Контрнаступление ATI Technologies:
семейство RADEON X1800 (R520),
X1600 (RV530) и X1300 (RV515)

Часть 1: Теория и архитектура

Не секрет, что выход нового поколения ускорителей от ATI задержался. Был ли тому причиной новый процесс (90 нм) и попытки сделать ревизию R520, обеспечивающую необходимые частоты и процент выхода годных кристаллов, или иные соображения (например, вынужденное затишье на графическом рынке в плане новшеств, перед выходом Vista и ускорителей, соответствующих парадигме WGF 2.0), но факт остается фактом. Конкурирующий продукт от NVIDIA появился раньше, и мы уже успели с ним подробно познакомиться, сделав четкий вывод об эволюционном, а не революционном характере G70 по отношению к семейству NV4X. Здесь, как мы уже знаем (в том числе из нашего предварительного материала), ситуация несколько иная: в наличии и другой техпроцесс и другая архитектура.

Семейство состоит из трех новых ускорителей — производительного R520, среднего RV530 и экономичного RV515. Встречайте, шейдеры 3.0 в исполнении ATI — сделано со знаком качества.

Официальные спецификации RADEON X1800

• Кодовое имя чипа R520
• Технология 90 нм
• 320 миллионов транзисторов (у G70 — 302)
• FС корпус (flip-chip, перевернутый чип без металлической крышки)
• 256 бит интерфейс памяти
• До 1 гигабайта GDDR-3 памяти
• PCI Express 16х шинный интерфейс
• 16 пиксельных процессоров
• 16 текстурных блоков
• Вычисление, блендинг и запись до 16 полных (цвет, глубина, буфер шаблонов) пикселей за такт
• 8 вершинных процессоров
• Сквозная точность вычислений — FP32 (и вершины и пиксели)
• Полная поддержка SM 3.0 (шейдеры версии 3.0), включая динамические ветвления в пиксельных и вершинных процессорах, выбор значений текстур из вершинных процессоров и т.д.
• Эффективная реализация переходов и ветвлений
• Поддержка FP16 формата: полностью поддерживается вывод в буфер кадра в плавающем формате FP16 (включая любые операции блендинга и даже MSAA). Сжатие FP16 текстур, включая 3Dc.
• Новый RGBA (10:10:10:2) целочисленный тип данных в буфере кадра для более качественного рендеринга без привлечения FP16.
• Новый качественный алгоритм анизотропной фильтрации (пользователю доступен выбор между более быстрой и более качественной реализацией анизотропии), улучшена трилинейная фильтрация
• Поддержка «двустороннего» буфера шаблонов
• MRT (Multiple Render Targets — рендеринг в несколько буферов)
• Контроллер памяти с 512-битной внутренней кольцевой шиной, два разнонаправленных кольца по 256 бит, (4 канала памяти, программируемый арбитраж).
• Эффективное кэширование и новая более эффективная реализация HyperZ
• 2xRAMDAC 400 МГц
• 2xDVI интерфейса c поддержкой HDCP, а также HDMI через переходник
• TV-Out и TV-In интерфейс, HDTV-Out
• Аппаратный видеопроцессор (для задач компрессии, декомпрессии и постобработки видео), новое поколение, способное ускорять работу с H.264, — новым алгоритмом компрессии видео, используемым в HD-DVD и Blu-Ray видеодисках.
• 2D ускоритель с поддержкой всех функций GDI+
• Поддержка технологии ATI CrossFire

