各位亲爱的网友们，大家好！
今天我们邀请到高通GPU团队负责人埃里克·德默斯，来聊聊高通即将推出的X2 GPU架构。我们将探讨X2 GPU相比上一代X1 GPU有哪些变化，以及做出这些变化的原因。
希望你们喜欢！
以下文字稿已进行编辑，以提高可读性和简洁性。
乔治：各位互联网上的朋友们，大家好。我们现在在圣地亚哥的高通总部，参加他们的首届架构日活动，我今天请到了埃里克·德默斯。你是做什么的？
埃里克：我是高通公司的员工，我领导我们的GPU团队，我们负责大部分硬件和部分软件。所有功能都集成在一个系统中，我们组建了一支非常优秀的团队，我在这里工作了十四年。
乔治：用 60 秒快速概括一下 X2 GPU 相对于 X1 GPU 的新特性。
埃里克：嗯，对我们来说，这是下一代产品。这意味着我们审视了X1上的所有设计，然后说“我们可以做得更好”，并从根本上提升了性能。我之前也说过，性能提升非常显著，但功耗的提升幅度并不相同。因此，它的核心能效非常高，这意味着您只需付出略高的功耗即可获得更高的性能。这与性能翻倍、功耗也翻倍的情况截然不同，所以这是一项重大改进。其次，我们希望成为一款功能齐全的DirectX 12.2 Ultimate产品。也就是说，它具备DirectX 12.2的所有特性，而大多数Windows GPU已经支持这些特性，所以我们也加入了支持DirectX 12.2的行列。
George：那么在 API 方面，你们将支持 X2 GPU 的哪些功能？
Eric：显然，我们会支持 DirectX 12.2 以及其后的所有 DirectX 版本，因此完全兼容。此外，我们还计划引入原生 Vulkan 1.4 支持。Windows 提供了一个 Vulkan 1.4 版本，但我们将提供一个与我们其他产品相同的原生代码库。我们还将引入原生 OpenCL 3.0 支持，该支持也已应用于我们的其他产品。然后，我们计划在 2026 年第一季度引入 SYCL 支持。SYCL 是一种面向 GPU 的高端计算 API 和着色语言。它是一个开放标准，其他公司也支持它，这有助于我们解决 Windows 平台上骁龙处理器的一些 GPGPU 用例。
乔治：太棒了，接下来我们稍微深入了解一下架构。X2 GPU 现在配备了所谓的 HPM 或高性能内存？它的具体用途是什么？在硬件中又是如何实现的？
埃里克：我们的GPU一直都带有内存。最初在移动端，我们采用的是分块架构，这种架构可以最大限度地降低内存带宽需求。它的实现方式是在将数据发送到DRAM之前，尽可能多地保留芯片内部的数据。现在，我们更进一步，决定“把内存容量做得更大”，不再采用分块渲染的方式，而是将渲染结果直接写入芯片内部的SRAM，这个SRAM的容量足以容纳整个屏幕或大部分屏幕内容。因此，特别是对于X2至尊版，我们可以实现QHD+、1600p、2K分辨率，所有渲染工作，包括色彩ROP单元、Z缓冲区等，都在芯片内部以全速完成，无需占用任何DRAM带宽。这样一来，GPU、CPU或NPU就可以利用这些带宽进行读取操作。这不仅提升了性能，节省的带宽也降低了功耗。所以，对我们来说，这实现了每瓦性能的提升。它不仅限于渲染，它还是一块连接到GPU的通用大容量内存，可以用于计算。你可以先渲染到这块内存上，然后使用着色器在HPM（高性能内存模块）中进行后期处理。我们已经开发出各种灵活的用例，未来还会开发出更多。
乔治：太棒了，说到HPM（高性能内存模块），X2-90 GPU上有21兆字节的HPM。它是如何分配的？是每个切片5.25MB，并且该切片只能访问这5.25MB，还是整个芯片共享？
Eric：所以从物理层面来说，它是按切片实现的。每个切片有 5.25 MB 的空间。但是，实际上我们有一个完整的交叉开关，因为如果你把它看作一个帧缓冲区，它允许从任何位置获取数据。你可以从任何一个切片随机访问整个表面。我们有一个全带宽的完整交叉开关，这使得 HPM 可以被任何一个切片使用，即使它在物理上是实现在切片内部的。
乔治：HPM是如何设置的？它是缓存还是草稿本？
埃里克：所以答案是肯定的，它由软件控制。你可以分配一部分空间作为缓存。最多可以分配 3MB 的颜色和 Z 缓存。大约三分之一到三分之二的空间，通常是在渲染到 DRAM 时用作缓存。这里的缓存用于粒度级的读取，所以你会预取数据并将其加载到芯片上，解压缩数据，然后将其拉入 HPM，尽可能在本地使用，然后在清除缓存行时将其缓存出来。HPM 的其余部分将保留供软件使用。它可以用来存储任何内容，可以用来存储渲染目标，你可以存储多个渲染目标，它可以只存储 Z 缓冲区或颜色缓冲区。它还可以存储你将在渲染中使用的先前渲染的纹理。从这个意义上讲，它实际上是一个通用的临时存储空间，你可以从应用程序和驱动程序的角度根据需要使用它。
