新卡王核心 Kepler 解析：28nm 製程加持、2倍電力效率、更快的速度

高階卡只要雙 6pin？是的，你沒看錯。GTX 680 頂著 28nm 光環，電力效率大幅提升。Kepler 是不是 Fermi 3.0？能否打爆雙核卡？ NVIDIA 新任卡王完全解析，看下去就知道。

快速目錄：

今年GPU相當有看頭，不論是早先AMD推出的GCN（Graphics Core Next）架構，或是NVIDIA前一陣子發表的Kepler（克卜勒）核心，在效能、功耗與新技術方面，都令人感到驚艷。

這得歸功於新製程加持，透過28nm製程，Kepler這次能大量堆疊CUDA Core（即為Stream Processor，串流處理器），總量達到1536個，是Fermi時期的3倍，電力效率可達原本的2倍。加上TXAA、GPU Boost與Adaptive VSync（自適性垂直同步）等技術，讓Kepler相當值得期待。

28nm製程是大功臣

若要說今年 AMD 與 NVIDIA 的最大改變，筆者認為是使用28nm新製程。過去從65nm升級55nm，或是從55nm跨到40nm，效能與功耗上都有相當大的進步。更換製程所帶來的影響不下於修改架構，因此這次NVIDIA即便沒有大幅修改架構，但憑藉著28nm與新增的多項技術，仍有相當大的可看性。

最明顯的差異就是電力效率大幅提升，單位耗電量所帶來的效能比之前高了1～2倍，這點不論在AMD或NVIDIA的官方文件內都有刻意強調。且製程精進之後，同樣的核心面積可塞下更多的電晶體。從Kepler上可看到，在架構沒有大幅修正的前提下，我們可將GF 100與GK 104的CUDA Core視為相似的設計。CUDA Core數量從GF 100時期的512個提升到GK 104的1536個，足足變成3倍，透過核心堆疊自然可讓效能大幅提升。

▲假設Fermi與Kepler在相同環境中，Fermi的Shader時脈為Kepler的2倍，而Kepler的CUDA Core數量是Fermi的2倍，可得到右方的結果。從理論上而言，Kepler核心面積約為Fermi的1.8倍，但是運算相同的資料量，電力只需要耗費Fermi的90%。若從運算方面分析，單位面積下Kepler只需要Fermi約50%的功耗就能完成相同的運算。

Keywords：製程

製程（Manufacture Process）指的是半導體的製作工藝，一般所指的28nm等長度單位，是用於表示半導體內讓電子通過的電晶體管寬度。當製程精進時，能讓電晶體管的寬度縮減，單位面積內可容納更多的電晶體。但製程仍有其極限，不可能無限縮小。矽原子半徑約為0.111nm（奈米），製程再精進也難以突破這個物理限制，加上漏電與量子穿隧效應等問題，這幾年內可能就會碰到瓶頸。

SMX：改變最大的硬體單元

依照慣例NVIDIA近期的開發代號都以科學家為主，前兩代是Fermi，而這次換成了德國天文學家Kepler，核心型號亦從原本的GF（GeForce Fermi）改為GK（GeForce Kepler）。如果你期待在Kepler身上，看到AMD GCN架構那樣大刀闊斧的改造，Kepler可能要會讓你失望。Kepler仍是Fermi架構的延伸與最佳化，透過新製程擴充CUDA Core的數量，基礎架構與Fermi相當神似。

（點圖可放大）

▲效能強化，規模略增：SMX是Kepler的基礎架構，核心為8個SMX所組成。從架構圖來看，設計與Fermi的SM相當，差異在於CUDA Core數量從32個增加到192個，且為了強化指令調派，內建4組Warp Scheduler，數量是Fermi核心的2倍。Raster Engine（光柵引擎），則是2個SMX共用1組，也就是每個GPC（Graphics Processing Cluster）內建1組，核心內的總數與前代相同。

SM加強版SMX

從架構面來看，Kepler最明顯的改變就是SM（Stream Multiprocessor）內CUDA Core數量從32個變成192個，名稱則改為SMX。其中X所代表的意思，就官方的說法概念類似「Extreme」，故用SMX代表強化過的SM單元。除了CUDA Core數量增加外，另外SFU（Special Function Unit，特殊運算單元）的數量也大幅增加。原本每個SM內只有4個SFU，現在則大幅增加到32個。SFU的作用是負責處理三角函數、指數運算等工作，因此可預期Kepler理論運算效能將超越Fermi。