Официальные спецификации RADEON X1600

• Кодовое имя чипа RV530
• Технология 90 нм
• 157 миллионов транзисторов
• FС корпус (flip-chip, перевернутый чип без металлической крышки)
• 128 бит интерфейс памяти (возможна 64 бит конфигурация)
• До 512 мегабайт DDR1/2 или GDDR-3 памяти
• PCI Express 16х шинный интерфейс
• 12 пиксельных процессоров
• 4 текстурных блока (!)
• Вычисление, блендинг и запись до 4 полных (цвет, глубина, буфер шаблонов) пикселей за такт
• 6 вершинных процессоров
• Сквозная точность вычислений — FP32 (и вершины и пиксели)
• Полная поддержка SM 3.0 (шейдеры версии 3.0), включая динамические ветвления в пиксельных и вершинных процессорах, выбор значений текстур из вершинных процессоров и т.д.
• Эффективная реализация переходов и ветвлений
• Поддержка FP16 формата: полностью поддерживается вывод в буфер кадра в плавающем формате FP16 (включая любые операции блендинга и даже MSAA). Сжатие FP16 текстур, включая 3Dc.
• Новый RGBA (10:10:10:2) целочисленный тип данных в буфере кадра для более качественного рендеринга без привлечения FP16.
• Новый качественный алгоритм анизотропной фильтрации (пользователю доступен выбор между более быстрой и более качественной реализацией анизотропии), улучшена трилинейная фильтрация
• Поддержка «двустороннего» буфера шаблонов MRT (Multiple Render Targets — рендеринг в несколько буферов)
• Контроллер памяти с 256-битной(?) внутренней кольцевой шиной, два разнонаправленных кольца, (4 канала памяти, программируемый арбитраж).
• Эффективное кэширование и новая более эффективная реализация HyperZ
• 2xRAMDAC 400 МГц
• 2xDVI интерфейса c поддержкой HDCP
• TV-Out и TV-In интерфейс, HDTV-Out Аппаратный видеопроцессор (для задач компрессии, декомпрессии и постобработки видео), новое поколение, способное ускорять работу с H.264, — новым алгоритмом компрессии видео, используемым в HD-DVD и Blu-Ray видеодисках.
• 2D ускоритель с поддержкой всех функций GDI+
• Поддержка технологии ATI CrossFire

Официальные спецификации RADEON X1300

• Кодовое имя чипа RV515
• Технология 90 нм
• 105 миллионов транзисторов FС корпус (flip-chip, перевернутый чип без металлической крышки)
• 128 бит интерфейс памяти (возможны 64 и 32 бит конфигурации)
• До 256 мегабайт DDR1/2 или GDDR-3 памяти
• Поддержка технологии HyperMemory
• PCI Express 16х шинный интерфейс
• 4 пиксельных процессора (один квад)
• 4 текстурных блока
• Вычисление, блендинг и запись до 4 полных (цвет, глубина, буфер шаблонов) пикселей за такт
• 3 вершинных процессора
• Сквозная точность вычислений — FP32 (и вершины и пиксели)
• Полная поддержка SM 3.0 (шейдеры версии 3.0), включая динамические ветвления в пиксельных и вершинных процессорах, выбор значений текстур из вершинных процессоров и т.д.
• Эффективная реализация переходов и ветвлений
• Поддержка FP16 формата: полностью поддерживается вывод в буфер кадра в плавающем формате FP16 (включая любые операции блендинга и даже MSAA). Сжатие FP16 текстур, включая 3Dc.
• Новый RGBA (10:10:10:2) целочисленный тип данных в буфере кадра для более качественного рендеринга без привлечения FP16.
• Новый качественный алгоритм анизотропной фильтрации (пользователю доступен выбор между более быстрой и более качественной реализацией анизотропии), улучшена трилинейная фильтрация
• Поддержка «двустороннего» буфера шаблонов
• MRT (Multiple Render Targets — рендеринг в несколько буферов)
• Контроллер памяти с 4-х канальным кроссбаром 4*32 бита (4 канала памяти, программируемый арбитраж). Эффективное кэширование и новая более эффективная реализация HyperZ
• 2xRAMDAC 400 МГц
• 2xDVI интерфейса c поддержкой HDCP
• TV-Out и TV-In интерфейс, HDTV-Out
• Аппаратный видеопроцессор (для задач компрессии, декомпрессии и постобработки видео), новое поколение, способное ускорять работу с H.264, — новым алгоритмом компрессии видео, используемым в HD-DVD и Blu-Ray видеодисках.
• 2D ускоритель с поддержкой всех функций GDI+

Далее мы подробно поговорим о новой архитектуре ATI, а пока отметим самые важные моменты: всестороннюю поддержку SM3 включая эффективную реализацию переходов, работу с форматами хранения и рендеринга FP16 без каких-либо ограничений (как и с целочисленными, включая MSAA и сжатие текстур но не включая фильтрацию FP16 текстур, к сожалению), FP32 точность вычислений внутри чипа.