乔治：为什么只允许将3兆字节的SRAM用作缓存，而将另外2.25兆字节用作临时SRAM？为什么不全部用作缓存呢？
Eric：是的，这其实是我们内部也讨论过的问题。首先，以我们目前的粒度进行缓存是有成本的。标签内存（也就是用来记录缓存状态的内存）会随着缓存大小的增长而增长。所以这并非免费，不能随意添加。实际上，成本相当高，因为它还会影响计时，因为需要进行标签查找，而且标签越大，设计就越复杂。因此，存在一个理想的上限，超过这个上限就需要投入更多的工作和成本。但我们研究后发现，如果将整个帧缓冲区都存储在 HPM 中，效率可以达到 100%。但一旦缓存大小低于此值，效率就会趋于平缓，缓存命中率不会显著下降，除非缓存变得非常小，而且只有当缓存接近满载时，命中率才会显著提高。所以，缓存容量达到了一个平台期，我们发现平台期底部的大小正好是我们计划的大小。这样一来，缓存命中率就非常高了。如果我们把容量扩大一倍，效果不会有太大提升，但成本会更高。因此，在这个设计方案中，我们做出了正确的权衡。未来我们可能会重新考虑这个问题，尤其是在HPM的应用场景发生变化的情况下，但就目前而言，这个大小对我们来说是合适的。
乔治：我们还要更深入地研究切片架构。之前，切片中包含一个微型存储处理器（micro-SP）。每个存储处理器（SP）有两个微型存储处理器，然后每个切片又包含两个存储处理器。
埃里克：是的。
乔治：micro-SP 芯片以前每波只能发出 128 条指令，现在你们改用了每波 64 条指令，但 micro-SP 芯片里仍然有 128 个 ALU。你们是如何处理每波只能向 128 个 ALU 发出 64 条指令的情况的？
Eric：我不确定这与其他方案有太大区别，但我们采用的是双波发射。我们会同时发射两个波，让所有算术逻辑单元（ALU）都保持忙碌。从某种意义上说，这意味着我们不仅能够处理 wave64，而且由于 wave64 的特性，我们的效率也更高。如果执行分支操作，波越小，粒度损失就越小，需要执行的潜在分支也就越少。Wave64 通常比单个大波更有效地利用资源，事实上，两个波比一个波更高效。因此，对我们来说，保持更多波在运行本身就是一种效率提升，即使它不会影响峰值吞吐量。但这会带来额外的开销，你需要更多的上下文信息、更多的元数据才能同时运行两个波。其中一个后果是，通用寄存器（GPR，用于存储波的数据）的容量需要从 96k 增加到 128k，大约增加了 30%。我们增加波浪数量，部分原因是想增加波浪数量，既是为了解决双重问题，但增加波浪数量通常效率更高。
乔治：那么，你的GPU能够进行双发射的频率如何？同时发射两波脉冲的频率如何？
埃里克：一直都是这样，几乎总是如此。我猜想可能会出现着色器执行过程中出现“气泡”的情况，导致两个着色器都在等待，这种情况下两个都不会运行。也许其中一个着色器会先发出并准备就绪，但通常情况下，我们有很多着色器在运行，所以总有足够的空间让两个着色器同时运行。
乔治：好的。
埃里克：如果一个波使用了大量的 GPR，而我们没有足够的 GPR，那确实会出现这种情况。通常情况下，我们有足够的 GPR 来处理两个这样的情况，但在这种情况下，你可能会更频繁地遇到性能限制，因为没有足够的 GPR 来覆盖所有内存读取的延迟。但这只是非常非常复杂的着色器的一个极端情况，并不常见。
乔治：所以双重议题机制并没有太多限制？
埃里克：不，没有限制。
乔治：太好了，非常感谢您接受这次采访。我的最后一个问题是，您最喜欢哪种奶酪？
埃里克：问得好。我爱布里奶酪，永远都会爱布里奶酪……还有马苏里拉奶酪块。我在加拿大长大，肉汁奶酪薯条（poutine）在那儿很流行，我超级爱吃马苏里拉奶酪块，但现在很难买到。我偶尔能在全食超市（Whole Foods）找到，但令人惊讶的是，在亚马逊上，我得去订购才能在家做肉汁奶酪薯条。
乔治：有趣的是伊恩，他负责掌镜。我和他，他是土豆，我是奶酪。
埃里克：好了。
乔治：我们制作了一档名为“科技肉汁奶酪薯条”的节目，嘉宾是“肉汁”。
埃里克：啊，找到了，肉汁也有。瑞士小屋牌的，或者我忘了另一个牌子了，反正都很好吃。圣地亚哥的Five Guys餐厅的薯条最接近正宗的肉汁奶酪薯条。我有些加拿大朋友会去Costco买奶酪，然后去Five Guys买薯条，自己做酱汁，就为了吃这个。
乔治：非常感谢您接受这次采访。
埃里克：不客气。
乔治：如果你喜欢这类内容，请点赞并订阅。这对频道的发展很有帮助。如果你想要文字稿，可以在chipsancheese.com上找到，Patreon 和 PayPal 的链接也在下方的描述中。非常感谢埃里克。
埃里克：不客气，谢谢你。
乔治：祝各位一切顺利。
原文： https://chipsandcheese.com/p/diving-into-qualcomms-upcoming-adreno