這次的SMX是NVIDIA第四代設計，早期G70仍使用VS（Vertex Shader，頂點著色引擎）與PS（Pixel Shader，像素著色引擎），此時採用的是4D向量架構。到了G80之後，由於DirectX 10在API內提供了Unified Shader（統一著色引擎、統一著色器），整合了VS與PS，這也就是後來的Stream Processor（後來NVIDIA又將其改名為CUDA Core）。G80時將CUDA Core、材質過濾單元、材質存取、暫存區等組成SM單元，這就是第一代SM架構。

內容倍增但不加料

G92承襲G80架構，兩者都被歸類在第一代SM，第二代則是GT 200核心，此時SM架構仍不算大幅改變。直到Fermi，GF 100與GF 110核心在SM內加入更多硬體架構，像是PolyMorph Engine（多形體引擎），此為第三代SM架構。現在Kepler的SMX架構中，仍具備PolyMorph Engine與Raster Engine，SMX與SM最大的差異仍在於CUDA Core數量、Warp Scheduler（Warp排程器）等單元數量，簡單來說就是內容增加、效率提升但是沒有新加料。

取消Shader分頻機制

除了SMX架構修改之外，Kepler內在最大的改變就是取消以往核心、Shader的分頻機制。以前在G71時代開始嘗試Shader分頻技術，當時Shader時脈僅比核心時脈（Core Clock）高出數十MHz，直到G80才徹底近入分頻時代，到了GT 200之後，核心與Shader時脈才將時脈比例固定為1：2。

▲這張圖片代表了Fermi與Kepler在指令調度上的差異，以往Fermi偏重硬體式調度，而Kepler則偏重軟體。軟硬體調度各有其優缺點，並不會完全採用硬體或軟體，只是比重上的增減。軟體調度上比硬體更為靈活，因此在Kepler上NVIDIA選擇較高的比重以軟體執行。

分頻設計對於當時的NVIDIA好處是很明顯的，能夠以較少的運算資源換取大量的吞吐量，搭配Co-Issue技術，讓NVIDIA保住Shader運算量的底限。以至於G80甚至後期的GF110，都能用較少的CUDA Core數量來取得運算上的抗衡能力。節省出來的電晶體，更可用來配置其他硬體單元，這些都是分頻所帶來的效益。

Shader分頻這麼好，幹麻要放棄？分頻好歸好，但是仍是雙面刃。最主要的因素是分頻後的Shader時脈過高，會提早壓迫到核心與技術所能承受的時脈上限，讓GPU的溫度與發展都受到限制。以實際上來說，會造成核心發熱量不均，會影響其他硬體的效能。並迫使其他硬體單元以較低的時脈運作，破壞了整個GPU運算流水線的平衡。因此Kepler回歸同頻機制，也讓Kepler有較大的時脈提升空間，把核心時脈一舉推到1006MHz。

（後面還有：Kepler：2倍速的運算架構）

延伸閱讀：

GeForce GTX 690 地表最快顯卡，基礎性能測試搶先報

NVIDIA GeForce GTX 670 解禁實測：誰說高階卡一定要30cm？

GIGABYTE GV-N680OC-2GD：GTX 680 顯卡、預設就有超頻

Kepler：2倍速的運算架構

先前提到，受到新製程的影響，Kepler核心能塞下更多的硬體單元，並且電力效率能表現更好。雖說大多數的設計與Fermi差異不大，但是我們還是來看看Kepler跟Fermi的幾個關鍵架構如何運作。

PolyMorph Engine

PolyMorph Engine也就是多形體引擎，是NVIDIA在Fermi架構中新增的硬體單元。在Kepler架構中，PolyMorph Engine雖然進化到2.0版本，但是數量、作用、架構都與先前無異，而在效率方面，官方數據指出將會有2倍的效能。筆者認為這跟GF 100、GF 110的情況相似，更改或修正的部分是較為底層的設計，也就是當時官方所謂「電晶體層面的修正」，因此會有效能上的提升，而無架構方面的改變。