Начальная линейка карт

Позже, несомненно, появятся новые референсные конфигурации и новые карты от ATI. А пока отметим некую задержку, практически до декабря, с доступностью продуктов на базе RV530 (чип разрабатывался несколько позже R520 и несет в себе некоторые черты будущего R580, отсюда, видимо, и сдвиг с массовым производством), и задержку с доступностью самого старшего продукта линейки — X1800 XT — явление скажем так досадное, и намекающее на то, что на данный момент целый месяц этот самый быстрый ускоритель будет скорее пресс-картой (ведь обозреватели свои карты получили к анонсу) и призван конкурировать с G70 в обзорах, а не на полках магазинов. Возможно, опять-таки, виной тому выход годных чипов, или иные соображения, но ранее 5 ноября мы в магазинах эту карту не увидим.

Учитывая высокий конкурентный потенциал RV530 и шансы 1800XT более-менее заметно обойти GeForce 7800 GTX, можно только посетовать на эти задержки — было бы лучше, если бы все продукты новой линейки, давно ожидаемой поклонниками ATI, появились в продаже уже сейчас.

Архитектура R520

В этот раз мы не будем приводить собственную схему, а возьмем схему из материалов ATI — так как она в этот раз отличается похвальной детализацией и отображает все необходимые нам моменты. Давайте посмотрим внимательно:

Архитектура вершинных процессоров

В наличии 8 одинаковых вершинных процессоров (на схеме они скрыты в блоке Vertex Shader Processors), соответствующих SM3 требованиям и построенных по стандартной для ATI схеме 3+1 (ALU каждого вершинного процессора может исполнять две разные операции одновременно, над тремя компонентами вектора и четвертой компонентой или скаляром). Фактически, вершинные процессоры стали очень похожими на то, что мы видели в NV4X и G70 но без возможности выборки значений из текстур. За единственным исключением — там была схема 4+1 (за такт обрабатывался четырехкомпонентный вектор и скаляр), а тут 3+1. Потенциально схема, примененная в G70, чуть более производительна, но реальная разница может быть практически не заметна, тем более в наше время, когда вершинные процессоры редко бывают узким местом во время рендеринга. Позже мы внимательно исследуем (в том числе практически) вопрос реализации и эффективности доступа к текстурам из вершинных процессоров ATI.

Архитектура пиксельной части

А вот тут и кроется все самое интересное. Посмотрите на схему выше — в отличие от NVIDIA, текстурные модули вынесены за общий конвейер, и архитектуру чипа можно назвать распределенной. Здесь нет общего длинного конвейера, по которому крутятся колесом квады, как в случае NVIDIA, совершенно отдельно существует текстурная часть — блоки генерации текстурных координат и доступа к текстурам и сами TMU, а отдельно — пиксельные процессоры, выполняющие арифметические и другие операции и наборы регистров сданными. Такая схема имеет свои плюсы и минусы. Основной минус — она хорошо годится для механизма фаз, когда сперва идет интенсивная выборка текстур, а потом вычисления над ними (шейдеры 1.X и старые программы со стадиями), но чревата неоправданными задержками при зависимых выборках текстур, которые достаточно часто встречаются в современных шейдерах 2.X и 3.0. Представьте себе сами — одна команда доступа к текстуре реально вызывает длительную операцию, занимающую много тактов, и все это время вычислительный шейдерный процессор должен ждать? Не тут-то было — ATI достаточно элегантно решает этот вопрос! Причем решение универсально, оно не только эффективно исполняет зависимые выборки, но и повышает по сравнению с подходом NVIDIA КПД работы пиксельной части на шейдерах с условиями и переходами. ATI называет эту технологию гипертредингом.

