0
| 本文作者： 任然 | 2018-06-04 13:19 |
距離Arm公布代號Bifrost的次世代GPU架構并推出Mali G71核心已經兩年了， 然而作為先鋒的Mali G71在麒麟960和Exynos 8895中的表現都不盡人意，其功耗之高明顯超出了預期。之后的Mali G72是一款更為合理的產品，它更接近Bifrost架構所承諾的能效目標，在麒麟970和Exynos 9810上實現了100%的能效提升。
今天，Arm公布了Mali G72的后續產品，也是Bifrost系列的最新產品：Mali G76，目標非常明確：提高單位功耗性能和單位面積性能，并盡可能地趕超競爭對手。Arm承諾，在臺積電7nm工藝的支撐下，使用Mali G76的下一代SoC性能可提高50％。
橫向來看，Mali G76重點改善了三個關鍵指標，首先是性能密度提高了30％，這意味著GPU面積不變，性能可提高30％；或者在性能相同時，可縮小約24%的GPU面積。其次，Mali G76的微架構效率提升了30%，這要歸功于架構內功能塊的整合。最后，Arm為Mali G76添加了新的專用8位點積指令，使其機器學習推理性能提高了2.7倍。
對于Arm的GPU設計來說，Bifrost已經是一個現代的圖形架構，3D圖形技術在過去的兩年中也沒有發生重大變革。Mali G76在圖形特性方面和Mali G72完全一樣，變化集中在圖形計算過程中。
與Mali G72相比，Mali G76在架構上的優化幅度更大。雖然它仍是Bifrost架構，但GPU的工作方式發生了很大變化。無論在移動GPU還是桌面GPU領域，Mali G76都是單個圖形體系版本迭代中變化最大的之一。
前代Mali G71/G72的每個EU模塊中包含4組FMA和ADD/SF流水線并組成一個線程粒度，Arm將這種模塊結構稱為“Quad”。隨著技術和應用的發展以及移動GPU在VR和高畫質游戲領域的壓力不斷增加，Quad結構的運算效率已逐漸無法滿足需求。
根據Arm的數據，Mali G76為了進一步提高架構的性能和面積效率，將GPU內的基礎計算模塊的規模增加了一倍，單個EU內擁有8組FMA和ADD/SF流水線。全新EU結構的面積并沒有大幅增加，相比前代只提升了22%，但性能卻得到了顯著提升。
這是一個非常有趣的變化，通常來說線程粒度的尺寸通常代表著硬件架構的典型特性。PC GPU的線程粒度已經有許多年沒有變動過了，NVIDIA自2006年至今一直保持著32寬度，AMD則從2011年至今一直使用64寬度。
此前Bifrost架構所用的Quad結構，相比競爭對手架構的線程粒度（16~32寬度）要小很多。通常來講，線程粒度反映了架構在資源/面積密度和性能之間的平衡點，較大的線程粒度可節省控制邏輯單元數量（單個32寬度線程粒度只需1個控制邏輯單元，而8個4寬度線程粒度需要8個控制邏輯單元）。
但線程粒度越大，控制單元填充它就越困難。Arm的GPU哲學總體上注重的是盡量避免執行停滯，通過使用更小的線程粒度降低線程發散的可能性。分割線程雖然并不難，但也會造成性能損失。
Arm在推出Bifrost架構時表示，他們采用了4寬度線程粒度，以減少因線程發散所造成的ALU（算術邏輯單元）閑置。這從理論上看是一種很好的策略，如果運算中有大量分支代碼，那么因線程發散而閑置的ALU就沒有了任何價值。
然而對于一個很小的線程粒度來說，控制邏輯單元與ALU的比率太高了，浪費了大量硬件規模。Mali G76換用8寬度線程粒度后，降低了控制邏輯單元與ALU的比率，在ALU吞吐量翻倍的情況下，EU模塊的規模只比之前4寬度線程粒度時增加了28%。
雖然Arm并沒有做出更明確的解釋，但雷鋒網認為此次改變其實反映出Arm此前4寬度線程粒度的設計有些一廂情愿了，實際游戲中幾乎用不到這么小的尺寸。更致密的Quad結構也有助于擴充架構規模，Arm可以在單位面積上塞入更多ALU以提升性能。
與此同時，為了匹配翻倍的Quad尺寸，Arm將相應的緩存和通道也增加了一倍。雖然Arm沒有正式披露Quad的寄存器堆棧大小，但他們已經證實Mali G76的寄存器堆棧與Mali G72一樣，每通道有64個寄存器，因而寄存器堆棧的壓力并沒有變化。
在像素和紋理方面，Mali G76也使用了雙單元方案，每周期可以處理兩個像素或兩個紋理，ALU與像素和紋理單元的比例與之前保持一致。
在相同的時鐘速度下，Mali G76的浮點運算、紋理和像素吞吐量都增加了一倍，實際性能的提升幅度也應基本相仿。在某種意義上，Arm是將兩個Mali G72核心融合成了一個Mali G76核心，但Mali G76達到Mali G72翻倍的性能只需132%的芯片面積，理論上單位面積性能提升了50%。
雖然Arm大幅強化了Bifrost架構的圖形渲染性能，但這不是Mali G76核心的唯一改變，機器學習性能的提升也是此次的重頭戲。
Arm為Mali G76的ALU強化了int8格式的支持，這一數據格式是處理神經網絡的關鍵操作，在機器學習推理非常重要，盡管8位整數的精度有限，但在很多情況下仍然足以進行基本推理。