PolyMorph Engine的作用是什麼？它包含Vertex Fetch（頂點預取）、Tessellator（Tessellation產生器）、Viewport Transform（視口轉換）、Attribute Setup（屬性建立）與Stream Output（數據流輸出）共5個階段。

（點圖可放大）

▲Kepler與Fermi架構相當相似，最大的差異在於SMX架構大幅擴增，且支援PCI-E 3.0控制器。至於在SMX內，像是PolyMorph Engine升級到2.0版，不過就算是官方也只有表示電力效率有所提升。筆者認為，Kepler的價值反而是GPU Boost、Adaptive VSync等新功能，比起效能更值得期待。

5個運算階段

PolyMorph Engine的運作首先從緩衝區預取頂點，在SM內進行頂點跟像素運算，並在這個階段計算Tessellation的參數。接著第二步是透過Tessellator輸出新的頂點，而先前提到的Tessellation參數就是用於確認Tessellation的強度，強度越高頂點越多，所形成的圖形表面也就越逼真。

第二步中的頂點確認後會傳送給Domain Shader（區域著色引擎，簡稱DS）跟Geometry Shader（幾何著色引擎，簡稱GS）進行運算。DS將根據Hull Shader（外殼著色引擎，簡稱HS）加上Tessellator給予的數據，生成最終的3D模組頂點。這個階段完成後，通常還會透過Displacement Mapping（位移貼圖），讓Tessellation生成的圖形表面不會只有平面與稜角，白話來說就是更有立體感跟凹凸感。

再來第三步就是Viewport Transform字面上的視口轉換以及視角校正，完成後則是Attribute Setup，會將這些頂點屬性轉換為方程式，最後Stream Output則是將這些數據傳送到記憶體內，接著讓Raster Engine來處理。

▲PolyMorph Engine包括5個運算階段，每個階段完畢都會由SM內的單元進行運算，完畢後再傳回PolyMorph Engine，所有階段都完畢後，轉給Raster Engine處理下一步。

關鍵字：Tessellation

Tessellation原意是鑲嵌，大多翻譯為細分曲面（subdivision surface）、平面填充或密鋪。在支援DirectX 11的顯卡上，因為Tessellator而具備「無中生有」的能力，可讓原本的3D模組產生更多三角形。用白話來說就是一種讓多邊形細分為碎片的方法，藉此獲得更細緻的物體表面。

以往的3D模組，若使用大量多邊形，會增加程式設計的時間，並消耗顯卡效能；若使用的多邊形數量不夠，又會讓模組看起來稜稜角角，感覺會假假的。透過Tessellation技術，GPU能自行生成更多的三角形來填滿原先的框架，就像讓原先的模組貼了細緻的表皮。

▲以圖中的海浪為例，設計時只要先做出果凍般的框架，使用時只要開啟Tessellation，GPU就會自行生成多邊形，讓海洋的浪濤跟陰影顯現出來。不過光只有Tessellation仍不足夠，再配合Displacement Mapping效果會更好。

Raster Engine

由於PolyMorph Engine的加入，尤其是距離3D模組十分近的時候，Tessellator無中生有了許多三角形。為了避免Raster成為效能上的瓶頸，於是每個GPC都內建1組Raster Engine，且這4組Raster Engine可平行運算，能提高運算效率。那麼Raster Engine的工作到底是什麼？用最簡單的話來說，就是「把3D世界變成2D影像」，更直觀地來說就像是拍照。不過Kepler的Raster Engine數量並沒有增加，會不會造成運算上的瓶頸？還要經過測試才知道。

Tips：3D與透視技法

Raster Engine的工作是透過方程式，將3D頂點座標變換成2D頂點座標，成為沒有Z軸的影像。這過程類似西方寫實派繪畫的透視技法，讓你即使在2D螢幕前面，也能保有有3D的立體感。不過Raster Engine處理的這個過程更具破壞性，有些人會將這個3D轉2D這過程賦予另外一個名詞，也就是Transform。

看不到就剔除

PolyMorph Engine運算完畢後，數據接著由Raster Engine處理。Raster Engine只有3個階段，分別是Edge Setup（邊緣建立）、Rasterizer（光柵器）和Z-Cull（Z座標剔除）。Raster Engine運作方式不難理解，首先在Edge Setup階段，頂點位置被取出，並處理三角形邊緣。最重要的是，在這個階段中，必須要將視角中看不到、不需要再視角顯示的頂點與三角形剔除。