Итак, как это все работает?

Магический ящик под названием Ultra Threading Dispatch Processor дирижирует исполнением — одновременно в обработке находится 512 квадов, каждый из которых может быть на разных стадиях исполнения шейдера. Вместе с каждым квадом хранится его текущее состояние, текущая команда шейдера, значения ранее проверенных условий (информация о текущей ветке условного перехода). В чипах NVIDIA квады идут по кругу, один за другим, и максимум, что возможно — пропуск квадов, не подпадающих под текущую ветку условия. В R520 работа организована по иному — наш магический ящик постоянно проверяет наличие свободных ресурсов (будь то текстурные блоки или пиксельные) и направляет стоящие на очереди квады в освободившиеся устройства. Если квад не прошел проверку на условие и не должен обрабатываться той или иной частью шейдера, то он не будет болтаться по кругу, занимая место и время, вместе с другими квадами, которые нуждаются в обработке. Он просто пропустит те команды, которые ему не нужны и не будет занимать работой текстурный или пиксельный блок. Если квад ждет данных из текстурного блока — он пропустит вперед другие квады, которые пока загрузят пиксельные вычислительные блоки. Таким образом, единым подходом убивается сразу два зайца — скрывается латентность доступа к текстурам и эффективно используются вычислительные и текстурные ресурсы во время исполнения шейдеров с условиями и переходами. Эффективность обоих моментов напрямую зависит от числа квадов, которые может удержать в обработке наш магический ящик. И 512 выглядит вполне солидным набором (за такт мы можем получить текстуры для 4 квадов и обработать в пиксельных процессорах 4 квада, таким образом, до 8 квадов находятся в обработке каждый такт, а остальные ждут своей очереди или данных из текстурных блоков).

Несомненно, этот блок достаточно сложный, и логика согласования и дирижирования этим набором квадов составляет значительную часть чипа, возможно, сравнимую с текстурными и пиксельными процессорами. Тем более, что наборы регистров с данными фактически относятся и к этому блоку — их должно быть очень много, чтобы эффективно хранить все промежуточные вычисления для 512 квадов, ожидающих своей очереди.

Теперь подробнее о пиксельных процессорах и ALU.

Как мы уже видели, пиксельные процессоры сгруппированы по 4 — то есть фактически мы имеем не 16 отдельных процессоров, а 4 процессора квадов, обрабатывающих за один такт 4 пикселя. Каждый такой процессор квадов состоит из следующего набора блоков:

и может выполнить за такт над четырьмя пикселями следующий набор операций:

• VEC3 ADD+модификация и перестановка компонентов (Vector ALU 1)
• Scalar ADD+модификация компонентов (Scalar ALU 1)
• VEC3 ADD/MUL/MAD и другие операции (Vector ALU 2)
• Scalar ADD/MUL/MAD и другие операции (Scalar ALU 2)
• Операцию условного или безусловного перехода (Branch)

Кроме того, не забываем, что кроме этих пяти операций, параллельно может происходить операция адресации текстуры, то есть запроса данных из TMU. Таким образом, в случае оптимального кода шейдера мы получаем пиковую производительность в 6 операций за такт, что (в принципе) сравнимо с G70, если учесть разницу в архитектурных подходах к исполнению ветвлений. Но, схема, примененная ATI, как мы уже отмечали, более эффективно справляется с переходами. В практических тестах мы проверим это предположение.

Интересно, что ATI верна своему подходу — 3+1 (могут быть исполнены две разные операции, одна над тремя компонентами вектора, вторая над скаляром, который является четвертой). В большинстве случаев подход NVIDIA (2+2 или 3+1 по выбору) можно считать более эффективным, однако на типичных графических задачах эта разница будет сказываться очень слабо.

