GPU的评价指标包含哪些？

硬件看算力，软件看生态。

GPU 作为进行并行计算或绘图（本质也是并行计算）的硬件，其核心指标在于算力。 而根据 GPU 的架构我们可以得知，核心数量与算力成正比，其他诸如显存大小、显存位 宽、显存带宽、显存频率等都会影响 GPU 的性能，这些值越大，GPU 在图形处理和图像 渲染上的速度越快，最终使 GPU 的像素填充率、纹理填充率、浮点算力更高，代表 GPU 性能更强。

相比硬件性能，软件生态对 GPU 或许更为关键，因为生态真正决定了用户是否有足 够的软件可用。回顾 CPU 发展史，桌面端的 x86-Windows 生态以及移动端的 ARM-Android/iOS 生态长期难以撼动，即便是 intel 和微软进军移动端的行动也未能取得 成功，其核心原因就在于生态。

为何芯片与生态往往是强绑定且难以撼动？因为计算芯片的设计决定了其指令集（每 一条指令都与特定的硬件结构一一对应），指令集相当于芯片的“语言”，而软件开发者需 要用芯片的指令来编写程序，相当于用“指令语言”来写一本书。诸多开发者各自编写程 序，构成了庞大的软件生态和开发者生态，诸多软件积累的用户群体则是生态最具规模的 部分。指令集、程序、开发者、用户共同构成了庞大的生态圈，要颠覆这一生态显然难度 巨大。

GPU 芯片作为 CPU 的变种，同样存在指令集与软件生态。以英伟达为例，通常应用 开发者会基于 CUDA 框架进行开发，而 CUDA 程序与普通 C 语言程序一样需要进行编译。 不同点在于，常规的 C 程序编译后会生成 x86 汇编程序，而 CUDA 程序编译后会生成 PTX 代码（Parallel Thread Execution），这是程序员能够操作的最底层汇编语言了。由于 CUDA 最初默认提供的是 C 语言编程接口，所以 PTX 汇编指令与常规的 x86 汇编指令具有一定 的相似性。在 PTX 下层还有一层 SASS（Streaming Assembly/Shader Assembly）指令集，该 指令集与硬件一一对应，由于 GPU 硬件架构设计经常变化，所以 SASS 指令集也会经常 变化，通常应用程序开发者不会直接接触这一层级的指令。

GPU 领域，软件对商业成功的影响方面不乏先例。例如 20 世纪 90 年代如日中天的 3DFX 及其 voodoo 显卡，因为使用非开源的 glide API，受到部分主流应用开发者的抵制， 逐步被更开放、生态更大的 NVIDIA/OpenGL 取代，而 2007 年推出 CUDA 以来，NVIDIA 则逐渐积累起庞大的生态，吸引各行各业的用户，构筑了极深的护城河。

在 PTX 下层还有一层 SASS（Streaming Assembly/Shader Assembly）指令集，该 指令集与硬件一一对应，由于 GPU 硬件架构设计经常变化，所以 SASS 指令集也会经常 变化，通常应用程序开发者不会直接接触这一层级的指令。

基于底层的 PTX 和 SASS 指令集，NVIDIA 发展出了庞大的生态，从 2001 年提出 CUDA 开发计划至今，二十余年的积累，并非短期可以复制。

除英伟达之外，另一家 GPU 大厂 AMD 也试图在生态端进行追赶，因而推出了开源的 ROCm 平台（Radeon Open Computing platforM）。ROCm 试图对 CUDA 进行替代，几 乎原样复制了 CUDA 的架构与 API，开发者可以相对容易地进行迁移。

综合来看，GPU 生态中最核心的三个部分可以归纳为 GPU 指令集、标准 API、图形 引擎/算法库/计算框架三大层级。

对图形 GPU 来说，首先应当适配的生态组分是图形 API。常用的图形渲染引擎 Unity、 Cocos2d、OpenSceneGraph、Skia 等都通过图形 API 实现其功能，如在游戏中图形 API 可以连接系统层、显卡驱动和游戏引擎。其中广为使用的是 khronos 组织运营的 OpenGL、 Vulkan开放标准，应用于众多领域和专业软件。此外还有微软推出的DirectX下的Direct 3D， 苹果推出的 metal、AMD 推出的 mantle，都作为厂商们自己使用的图形 API 标准。

对于 GPGPU 来说，为了进行 HPC/AI 运算，首先应当做到适配主流计算框架。Khronos 组织推出OpenCL、OpenGL compute开放标准，微软在Direct家族里推出DirectCompute， Google 借助其在移动端 Android 系统的优势，推出 RenderScript 标准进行使用。

GPU 领域，软件对商业成功的影响方面不乏先例。例如 20 世纪 90 年代如日中天的 3DFX 及其 voodoo 显卡，因为使用非开源的 glide API，受到部分主流应用开发者的抵制， 逐步被更开放、生态更大的 NVIDIA/OpenGL 取代，而 2007 年推出 CUDA 以来，NVIDIA 则逐渐积累起庞大的生态，吸引各行各业的用户，构筑了极深的护城河。