例如在大象背面有隻看不到的老鼠，雖然在3D空間中它是存在的，但是受到視角的限制，老鼠在2D螢幕中並不存在。因此可省略運算老鼠的模組，以提升運算效率。每個Edge Setup單元，能夠在1個周期內處理1個點、1條線，或是1個三角形。

接著在Rasterizer運作的過程中，會計算每個方程式的像素覆蓋率，如果開啟反鋸齒功能，則會在這個階段計算覆蓋率以進行反鋸齒採樣。最後在著色之前，Z-Cull會擷取Pixel Tile（像素磚），將已經運算完畢的Pixel Tile與處理中的Pixel Tile進行空間深度比對，將位於其他Pixel Tile背面的Pixel Tile刪除（也就是螢幕中不可見的部分），避免進入著色器浪費運算效能。

（點圖可放大）

▲我們從當年Fermi的平行運算圖來看，大量核心配合Giga Thread快速轉換執行緒，運算效率高於一般多核心電腦。即使到了Kepler時期，這個方向與架構仍未有改變，而且透過部署更多的核心，運算效率可望向上提升。

Warp Scheduler

CUDA Core會接受來自Warp Scheduler的命令，以便執行某個執行緒（Thread）。在SMX中，共有4組Warp Scheduler與192個CUDA Core，一次最多可執行192個執行緒，而這192個被挑到的執行緒就叫做Warp。
而Warp Scheduler的作用顧名思義就是進行Warp排程，能按照每個Warp可能佔用的資源進行排程並最佳化，避免造成核心資源的閒置或阻塞。舉例來說，SMX內有32個SFU，此時有個執行緒需要使用SFU進行運算，為了避免阻塞所以它不會被排入下一道指令，Warp Scheduler會先行處理順位較後面，且不需要透過SFU運算的執行緒。

Giga Thread Engine

先前在Fermi時代，最多可同時執行512個執行緒，到了Kepler時代，因為CUDA Core數量增加，同時間最多會有1536個執行緒。這個數量聽起來說多不多，說少也不少，但是處理排程不會這麼簡單，即便是Fermi核心只需處理512個執行緒，但是在平行運算時，使用者可能預先開了上百萬個執行緒在等待，例如在跑Folding@home。

▲Raster Engine所要處理的就是這3個階段，用比較簡單的話來說明，就是把3D變2D，然後把被遮蔽的物件剔除，以減少資源的消耗。

GPU內的核心幾乎永遠都有新的工作，而不會閒置，但是在執行緒與執行緒間是否能快速切換就是影響效能的關鍵，而這快速切換的關鍵就是Giga Thread Engine。GPU在平行運算方面的另一個優勢，就是執行緒間的切換較快。一般CPU切換執行緒約需數百微秒，但是在Giga Thread Engine運作下，GPU轉換執行緒只要25微秒，對於大量執行緒的切換而言，這點「小小」的時間差會造成明顯的效能差距。

Keywords：Displacement Mapping

Displacement Mapping（位移貼圖）可儲存紋理的高度資訊，當應用於平面時，此技術可以讓平面中的頂點，依照高度資訊向上或向下位移。簡單來說，想把平面的石板雕刻出峽谷般的紋理，透過Displacement Mapping就能位移石板上的頂點，藉由頂點的移動塑造出峽谷。

這技術存在已久，但是到了DirectX 11才開始普及，原因在於Displacement Mapping需要大量的頂點才能發揮作用。例如上述的石板若只有10個頂點，自然無法形成理想的的峽谷。只有具備大量的頂點，才能夠成細緻的貼圖。以實務上來說，透過Tessllation生成的大量頂點，才能造出細緻的貼圖。

（後面還有：Kepler：4大軟硬體新技術）

Kepler：4大軟硬體新技術

看完架構可能有些讀者會有些失望，這不是跟Fermi差不多嗎？平心而論，Fermi歷經GF 100與GF 110的磨練已經相當成熟，且在GPGPU運算上仍勝AMD一籌，實在沒有更換架構的需要。因此Kepler延續Fermi的多數設計，也是意料中的情況。不過在架構之外，NVIDIA也新增了軟硬體方面的新技術，尤其是GPU Boost、Adaptive VSync都是很簡單的概念，但是帶來的效益卻十分明顯，也是Kepler的另一個亮點。