雖然此前Mali G71/G72也可通過打包4個int8數據的方法進行計算，但Mali G76是第一個原生支持單周期處理int8的Mali核心。根據工作負載和機器學習框架的不同，Mali G76的機器學習性能相比Mali G71/G72提升了約2.7倍。
同時Arm研究發現，影響GPU性能的另一個潛在瓶頸是回寫機制。如果GPU在一個多邊形回寫過程中停滯，則很可能會阻塞GPU的其他部分。Arm將Mali G76從有序回寫機制轉變為無序回寫機制，允許通過繞過那些回寫延遲來更靈活地回寫多邊形。
此外Arm還優化了Mali G76塊緩沖，在某些情況下色彩緩沖被耗盡時，可臨時溢出到深度緩沖中。這樣可以減少對主內存進行訪問的次數，以盡可能保持GPU核心的本地流量。Mali G76的線程本地存儲機制也相應的針對寄存器溢出處理進行了優化，GPU會將溢出的數據塊分組在一起以利于將來獲取。
Arm的GPU核心設計一向都是組團群P的思路，通過堆砌核心數量來抗衡高通Adreno的大核心無敵策略。
此前Mali G71/G72最多可支持堆砌32核心，但實際上沒有任何一家SoC廠商選擇過MP32的最大配置選項，最高也不過是三星Exynos 8895的Mali G71 MP20，其次是Exynos 9810的Mali G72 MP18，而華為的麒麟970使用了Mali G72 MP12，麒麟960則只有Mali G71 MP8。
出現這種現象的原因恰恰是Mali G71/G72的單位面積性能太差了。以Exynos 9810的18核Mali G72為例，其GPU總面積為24.53 mm2，是高通Adreno 630（10.69 mm2）的2.3倍、蘋果A11 GPU（15.28 mm2）的1.6倍，而性能卻還不如Adreno 630和蘋果A11 GPU。更遑論Exynos 8895上面積更大（32 mm2）性能更低的Mali G71 MP20。
三星Exynos 9810核心透視圖
與三星的狂堆核心數相比，麒麟970和960則只使用了中等數量的核心，然后通過拉高核心頻率來榨取性能。然而雷鋒網在上篇分析Cortex A76的文章中提到過，每種核心架構在某一工藝下，都有一個能耗比最佳的頻率區間，越過這個區間后，繼續拉高頻需要付出極大的功耗代價。
三星Exynos 9810和8895雖然GPU面積很大，但由于頻率只有560MHz左右，因此功耗表現尚可。而麒麟970的Mali G72 MP12為746MHz，功耗上升非常明顯，能耗比僅略高于使用Mali G71的Exynos 8895。麒麟960的Mali G71 MP8頻率甚至高達1037MHz，暴增的功耗使其能耗比還不如老舊Exynos 7420上的Mali T760 MP8。
考慮到實際使用中的情況，以及Mali G76核心規模的擴充，Arm決定將Mali G76的最大核心數量下調至20核心。通過將功能模塊和執行引擎整合到更少的“內核”中來提高內核的性能密度，可顯著改善GPU的單位面積性能。據估計，Mali G76在曼哈頓3.1測試中，每mm2性能提升了39%，
Arm表示，Mali G76 MP12在7nm工藝下，相比Mali G72 MP18將會有50%的性能提升，功耗則保持一致。而相比驍龍845的Adreno 630，Mali G76 MP12在擁有12.8%性能優勢的同時，功耗下降了22.8%。（注：Mali G76 MP12頻率不明）
總的來說，Mali G76的進步非常明顯——單位面積性能提高了30%，且功耗表現也有很大改善。然而雷鋒網認為，盡管Mali G76將大大提高Arm公版GPU的競爭力，但依然不足以借此一役趕超競爭對手。
在微架構優化方面，Arm的確在整合核心和加強核心方面做出了正確的選擇。Arm公版GPU的多核心策略是一把雙刃劍，它雖然允許廠商根據自身需求配置核心數量，但多核心也會導致不可避免的性能和面積損耗。Arm雖然預測了Mali G76 MP12的表現，但與高通Adreno 630和蘋果A11的GPU相比，12核依然太多了。
想想Mali G72 MP18與Adreno 630的對比，即便Mali G76的每平方毫米性能提升了39%，依然無法抵消高達2.3:1的面積比。用7nm的Mali G76 MP12打贏10nm的Adreno 630并不能說明什么，如果二者同為7nm工藝，不出意外Mali G76的能耗和面積依然會有明顯劣勢。
目前，雷鋒網非常關注Mali G76在實際芯片中能有怎樣的表現，同時希望Arm在未來能將每個EU的計算資源再增加一倍，這很可能將再次帶來巨大的改進，進一步縮小與競爭對手的差距。
via：Anandtech
相關文章：
淺析ARM全新Cortex A76架構：2.4GHz便可干掉驍龍845
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
