01图形处理器简史

图形处理器发展

图形处理器（Graphic Processing Unit，GPU）在现代计算机系统中的作用变得越来越重要。

20世纪六、七十年代，受硬件条件的限制，图形显示器只是计算机输出的一种工具。限于硬件发展水平，人们只是纯粹从软件实现的角度来考虑图形用户界面的规范问题。此时还没有GPU的概念。

GPU概念在20世纪70年代末和80年代初被提出，使用单片集成电路（Monolithic）作为图形芯片，此时的GPU被用于视频游戏和动画方面，它能够很快地进行几张图片的合成（仅限于此）。在20世纪80年代末到90年代初这段时间内，基于数字信号处理芯片（Digital Signal Processor Chip）的GPU被研发出来，与前代相比速度更快、功能更强，当然价格是非常的昂贵。在1991年，S3 Graphics公司研制出第一个单芯片2D加速器。到了1995年，主流的PC图形芯片厂商都在自己的芯片上增加了对2D加速器的支持。

1998年NVIDIA公司宣布Modern GPU的研发成功，标志着GPU研发的历史性突破成为现实。通常将20世纪70年代末到1998年的这一段时间称之为pre-GPU时期，而自1998年往后的GPU称之为Modern GPU。

在pre-GPU时期，一些图形厂商，如SGl、Evans&Sutherland都研发了各自的GPU，这些GPU在现在并没有被淘汰，依然在持续改进和被广泛的使用，当然价格也是非常的高昂。

Modern GPU使用晶体管（Transistor）进行计算。在微芯片（Microchip）中，GPU所使用的晶体管已经远远超过CPU。

回顾GPU的发展历史，自1998年后可以分为4个阶段。

• NVIDIA于1998年宣布Modern GPU研发成功，这标志着第一代Modern GPU的诞生，第一代GPU包括NVIDIA TNT2、ATI的Rage和3Dfx的Voodoo。这些GPU可以独立于CPU进行像素缓存区的更新，并可以光栅化三角面片以及进行纹理操作，但缺乏三维顶点的空间坐标转换能力，这意味着“必须依赖于CPU执行顶点坐标变换的计算”。这一时期的GPU功能非常有限，只能用于纹理组合的数学计算或者像素颜色值的计算。
• 1999年，NVIDIA推出了一款可以用“惊变”来形容的显示核心代号NV10的Geforce 256。NVIDIA率先将T&L（Transform&Lighting，坐标变换和光照）整合到GPU中。T&L原先由CPU负责，或者由另一个独立处理机处理。GPU从CPU接管了大量工作，使得3D模型可以用更多的多边形来描绘，从而拥有了更加细腻的效果。而对于Lighting来说，CPU不必再计算大量的光照数据，直接通过显卡就能获得更好的效能。同时，这一阶段的GPU对于纹理的操作也扩展到了立方体纹理（Cube Map）。NVIDIA的GeForce MAX、ATI的Radeon 7500等都是在这一阶段研发的。
• 2001年是第三代Modern GPU的发展时期，这一时期研发的GPU提供了顶点可编程能力（Vertex Programmability），即允许应用程序指定一个序列的指令进行顶点操作控制（GPU编程的本质! ），如GeForce 3、GeForce 4Ti、ATI的8500等。这同样是一个具有开创意义的时期，这一时期确立的GPU编程思想一直延续到今天，不但深入到工程领域帮助改善人类日常生活（医疗、地质勘探、游戏、电影等），而且开创或延伸了计算机科学的诸多研究领域（人体绘制、光照模拟、人群动画、通用计算等）。同时，DirectX和OpenGL都本着与时俱进的精神，提供了支持顶点可编程能力的扩展。不过，这一时期的GPU还不支持像素级的编程能力，即片元可编程能力（Fragment Programmability）。
• 第四代GPU的发展时期从2002年末到2003年。NVIDIA的GeForceFX和ATl Radeon 9700同时在市场的舞台上闪亮登场，这两种GPU都支持顶点可编程能力和片元可编程能力。同时DirectX和OpenGL也扩展了自身的API，用以支持顶点可编程能力和片元可编程能力。自2003年起，可编程图形处理器正式诞生，并且由于DirectX和OpenGL锲而不舍的追赶潮流，导致基于图形硬件的编程技术，简称GPU编程，也宣告诞生。

图形处理器的优越性

由于GPU具有高并行结构，所以GPU在处理图形数据和复杂算法方面拥有比CPU更高的效率。CPU大部分面积为控制器和寄存器，与之相比，GPU拥有更多的ALU（Arithmetic Logic Unit，逻辑运算单元）用于数据处理，这样的结构适合对密集型数据进行并行处理。

GPU采用流式并行计算模式，可对每个数据进行独立的并行计算。 所谓“对数据进行独立计算”，即，流内任意元素的计算不依赖于其它同类型数据，例如，计算一个顶点的世界位置坐标，不依赖于其他顶点的位置，所谓“并行计算”是指“多个数据可以同时被使用，多个数据并行运算的时间和1个数据单独执行的时间是一样的”。所以，在顶点处理程序中，可以同时处理N个顶点数据。

GPU可以应用在科学可视化计算如人体绘图、地质勘探、气象数据、流体力学等领域，以基于GPU的通用计算（General-Purpose Computing on Graphics Processing Units，简称GPGP或GP2）如线性代数、物理仿真、光线追踪等。

图形处理器的缺陷

由于“任意一个元素的计算不依赖于其它同类型数据”，导致“需要知道数据之间相关性的”算法，在GPU上难以得到实现，一个典型的例子是射线与物体的求交运算。GPU中的控制器少于CPU，致使控制能力有限。另外，进行GPU编程必须掌握计算机图形学相关知识，以及图形处理API，入门门槛较高，学习周期较长。

参考

• 蛮牛教育