intel 推出Iris Xe MAX 獨立顯卡 提升0.3 GHz

先看規格，Iris Xe MAX(DG1，應該是Discrete Graphic 1的縮寫，第一代獨立顯卡?)和TGL-U的Iris Xe(96EU)比，除了作為獨立顯卡存在必然需要的獨立顯存、使用PCIe接口而不是Ringbus和CPU內核連接外，唯一的區別就是頻率高了，從1.35 GHz提升到1.65 GHz，提升了0.3 GHz，22%，甚至連顯存都使用完全一樣的128 bit LPDDR4X-4266：

對筆記本硬件比較關注的，應該知道96EU的Xe核顯和MX350性能相近。基于上述條件，即便還沒看到DG1的評測，大概也能猜到，其它規格完全一樣，頻率提高22%的DG1，充其量僅僅能夠和NV在低壓本上最新的入門級獨顯——MX450相近。所以，不管是桌面還是游戲本，NV和AMD兩家的真·入門級獨顯，5500和1650，打DG1輕松的很。而且DG1的TDP僅僅是25W，顯然也不是面向供電散熱都有一定保證的游戲本、桌面市場的。

那么問題來了，Intel給出來一個和核顯規格一樣的獨顯，這是要干什么?可以實現類似NV的SLi或者AMD的交火那樣的效果么?很遺憾，不可以。Intel并沒有提供過類似的多顯卡的技術，要么用核顯，要么用獨顯——事實上，因為通過PCIe通道和CPU互聯，帶寬、延遲都不如核顯使用Ringbus，據說在某些游戲中，具備獨立顯存無需與CPU共享內存帶寬，頻率更高的DG1，性能甚至不如核顯。在低壓筆記本上，增加這么一塊芯片以及顯存，只為了部分游戲中獲得20-40%的性能提升，顯然很不合算。

結合Intel將近10年來，從Core 2 Quad直至Core gen7，一直維持主流平臺旗艦4核8線程的規格;高端桌面、服務器平臺除了增加核心規模外同時一直在推動SIMD計算;以及發布11代時的視頻中，大量的篇幅是介紹11代如何提升AI性能，加速應用。我的看法是：DG1是Intel在布局未來的人工智能、高性能計算的另一次嘗試。

Netburst架構的奔騰4因為功耗爆炸失敗后，Intel對于功耗是非常重視的。這些年來，Intel多次在不同場合給出了不同情況下，數據計算、傳輸消耗的功耗數據，沒有經過大量的研究、模擬、測試和統計分析，是不可能給出這些數據的。

具體的數據懶得重新翻出來了，大體上的結論就是執行某條指令的時候，參與工作的晶體管越多，CPU功耗就越高。不同的指令，計算單元本身的實現差異可能很大，例如浮點單元功耗可以達到整數單元的十多倍。想降低計算單元的功耗只能通過優化電路，使用更少的晶體管實現來降低，對于已經成熟的指令，這個幾乎不可能了。

而執行一條指令，除了計算單元外還有大量的晶體管參與工作。對于現代的CPU，計算單元不過是十多近二十級流水線中的一級，流水線的其它部分實現了取指、譯碼、分支預測、重排序、調度、寄存器重命名、發射、數據抓取/回寫等功能。除了CPU流水線外，現代CPU單個核心中還有大量的晶體管用于實現多級緩存。最終的結果，以Sandybridge(SNB)架構的Core Gen2為例，執行最傳統的x86指令(不含浮點)，計算單元僅僅占用了整個內核功耗的6%左右。執行浮點計算指令好一點，計算單元的功耗和內核中額外的模塊相近(不含SIMD指令)。因此，現代CPU為了達成高工作頻率使用的多級流水線，以及為了降低各種情況導致的流水線空泡出現的概率，代價是使用了額外的大量晶體管。

SIMD(Single Instruction Multi Data，單指令多數據)指令是提高晶體管效率的有效手段。對于多個需要進行相同計算的數據，一條指令就可以完成。相應的計算單元、數據通道使用的晶體管多倍提升的同時，流水線其它模塊使用的晶體管數量并沒有明顯變化。因此，SNB執行256bit AVX指令時，計算單元的功耗占整個內核的75%，晶體管效率提高了很多。支持512bit的AVX512指令，大概可以進一步提高到87%。