似曾相似的GPU Boost

Kepler新增4個新技術，其中GPU Boost從字面上來看，不難看出是GPU超頻的功能。其實說穿了就是Intel用的Turbo Boost，或是AMD的Turbo Core技術，只是角色從CPU換到了GPU。GPU Boost可在GPU負載與功耗較低時，開啟自動超頻功能。

GTX 680具備Base Clock（基本時脈）與Boost Clock（提升時脈），前者是任何遊戲或軟體都能達到的時脈，在GTX 680上則是1006MHz。後者則是所謂自動超頻時脈，得視運作環境的功耗與負載而定，而且不提供任何時脈上的保證，白話來說就是不保超。若Power Target（目標功耗）較高，則有較大的自動超頻空間，反之則會維持Base Clock。

硬體架構、軟體控制

那GPU Boost是硬體還是軟體控制？官方曾說：「GPU Boost is not based on profile」，這表明了GPU Boost並非只是透過設定檔自動超頻。更精確地說，GPU Boost是透過PCB的監控晶片分析供電狀態，並決定是否應該提升核心時脈。這部分是採用硬體架構，即使不裝額外的監控軟體也能支援。但是受限於監控晶片，因此無法透過驅動或BIOS升級讓舊卡支援GPU Boost，且無法強制關閉，是比較可惜之處。

其次，GPU Boost也能透過軟體控制，像是EVGA推出的PrecisionX，就能調整Power Target的數值，藉此提升Boost Clock。在Power Target設定中，預設是100%，代表官方預設的175W耗電量。透過軟體最高可提升到132%，也就是約225W，這個數值代表PCI-E與2個6pin電源所能提供的最高電量，若不修改供電模組最大上限就是132%、225W。

GPU Boost實戰

在不同的環境下，時脈與電壓會隨負載動態變化而非定值。若提高Power Target設定，就能增加時脈的超頻空間。不過Boost Clock並非絕對值，官方無法給予保證能提升的數值，以編輯部測試而言，最高會提升到1110MHz。

▲GPU Boost實戰：閒置時脈（Idle Clock）

▲GPU Boost實戰：基本時脈（Base Clock）

▲GPU Boost實戰：提升時脈（Boost Clock）

TDP關聯性低

TDP在NVIDIA官方定義中指的是Thermal Design Power，也就是熱設計功耗。是指GPU在最高負載中所發出的「熱」，單位是W。有些人認為Kepler的GPU Boost的超頻數值是基於TDP而定，但是向官方求證後的結果，並非如此，GPU Boost主要取決於供電量（Power Target）的多寡，而非TDP。

那GPU Boost到底能超到多少？在預設情況下，對於電力負載在70～90%左右的遊戲，時脈大多能提升到1110MHz，提升幅度約為11%。以自動超頻的幅度來說，算是相當高。

關鍵字：TDP

TDP是Thermal Design Power，也就是熱設計功耗的縮寫。用於表示GPU在最高負載下所產生的熱能，計算單位跟功耗相同都是W（瓦特，每秒產生1焦耳能量）。TDP目的在於給予散熱器廠商核心最高發熱的參考數值，用於設計適合該核心的散熱器。由於採用W做為計算單位，很多人會將TDP與耗電量混淆，這2個數值實際上定義不同，不能將TDP視為耗電量。

異想天開的VSync

第二個有趣的功能是Adaptive VSync（自適性垂直同步），這也是個很簡單的概念，但是卻能達到不錯的效果。以往開啟垂直同步為的是避免螢幕撕裂（Tearing），但是開啟後若碰到某些負載增加的場景，又會讓螢幕從60幀瞬間掉到30幀，造成畫面明顯的停頓。

Adaptive VSync主要的功能，就是減緩這停頓（老外稱之為Stutter，也就是口吃）的情況。相信很多人都有這樣的經驗，當場景從極遠處快速拉到極近處，在某個點FPS會大幅滑落，透過這種方式就能減緩這頓挫感。實作的方式也很簡單，就是當FPS低於60時，GPU會快速關閉垂直同步功能，讓FPS瞬間提升用以抵銷Stutter帶來的FPS衰減。當FPS到60時，就再度開啟垂直同步功能，避免發生影像撕裂。

