轉碼/解密/挖礦！顯卡計算能力大對比

    泡泡網顯卡頻道8月27日 現在的顯卡市場，同質化已經嚴重到了什么地步呢？不僅僅是板卡廠商之間的顯卡性能基本沒區別，而且同價位的N卡和A卡在不同游戲中的表現也是難分勝負，讓游戲玩家們難以抉擇。

    于是NVIDIA和AMD的競爭開始逐漸淡化游戲，而強調功能和應用，三屏、3D、PhysX、視頻等開始大行其道。不過這些功能都難以量化，隨著CUDA和Stream的飛速發展催生了OpenCL和DirectCompute通用計算標準，使得NVIDIA和AMD在另一條道路上展開了新的競賽——并行計算。

    近年來GPU已經在科學研究和超級計算領域取得突破性進展，隨著數百萬支持CUDA的GPU已經遍布全球計算機，軟件開發人員、科學人士和研究人員正在利用CUDA探測到更多更廣的領域中，包括圖像和視頻編輯、計算生物學和計算化學、流體力學模擬、CT圖像重組、地震分析、光線追蹤以及其它更多。近年來超級計算機的突飛猛進很大程度上也是得益于強大的GPU加盟。

    對顯卡感興趣的朋友都知道，通用計算之所以如此熱門，根本原因在于顯卡核心GPU的多流處理器（相當于數百核心）架構：GPU強大的并行浮點運算能力是僅僅擁有個位數核心的中央處理器CPU無法望其項背的。而通用計算技術可以發揮GPU的長處，讓其電腦運算速度飆升，一些應用程序的速度可以提高數倍甚至數十倍，讓原來因為運算量巨大而不可完成的任務變得可行。

    而在家用、辦公電腦上，借助GPU加速的軟件也越來越多，這些軟件有的可以用來轉碼，有的可以用來增強圖像、視頻的畫質，有的可以將2D電影轉換成3D，有的還能智能歸類和編輯照片……

    跟以往的GPGPU概念不同的是，CUDA是一個完整的解決方案，包含了API、C編譯器等，能夠利用顯卡核心的片內L1 Cache共享數據，使數據不必經過內存-顯存的反復傳輸，shader之間甚至可以互相通信，對數據的存儲也不再約束于以往GPGPU的紋理方式，存取更加靈活，可以充分利用stream out（流輸出）特性，最典型的例子就是PhysX物理加速特效。PhysX最早是Aegia公司推出的硬件級物理加速技術，NVIDIA將其收購之后便通過CUDA環境將PhysX軟件化，由顯卡中的shader單元承擔物理加速特效的運算。

    對于Stream技術，AMD宣稱可讓顯卡內數百個平行串流核心，為各種一般用途的應用帶來加速的效果，打造各種優異的平臺，并可大幅提升每瓦性能，而實現這一點的前提就依賴于AMD獨特的流處理器單元設計。

    GF100的512個CUDA核心都符合IEEE 754-2008浮點算法(Cypress也是如此)和完整的32位整數算法，而后者在過去只是模擬的，事實上僅能計算24-bit整數乘法；同時全面引入的還有積和熔加運算(Fused Multiply-Add/FMA)。此外雙精度浮點(FP64)性能大大提升，峰值執行率可以達到單精度浮點(FP32)的1/2，而過去只有1/8，AMD從R600開始到現在的Cypress核心都是1/5，沒有做任何變化。

    其實業界第一款GPU通用計算軟件就是用戶科學計算，它就是由斯坦福大學主導的Folding @ Home分布式計算，最早支持ATI顯卡，而NVIDIA后來者居上，目前N卡所貢獻的運算能力已經超越了所有CPU之和，A卡也不弱！