然而這僅僅是指內核的功耗分布，現代CPU除了內核，還有uncore部分，以Intel早期的服務器CPU(至強E5/E7 V*)來說，包括內核間互聯的環形總線、末級緩存、內存控制器、PCIe控制器、多個CPU互聯的QPI總線控制器等非內核模塊。海量數據吞吐計算時，這些模塊的功耗占據了整個CPU大約40%。所以，即便是AVX2這樣的SIMD指令，其實計算單元功耗也只占整個CPU的45%，不到一半。

這就是現代CPU的功耗困局：即使是降低CPU的工作頻率，可以大幅降低內核功耗;在同等功耗限制下，不惜成本成倍增加晶體管數量，容納下更多核心，但仍然會因為流水線的其它模塊和CPU內部的其它模塊占用了大量晶體管，無法獲得理想的計算性能。這些代價，對于只需處理少量數據的傳統應用，或者追求高響應的應用，是值得的，而且是必須的。但對于海量數據吞吐的計算來說，還是否必須，是否值得，就有待商榷了。

從NVIDIA推出GPGPU以來，頻率低，流水線短，沒有分支預測、亂序執行機制，等同于超寬SIMD指令(16-64個單精度浮點數，相當于512-2048bit寬度)的GPU，雖然一直被詬病程序編寫困難、不夠靈活、延遲高、效率低等等，但也因為頻率低單個晶體管功耗也低，可以使用更成熟的生產工藝堆砌大量的計算單元。依靠大量線程的切換來回避流水線空泡，相對CPU簡單很多的指令流水線占用的晶體管數量少得多，效率更高。即便是最頑固的CPU擁護者，也無法忽視GPU動則比同時期CPU高三四倍甚至更高幅度的理論性能。算法合適的前提下，GPU能提供比CPU強得多的性能。即便是效率差一些的算法，實際性能往往也可以達到甚至超過CPU。

如果說傳統的高性能計算，CPU和GPU各有所長，整體上CPU編程更簡單方便更靈活，GPU對CPU威脅有限的話。這幾年的視頻內容流行，人工智能在移動端的流行，都是相當合適用GPU處理的算法，GPU對傳統CPU在數據中心市場造成了相當程度的沖擊。

Intel并非對GPU的沖擊毫無預見，但之前因為在x86的近乎壟斷地位，Intel采用的方案是集成大量的支持超寬SIMD指令但流水線簡化很多的x86 CPU，也就是至強融核。期望在這個市場也用x86優秀的兼容性，方便應用移植來從GPU手上爭奪回市場份額。即便是采用相對Core架構簡單很多的P54C架構，用4線程切換替換了亂序執行，因為指令譯碼、x86指令兼容、大容量緩存和交互總線依然消耗了大量晶體管，至強融核和同期的GPU相比，理論性能依然低不少。例如2012年的Xeon Phi 7120P，理論單精度浮點性能2.4 TFLOPS，同期的Geforce GTX 680是3 TFLOPS。這還是7120P用了22nm制程，功耗達到300W;680則是臺積電28nm制程，功耗195W的結果，因為晶體管數量7120P是50億，680僅僅是35億。

至強融核路線已經在2017年被取消了，而DG1則是負擔起抗衡NV的重任。但一開始就直接抗衡旗艦級產品并不現實，NV多年來的積累不是幾年的研發就能追趕上的。因此，低規格的DG1，憑借Intel和筆記本OEM廠商的關系，在低壓筆記本平臺上，搭配Xe核顯，在支持GPU加速的生產力應用上提供更強的性能——在低壓移動這個因為功耗、成本NV難以發力的平臺上，CPU+iGPU+dGPU配合打一下NV還是很有希望的。

Intel應該是期望隨著這個方案的普及，更多應用對Intel這套方案提供支持優化，在今天相對更普及的視頻編輯、人工智能(客戶端推斷)方面對NV發起反擊。

最后，搭載DH1的筆記本產品還沒上市，具體性能表現，市場表現，各軟件開發商支持力度，都難以推測。所以，最終效果能否達成Intel的期待，還要拭目以待。