就是SP會變成180%。

(還是沒有double就是了)

問題終究是在記憶體頻寬上，以實際運算能量約90GFLOPS來說，Tesla T10P提供了100GB/s的頻寬(以及4GB的容量)，其實是有搭上去。

不過以倍精度性能和電晶體規模來說其實是不怎麼樣，混合精度是必要的。

只是CELL也做過這樣的東西(特殊版的Linpack)，但是最後還是推出PowerXcell這樣的產品，也許某種意味上全速倍精度是一種宣傳用的東西。

http://www.pcper.com/comments.php?nid=5679

Folding＠Home NVIDIA GPU Client Confirmed

http://www.nordichardware.com/news,7777.html

GeForce GTX280 folds three times faster than Radeon HD 3870 – NordicHardware

話說要不是這篇，還不知道GeForce8系列已經賣70M個了….O_o)a

當然，平均100GFLOPS的話就是有把中低階算進去。

所以照這個數字的話，應該就是G84賣最多了。(32vs * 2FLOPS *1.35GHz = 86.4GFLOPS)

PS3 vs 3870 vs GeForce”NEXT”，這指的應該是GT200…每日500mol、高過PS3(100mol/day)和3870(170mol/day)不少。

3870在FAH執行上的C/P值(電晶體數量比例與效能)上不太妙，666M大了235M的CELL快2.8倍，記憶體頻寬的話3870也有2.25GHz 的GDDR3，72GB/s也差不多是CELL的三倍，實際性能只有1.7倍。

但是以這個觀點來說，GT200也只有和CELL同等的效率就是了….(電晶體成本和記憶體頻寬都差不多是CELL的五倍，和性能表現的比例相去不遠)

所以可以預期G84跑FAH的性能和CELL會差不多？

[EDIT]

http://www.legitreviews.com/article/713/1/

清晰照 + client screen shot

http://www.extremetech.com/article2/0,2845,2284132,00.asp

Folding＠home GPU2 Client Examined

ExtremeTech: In the first GPU client, which worked through a DirectX interface, the types of work units that could be used were relatively limited. Now that DirectX is bypassed with the CAL driver for ATI cards, how have the work units been expanded? Is it comparable to the PS3 client in this regard?

Dr. Pande: Yes, going through CAL has helped a lot in several ways. The calculation is currently a superset of the PS3 1.31 client, but we hope to port some of the new code on GPU2 to the PS3 as well.

—-

http://pc.watch.impress.co.jp/docs/2008/0523/kaigai441.htm

Nehalemに見えるIntel CPUマイクロアーキテクチャの今後

本來Core MA的Loop Detector放在x86 Decoder前、現在Nehalem放在Decoder後。

雖然不是和trace cache一樣的發展方向，但是不同的出發點(Loop Detector)卻走到類似的方向，其實也蠻有趣的就是了。