    Folding@home是一個研究蛋白質折疊、誤折、聚合及由此引起的相關疾病的分布式計算工程。最開始F@H僅支持CPU，后來加入了對PS3游戲機的支持，但同樣是使用內置的CELL處理器做運算。F@H因ATI的加入為GPU計算翻開了新的一頁，如今F@H第二代GPU客戶端已經能夠支持ATI和NVIDIA的全系列DX10 11 GPU

    針對Fermi核心的平衡運算優勢，《Folding@Home》最新版本GPU3，專為新一代Fermi系列顯卡而設，進一步善用Fermi核心架構之優勢。

    據官方介紹，新版的蛋白質折疊運算速度及穩定性已經大幅提高，而且加入更加科學計算項目，希望能籍Fermi核心的架構優勢，加快《Folding@Home》內的各項復雜運算。Shader的頻率對影響運算效能非常大，所以NVIDIA可以領先AMD很多。

    遺失密碼是一件令人相當煩惱的事，尤其因忘記工作文檔密碼所做造成的金錢損失更是十分“杯具”，如何快捷高效地找回密碼是件難事。現行GPU的發展越來越強勢，通用運行能力已經遠超于CPU，而CPU的運行能力卻是有限的，所以能夠發揮出GPU強大的通用運算能力定必會大大縮短破解密碼的時間。

    GPU就是顯示卡的“心臟”，也就相當于CPU在電腦中的作用，它決定了該顯卡的檔次和大部分性能外，還有著大規模的并行計算能力，可以讓開發人員領先出引人入用的消費級和專業級的計算應用程序。無論是NVIDIA的CUDA或者是AMD的Stream運算，都是眾多軟件廠商所追捧的。

    我們找來了Elcomsoft出品的Advanced Office Password Recovery，是一款同時支持CPU與GPU的Office密碼恢復軟件。最多可支持32個CPU或內核和8個GPU同樣運行，也可以指定全部或者是部分CPU/GPU核心進行恢復密碼的工作。

    測試中我們關閉所有CPU核心，完全由GPU獨立工作來破解一個由6位數字加密的Word文件。

    密碼破解對于流處理器數量非常敏感。AMD的GPU由于SIMD架構的龐大流處理器優勢遙遙領先于NVIDIA GPU。

    Cyberlink（訊連科技）旗下大名鼎鼎PowerDVD相信大家都非常熟悉，作為一家專注視頻與多媒體的軟件開發商，Cyberlink不久前推出了一款專業的快速視頻轉換軟件——MediaShow Espresso，需要注意的是MediaShow(魅力四射)是一款視頻編輯軟件，而MediaShow Espresso才是視頻轉換軟件。

    現在編碼解碼軟件滿天飛，但是MediaShow Espresso卻有它的獨到之處。它是第一款同時支持CUDA與Stream加速的視頻轉換軟件，除此之外它還對Intel Core i7處理器的超線程及SSE4指令集做了優化，因此無論純CPU轉碼還是GPU加速，其速度比傳統軟件都要快。

    測試視頻文件為長度為3分42秒碼率22M的H.264編碼的M2TS文件。測試中我們打開GPU解碼與GPU編碼選項，將編解碼工作交由GPU來完成。

    可以看出，GPU視頻轉碼時，CPU和GPU都要參加計算，而且GPU不需要盡全力，所以高端GPU和中端GPU的性能是差不多的。總體來看N卡的CUDA性能要優于A卡的Stream性能。

    值得注意的是，本次測試使用的是同時支持CUDA和Stream的MediaShow Espresso進行測試，如果使用僅支持CUDA的MediaCoder軟件的話，N卡的視頻轉碼速度還能更快，這方面A卡無論性能還是軟件支持度都不如N卡。

    ComputeMark由捷克硬件和游戲網站CzechGamer.com的Robert Varga開發制作，引擎是基于Jan Vlietinck的Fluid3D Demo。軟件能夠使顯卡占用率達到99%，而CPU占用率僅0-1%，避免由CPU性能造成對測試成績的影響。同時該軟件還有功耗測量的功能，測試時間可以隨意設定。

