移动GPU通用计算现状与展望

GPU通用计算简介

(成文于2014年9月，受情报来源限制，文中处理器型号信息可能与上市时规格不同， 不同平台性能、功耗、带宽测试方法不同，不能简单比较)

传统上，GPU的应用被局限于处理图形渲染计算任务。随着GPU可编程性的不断提高，利用GPU完成通用计算渐渐活跃起来。将GPU用于图形渲染以外领域的计算称为GPGPU（General-Purpose computing on Graphics Processing，基于GPU的通用计算）。GPGPU计算通常采用CPU+GPU异构模式，由CPU负责执行复杂逻辑处理和事务管理等不适合数据并行的计算，由GPU负责计算密集型的大规模数据并行计算。这种利用GPU强大处理能力和高带宽弥补CPU性能不足的计算方式在发掘了计算机潜在的性能，在成本和性价比方面有显著优势。

GPU计算拥有性价比高，性耗比高，设备易得的优势，在图像视频处理、石油勘探、分子动力学、信号处理、人工智能、数据挖掘、基因测序、密码学等领域得到了广泛应用。在移动计算中，Google在Android 4.2开始使用GPU加速renderscript进行图像处理和图像/视频压缩。Nvidia和ARM则分别使用GPU加速照相处理架构，代替部分ISP功能。

自2010年以来，移动设备GPU的性能快速提高，发展速度远远超过了摩尔定律。

进入2014年，市场上在销售的中高端处理器性能已经达到100GFlosp左右，并且已经发布和即将发布一批搭载Kepler，Mali-T760 MP16等理论性能超过300GFlops GPU的处理器。预计到2015年末，高端移动处理器的性能将达到1TFlops左右。

以下是2014Q1手机/平板常见移动处理器的CPU、GPU及处理能力：

SoC Model	CPU Type	CPU GFlops	GPU Type	GPU GFlops
Qualcomm APQ8064AB (SnapDragon 600)	4xKrait300 @1.9GHz	60.8	Adreno320 (96ALU)	97.2
Qualcomm APQ8974AB (SnapDragon 800)	4xKrait400 @1.9GHz	73.6	Adreno330 (128 ALU)	158.4
Nvidia Tegra 4	4xcortex-A15 @1.9GHz	60.8	GeforceULP x 72	96
AppleA6X	2xApple Swift@1.4GHz	22.4	SGX554 MP4	76.8
AppleA7	2xApple 64bit@1.5GHz	48	G6430 (4 Clusters)	115.2
MTK MT6592	8xcortex-A7@1.7GHz	27.2	Mali-450 MP4	41.8
MTK MT8135	2xcortex-A15@1.7GHz + 2xcortex-A7@1.2GHz	32	G6200	40

表 1 2014Q1市场常见移动处理器CPU/GPU性能

以下是2014Q1新发布处理器CPU、GPU及处理能力：

SoC Model	CPU Type	CPU GFlops	GPU Type	GPU GFlops
MTK MT6595	4xA17@2.1+4xA7@1.7	80.8	Adreno330 (128 ALU)	158.4
Intel Z3580	4xMoorefield@2.33GHz	N/A	PowerVR G6430	136
Tegra K1 Quad A15	4xcortex-A15@2.3GHz	73.6	Kepler	364.8

表 2 2014Q1新发布处理器CPU/GPU性能

从表一、表二可以看到，即使以NEON向量处理器计算理论性能，同一SoC上的GPU性能也要超过CPU。而且GPU和CPU的性能差距在高端和较新的处理器上更加明显。事实上，GPU与CPU的处理能力差距比理论峰值还要更大：

目前的ARM架构移动处理器主要通过NEON SIMD指令或者VFP指令集进行浮点运算。在进行相同的操作时，VFP的吞吐量只有NEON的大约四分之一。标准Android操作系统的dalvik虚拟机不支持生成Neon指令，在运行Java时只能使用VFP指令。即使通过NDK或者JNI，如果要调用数学函数或者除法等较为复杂的处理，也需要使用VFP指令集。而GPU的执行单元可以直接执行数学函数，甚至有专门的硬件单元进行超越函数运算。而且，在进行图形/图象处理时，GPU除了运算单元外，纹理采样单元也可以进行一些运算。

GPU的缺点在于执行单元在运行条件指令时，某些情况下需要的时间是几个分支之和，而不是一个分支所需要的时间。另外，只有存在大量数据并行计算时，才能完全发挥GPU性能。因此GPU适合进行分支较少、线程间通信较少的大规模数据并行任务。

移动GPU现状与发展

目前移动GPU主要厂商有：Imagination Technologies、 Qualcomm、ARM、 NVIDIA、 Vivante、Intel。其市场占有率如下表所示：

	1H’12	1H’13
Qualcomm