Adaptive VSync運作原理

從這張曲線比較複雜的那張圖看起，藍綠色代表關閉垂直同步的FPS表現，可看到曲線雖然有高低起伏，但是曲線仍算平順。以人的視覺來說，感覺不太出來FPS的改變。而黃色的水平與垂直線，則是代表開啟垂直同步的FPS表現，當影像中突然有大量頂點需要運算時，就會發生FPS大幅衰減的情況，也就是圖片中紅色的Stutter區塊。

Adaptive VSync後能擷取兩者的優點，若FPS高於60幀則開啟垂直同步，避免GPU提供過量的影像造成撕裂（Tearing）。若FPS低於60幀，則會關閉垂直同步，提高GPU運算量，降低Stutter造成的影像停頓。

關鍵字：垂直同步（Vertical Synchronization）

LCD的每個影像都是由掃瞄線垂直、水平掃瞄組成，其中垂直訊號是指從螢幕頂端掃到底端。性能過強的GPU會無限制地繪製影像，送到螢幕中等待顯示，當開啟垂直同步後，掃瞄線到達底端時，才會通知GPU可以繪製下一張圖片。若沒有垂直同步，GPU提供影像的速率高於螢幕更新率，會造成影像撕裂（Tearing），簡單來說就是前面的圖還沒貼完，下一張就來了。在圖片與圖片之間，就會造成影像的斷層，開啟垂直同步能避免這個問題。（圖片來源：Wikipedia）

衰減更少的TXAA

反鋸齒（Anti-Aliasing，簡稱AA）一直是高階顯卡的重要課題，雖然FXAA（Fast Approximate Anti-Aliasing）才沒出現多久，現在又來了新的TXAA讓人有些摸不著頭緒。TXAA是MSAA的強化版本，共有TXAA 1與TXAA 2等級可選，TXAA 2的反鋸齒效果高於TXAA 1。

若與MSAA相比，不論TXAA 1或TXAA 2反鋸齒品質都比8倍MSAA高。且TXAA 1只有2倍MSAA的效能衰減幅度，而TXAA 2只有4倍MSAA的效能衰減。簡單來說，TXAA比先前的MSAA效果更好，而且對於效能的耗損也更低。

TXAA得要遊戲支援才能開啟，目前預計有EPIC、Unreal Technology、Crytek等廠商預計支援該技術。至於在先前的FXAA部分，已經將功能內建於NVIDIA控制面板內，即使遊戲不支援一樣能強制開啟FXAA，且還能搭配其餘反鋸齒技術執行。

TXAA、MSAA細節表現

（點圖可放大）

3D模組中只要不是水平或垂直線就會產生鋸齒，而以往常用的MSAA（Multisample Anti-Aliasing，多重採樣反鋸齒）過於耗費效能。現在TXAA表現高於8倍MSAA，又只要4倍或2倍MSAA的效能，只要遊戲廠商肯買單，勢必會成為未來趨勢之一。圖中可看到，TXAA的細節表現略高於8倍MSAA，與未開啟之前差距也很明顯。

多重3D螢幕來了

以往Fermi最令玩家詬病的就是無法單卡三螢幕輸出，Kepler徹底解決了這個問題，最高可支援4螢幕輸出，且能搭配3D Vision Surround技術，建構立體多螢幕。此外，以往延伸桌面中，被螢幕邊框遮蔽的部分，能透過驅動程式進行邊框校正（Bezel Correction），讓多螢幕遊戲時的影像更完整。

GK 104不是終點

Kepler首發型號雖然是GTX 680，但是核心代號卻是GK 104而非GK 100或GK 110。或許有人會說這是NVIDIA的障眼法，故意混淆視聽。筆者認為，GK 104的設計與定位應該更適合用在GTX 670身上，Kepler最高階核心不應該是GK 104，因為它表現出太多餘力，沒有以往高階核心逼極限效能的感覺。

28nm製程讓核心溫度低、耗電量少、效能也不錯，有不少提升的空間。至少就目前GTX 680的表現來看，除了價位見仁見智之外，堪稱完美的頂級卡，沒有明顯的缺點可挑，可見核心的效能還沒被完全壓榨出來。我們可以期待不久之後，可能會有更高階的GTX 685或是雙核心GTX 690。