真实重新定义，NVIDIA GeForce8800系列显卡

Reality Redefined,NVIDIA Geforce8800 Series

标量式渲染流水线设计(Stream Processing Architecture)

　　毫无疑问，GPU架构的革新也带来直接的速度提升。通常的做法是增加GPU内部的渲染管线(Pipeline)来获得更多的计算能力，但G80图形核心的实现方式截然不同。

　　像R5XX和G7X的每个ALU都有能力单周期完成一个3D+1D(也就是3D矢量+1D标量指令，它们如果并行，被称做co-issue)或者2D+2D(一般是贴图坐标的处理, 因为一般是2d的坐标, 所以可以两个同时进行)总共4D这样的指令操作。而观察G80图形核心的着色单元设计，我们会发现最大的不同就是G80图形核心将3D+1D或者2D+2D这样执行能力为4D的“大”ALU拆分为单个执行能力为1D的“小”ALU，然后将这些ALU组成8个阵列(TCP)，每个TCP拥有16个ALU，它们被称做1D Scalar Streaming Processors。通过独特的内部分频技术，这些着色单元阵列能以超过时钟频率2倍多的频率(1.35GHz)运行。

　　G80的纹理单元也被重新设计。前面已经提到，G80取消了传统的纹理单元。将传统纹理单元（TMU）的功能拆分为两种单元-- 纹理拾取单元(Texture Address Unit)和纹理过滤单元(TexTure Filtering Unit)，它们以跟核心频率相同的频率(575MHz)运作，以1：2的比例组成了新的纹理渲染阵列(Tex Array)。

G80图形核心的TCP阵列

　　那么，这种“瘦身高频”的做法到底有什么好处呢？

　　让我们回过头来看看Shader，当操作数为4D也就是vector4的时候，G80图形核心和传统流水线的GPU都有很好的性能，传统流水线的1*vec3 add/mul/madd + 1*scalar add/mul方式(也就是3D+1D处理)能直接单周期内完成指令，G80图形核心的单scalar 1D单元遇到4D指令虽然要4个周期才能完成，但期间的延迟通过G80图形核心庞大的Thread资源完全可以掩盖。但是，shader中的操作数不可能每时每刻都为4D，更多的是常用的mul或add这种简单指令，这种操作对于传统4D流水线就有些划不来了，因为不管操作数是多少，单个周期内它们都要占据一个ALU的运算资源。而对于G80图形核心来说，不管是多么“细小”的操作，它的这种分散式流水线都有很强的适应能力。

G80的单个标量处理单元示意图

　　另外，即使是标准的3D+1D的标量+矢量并行操作，co-issue也不是每时每刻都有效的，当前的各个GPU，在内部指令执行方面都有一定限制。比如，R4XX、R5XX要求程序对RGB+Alpha的co-issue进行配对优化；R580这种非对称架构需要着色器指令的顺序针对不同的过滤方式、不同的纹理格式使用不同的TMU、ALU指令配对比例；G7X要求nrm_pp指令紧挨着TMU指令执行..…等等等等。一旦出现不符合它们“胃口”的Shader顺序或者指令搭配方式，那么它们的理论指标就会大打折扣。

　　而对于G80图形核心的128个1D Scalar Streaming Processors来说，就完全没有这些限制了。当扣除掉这些Shader渲染时的意外情况，我们再来计算G80图形核心和传统GPU的FLOPS，就会发现它们之间的巨大差别。G80图形核心的每个Scalar能做mul+mad，一个mad是2个flop，一个mul是1个，所以总FLOPS是3(flop)*128(SP)*1350MHz=519Gflops，而R580是4D mad+add，所以就是12个flop，总Flop是12(Flop)*650(MHz)*48(Pipeline)=375Gflops。看似差距不大，但当co-issue失效的时候(大多数情况就是这样)，R580只能执行125Gflop/s，而G80图形核心依然有346Flops。再考虑到Shader中各种细微操作造成的资源浪费，这一差距更大。

G80的单个纹理渲染阵列示意图

　　在纹理渲染方面，G80也充分为未来进行了考虑。传统的GPU中TMU兼负纹理拾取和纹理过滤两重功能，而G80对这两种功能采用了分离设计，能最大限度的适应当前shader中需要对主内存进行操作的纹理拾取指令减少，而与HDR等相关的纹理过滤指令增多的情况。