Еще один важный момент новой архитектуры — кэширование сжатых данных — как данные глубины и буфера кадра, так и текстурные данные хранятся в КЭШах чипа в сжатом виде и распаковываются и запаковываются на лету, по мере доступа к ним из соответствующих блоков. Таким образом, эффективность кэширования возрастает, можно считать, что объем КЭШей виртуально увеличился в несколько раз.

Логично предположить, что такая архитектура, с разделенными текстурными и пиксельными блоками, может очень хорошо масштабироваться:

Как мы видим, RV530 и RV515 построены по той же самой схеме.

В RV515 остался только один квад — это упрощает многие аспекты, в том числе и для магического ящика дирижера. В RV530 ситуация сложнее — там три пиксельных процессора квада, но только один текстурный блок. То есть мы имеем 12 пиксельных процессоров и 4 TMU, пусть и используемых оптимальным путем, практически без простоев. Разумеется, в случае простых шейдеров без сложных вычислений, пиксельные процессоры будут простаивать, ожидая текстурные данные, но современные шейдеры, на которые и нацелен этот чип, зачастую производят заметный объем вычислений (5-8 команд) на один доступ к текстуре, и тогда такая схема будет оправданной. Судя по всему, число транзисторов, потраченное на текстурную часть чипа, больше, чем в случае пиксельных ALU, и потому такой дисбаланс оказался оправданным с точки зрения разработчиков из ATI.

Фактически, отказ от 6-8 текстурных блоков и позволил сделать 12 (а не 8 или 4) пиксельных процессора при сохранении той же сложности чипа. Насколько это оправдано на практике — зависит от эффективности текстурных блоков ATI (на которую разработчики компании, видимо, очень полагаются), от эффективности работы диспетчера-дирижера и от соотношения различных команд в исполняемых шейдерах. Гадать сложно, и мы проверим этот аспект в практической секции, с помощью различных тестов. Пока же заинтригуем читателей постановкой вопроса — был ли такой ход ATI оправданным, и как это скажется на конкуренции с NVIDIA, особенно в свете скорого появления 12 конвейерного варианта G70 (G72).

Об интерфейсах вывода

Новые ускорители поддерживают HDCP формат на оба DVI интерфейса, а старшие модели на базе R520 способны выводить на DVI разъемы и HDMI (High Definition Media Interface, интерфейс для вывода изображения и звука на цифровые кинотеатры и другие аудио-видео воспроизводящие устройства нового поколения, подробнее о распространенных интерфейсах можно прочитать в нашем предварительном материале о R520).

Выводы

• Интересная новая архитектура, с большими возможностями масштабирования и высокой эффективностью использования пиксельных и текстурных ресурсов чипа.
• Наконец-то есть поддержка шейдеров 3.0, и более того, полноценная работа с FP16 буфером кадра в любых режимах включая MSAA и сжатие текстур.
• Судя по всему, реализация переходов и исполнение шейдеров 3.0 будет происходить заметно эффективнее, чем в последних чипах NVIDIA. А на обычных шейдерах 2.0 и ранее, производительность будет как минимум сравнимая, с перевесом в сторону ATI в расчете на один конвейер (в практической части мы проверим это предположение).
• К сожалению, выход линейки был несколько задержан, что может сказаться на конкуренции. Более того, будет задержан и выход некоторых карт после анонса на месяц или два.
• Спорным видится и решение сделать 4 текстурных блока у 12 конвейерного RV530 — но только практические тесты помогут нам определиться с его оправданностью.
• Спорным видится отсутствие фильтрации FP16 текстур.
• Отсутствует выборка текстур из вершинных процессоров. Такая возможность есть у NV4X и G70 но не стала особенно популярной из-за неторопливой реализации - жедм WGF2 ускорители, в которых это будет так же быстро как и в пиксельных шейдерах.