    ComputeMark需要在純DX11環境下運行，包括Windows 7 32/64位操作系統、DX11 API和DX11顯卡。

    最終結果很和諧，雖然A卡的理論浮點運算能力很高，但在DirectCompute理論測試當中，同級別的A卡并不比N卡高多少。因為DirectCompute現階段主要還是在游戲當中使用，因此意義不是很大。

    如果您還不了解比特幣的話，不妨看看前不久我們的評測文章《掛機也能賺錢？教你用顯卡挖礦賺美元》。這里就直接引用測試數據：

    下面筆者做個簡要分析：

1. HD6990擁有兩顆GPU，核心頻率與單核心的HD6970完全相同，所以挖礦性能正好翻倍。事實上HD6990就是需要開兩個挖掘器分配給兩顆GPU一起計算。
2. AMD上代HD5870流處理器稍多于HD6970，但核心頻率稍低，最終兩代旗艦單卡的挖礦性能差不多。要知道VLIW4架構的HD6970游戲性能要強于VLIW5架構的HD5870，但挖礦性能似乎只取決于理論浮點運算能力，跟架構和效率毫無關系。
3. Barts核心的HD6790擁有256Bit顯存位寬，比128Bit的HD6770大一倍。但兩者的挖礦性能完全相同，所以顯存位寬頻率對性能沒有任何影響，影響性能的唯一因素就是流處理器數量及頻率。
4. NV優異單卡GTX580還不如HD6750，但要比CPU強很多，畢竟它也有數百顆核心。

    那為什么A卡和N卡的差距如此之大呢？比特幣挖掘器采用的是SHA-256，這是由美國國家安全局發明的一種安全散列函數，一般用于密碼加密與解密。這種算法會進行大量32位整數循環右移運算，這個操作在AMD GPU那里可以通過單一硬件指令實現，而在NVIDIA GPU那里需要三次硬件指令來模擬（2移+1加），僅這一條就為AMD帶來額外的1.7倍運算效率優勢（大約1900指令來執行SHA-256壓縮操作，而不是NVIDIA的大約3250指令）。

    如此一來，AMD較高的浮點運算能力再加上算法效率優勢，AMD GPU在密碼破解與比特幣挖掘時的性能，大概是NVIDIA GPU的3倍以上！

    通過前面幾項不同類型的通用計算應用來看，A卡和N卡之間的性能差距是相當大的，而且動不動就是幾倍以上的差距。A卡恐怖的理論性能有時候確實有效果，但有時候還是要大幅落后于N卡，這與雙方在3D游戲中和諧愉快的表現截然相反！

    這種奇怪的現象，一方面是由雙方截然不同的架構所造成的，另一方面是不同應用的算法不同，可能會比較“偏愛”某一種架構。最終，就要看誰在軟件優化方面做得好，誰就能勝出。目前來看CUDA還是占有明顯的上風，已經有很多超級計算機配備了NVIDIA Tesla加速卡，CUDA的應用軟件還是要比Stream多很多的。

    不管CUDA和Stream孰強孰弱，OpenCL和DirectCompute標準誰能笑到最后，GPU的地位顯然在迅速攀升。超級計算機想要在性能上取得突破，使用GPU+CPU的異構架構是唯一選擇，未來高性能計算已經離不開GPU的支持了。

    NVIDIA和ATI從3D游戲戰場打到了通用并行計算領域，到底誰能笑到最后現在還是個未知數。

    對于普通用戶來說，顯卡已經不再是一塊單純的3D游戲加速卡，以視頻應用為代表的高性能計算軟件率先步入GPU通用計算的大門，未來將會有更多計算軟件使用GPU強大的運算能力來加速，CPU和GPU的地位將變得同等重要。現在，玩家們因一兩款特別喜愛的游戲而升級顯卡；將來，或許很多不玩游戲的人，也會加入到獨立顯卡的行列！■<