英特尔新任首席架构师：CPU GPU分久必合

前言

　　目前负责Intel的GPU开发计划的Douglas Carmean是当前Intel可视化计算群组（Visual Computing Group，简称VCG）新任首席架构设计师，他在几个大学进行了题为“未来CPU架构——源于传统模型上的转变”（Future CPU Architectures -- The Shift from Traditional Models）。本文以Carmean先生的主题演讲PPT为主要内容，向各位读者介绍Intel未来的发展策略，以及正在酝酿中将在未来世代打响的CPU与GPU对决战。

	未来CPU的架构——源于传统模型上的转变 Doug Carmean
	Intel CPU 30年发展回顾 1985年，80386，32位微处理器架构； 1989年，80486，整合的FPU浮点运算单元；CPU片内集成高速读写缓存； 1992年，Pentium，双CPU同时运行；指令分支预测功能； 1995年，Pentium Pro，引入乱序执行机制； Penium Pro引入了P6微架构，在此基础上Intel进行了14次重要的架构改进。
	CPU的利润空间越来越小 GPU的利润空间正在增长 半导体工业正在酝酿一次革命

　　在回顾了过去30年的CPU发展历程后，Carmean认为CPU当前的发展空间受到了限制，而GPU则正在以更快的步伐发展。“利润”始终是商业世界里面最重要的一个名词，但下一个利润增长点又在何处？

	Stream Computing（流运算） 基于GPU上的通用计算(GPGPU) -解放GPU巨大的浮点运算潜力 -比通用CPU快一个数量级的浮点运算性能 GPU架构可支持 -32位FP着色 -Long编程(可支持65535个指令)和Shader编程 -Branching(分支)和looping(回调)编程结构 缺少应用软件是普及的障碍 释放GPGPU威力的关键：Close To Metal(简称为CTM)新型瘦硬件接口层
	CUDA架构和GPU计算——NVIDIA CUDA是针对在GPU上实现通用计算所提出全新架构和编程模型 硬件和软件的协同化设计 -并不是为旧的GPU架构提供的新驱动程序 通过上千个线程实现数据并行计算 密集型大规模的数学运算因并行数据缓存而获益 基于C语言的编程方式 专门的BLAS(稀疏矩阵)和FFT(快速傅立叶变化)计算库
	计算的演进：充斥这矛盾和冲突的过程 CPU： 发展方向：高效率计算 以低耗能高效率的计算为目标 GPU： 发展方向：通用计算 以高质量图形效果和通用计算GPU(GPGPU)为目标
	针对耗能效率的优化 通过显式并行性实现能耗效率的优化 VLIW(Very Long Instruction Word,超长指令集架构)和Vectors(向量，译者注：可以将多个短指令按照向量的方式进行组合执行，实现单周期执行多指令的一种方法)： -在严格同步执行时占优 -不适合数据依据不同路径进行处理的情况 Threads(线程，译者注：线程是一种共享资源式的同步机制) -不适合严格同步执行的情况 -在数据依据不同路径进行处理时占优 实际上是 指令向量的效率随其长度增加而下降 线程的效率随着程序通信的增加而下降

　　NVIDIA和ATi的GPU越来越像是“谋朝篡位”者了，自2001年DirectX 8时代的NV20起，现在的GPU可编程计算能力已经得到了大幅度的提升，甚至已经引起了Intel方面的注意。有趣的事情：Carmean先生的这个主题演讲PPT最初的版本首次出现在2005年，而2005年底就已经风闻AMD准备并购ATi了。

　　译者注：任何事情都不可能空穴来风，2005年时的传闻现在已经成为现实，整合ATi之后，GPU设计已经成为AMD的重要技术内容，而未来AMD的计划可以用“CPU+GPGPU”来概述，Intel面对这样的威胁自然是不敢怠慢。Intel是否应该拿出自己的GPGPU，或者是设计类似GPGPU的CPU来面对来自AMD的挑战？

来自 “ ITPUB博客 ” ，链接：http://blog.itpub.net/14741601/viewspace-371956/，如需转载，请注明出处，否则将追究法律责任。

转载于:http://blog.itpub.net/14741601/viewspace-371956/