最近 AMD 在 2020 年財務分析師大會，宣布讓人極度訝異但也不會太意外的「雙軌化 GPU 發展路線」：在 GPU「泛用化」基礎上，「遊戲優化的 RDNA」和「運算導向的 CDNA」分道揚鑣，「體內 DNA 不同的」兄弟登山，各自努力。老對手 nVidia 這幾年來也是分開專業與遊戲 GPU，但也沒有誇張到「讓上一代架構繼續枝繁葉茂」。
更諷刺的是，CDNA 並非「全新 GPU 架構」，而是回頭繼續發展第四世代的「南方群島系列」CGN 繪圖核心，這重大決定象徵 2006 年 7 月購併 ATI 的 AMD，融合 CPU 與 GPU 的「Fusion」與昔日 GPGPU 大戰略的野心終結，以及 AMD 對市場局勢的致命誤判。
當「運算」和「遊戲」分而治之：GCN 的 Vega 與 RDNA 的 Navi
套用現在市面產品，RDNA 和 CDNA 說穿了，分別是 AMD 現行同為台積電 7 奈米製程的「Vega」（織女星）和「Navi」（仙后座），分屬第四世代的 GCN（Graphic Core Next）與第五世代的 RDNA（Radeon DNA）。GCN 從 2012 年到 2019 年，製程橫跨 28 奈米、14 奈米、12 奈米 到 7 奈米，演進 5 個版本，唯一共同點只有從未實質威脅到 nVidia 的 GPU 霸業。
這兩者的設計理念也大相逕庭，GCN 是「追求 GPGPU 的泛用理想」而「Easy To Program For Performance」，「讓 ATI Radeon 的遊戲基因再度偉大」的 RDNA 則是「Easier Achieved Performance」，一個讓你寫程式做自己想做的事情，另一個讓你玩遊戲不需擔憂效能不足，差異不言可喻。很久以前就不乏「GCN 為運算而生，不太像為了遊戲的架構」的說法。
7 奈米 Vega 的弦外之音
2019 年 2 月發表台積電 7 奈米製程「Vega 20」核心的 Radeon VII，距離預定的全新 Navi 不到半年，外界第一時間會聯想到的可能性，大致如下：
- 仿照英特爾的 Tick Tock 模式，用舊架構提前驗證新製程，降低出問題的機率。
- 7 奈米製程的 Zen2 世代 APU 開案已久，可搭配的 Navi 核心趕不上時程。
- 某「超級客戶」很習慣用 Vega。
但 Vega 20 相較三星 14 奈米製程的前代，有了飛躍性改進：
- 晶粒面積大幅縮小，從 495mm² 削減到 331mm²。
- 2 倍 HBM2 記憶體容量。
- 2.1 倍 HBM2 記憶體理論頻寬。
- 雙倍精確度浮點的效能從單倍精確度的 1/16 激增 4 倍到 1/4，但 Navi 卻沒有跟進。
順便一提，Navi 跑 OpenCL 不但沒 Vega 快，連 Navi 核心的 RX5700XT 還跑輸 GCN4 世代 Polaris（北極星）核心的 RX590。這些都是 Vega 即將「轉進」純運算應用的強烈訊號。
至於先前隨著 MacOS 測試版大量洩漏的 AMD GPU 代號與近來流竄坊間的謠言，也間接透露 AMD 的「雙軌共構大計」。
- RDNA 2 的 Navi 21：台積電 7 奈米+（EUV）製程，晶粒面積 505mm²、80 個 CU、5,120 個 SP、GDDR6 記憶體。為了在遊戲市場與 nVidia 競爭，光跡追蹤（Ray Tracing）自然是需要盡快補強的功能。
- 「全新 CDNA」的「Arcturus」（大角星）：台積電 7 奈米+（EUV）製程，晶粒面積應該會大的恐怖，實際上的第六代 GCN 架構，核心規模高達 128 組 CU 單元，SP 單元更會多達 8,192 個，32GB HBM2E 記憶體，最大理論運算能力約為 26TFlops（FP32）與 105TOPs（INT8）。Infinity Fabric 的多 GPU 延展性，將是反攻超級電腦市場的關鍵武器，但能否像 nVidia 具備人工智慧需要張量（Tensor）運算單元，就不得而知了。
同場加映「好相好」nVidia下一代「Ampere」的旗艦晶片 GA100 的謠傳規格：台積電 7 奈米+（EUV）製程，晶粒面積是驚世駭俗的 826mm²，核心規模高達 128 組 SM 單元，SP（CUDA Core）單元 8,192 個，前代 2 倍數量的張量運算核心（Tensor Core），48GB HBM2E 記憶體，最大理論運算能力約 32TFlops（FP32）。
先不論 AMD「兩顆打一顆」的策略是否有奏效，但唯一可確定的是，AMD 已用實際行動，承認投資多年的 GCN 無力兼顧遊戲市場，也沒顧好原先鎖定的應用，這些問題的種子，早在 AMD 購併 ATI 時就已種下，還綻放出如火紅鮮豔的災難之花。
AMD 對 Fusion 的怨念註定一連串亂局
2006 年耗費 54 億美元購併繪圖晶片巨頭 ATI 的 AMD，不但仿照擁有低功耗小核心 Atom 的 Intel，同時研發兩種應用截然不同的 x86 CPU 核心，並很快就以融合 CPU 與 GPU 的「Fusion」為未來戰略主軸，APU（Accelerated Processing Unit）則是成果──雖然一開始就出師不利。
AMD 公開 Fusion 大戰略時，剛好是英特爾對 AMD 發動帝國大反擊的關鍵時刻，或多或少讓人感覺到 AMD 大事不妙，但因仰仗 K8 的豐功偉業而讓 AMD 的 CPU「餘威猶存」，nVidia 沒有 x86 CPU，Intel 繪圖核心的效能和技術有多糟糕就更著毋庸議，所以當時外界普遍看好 AMD 結合自家 CPU 與 ATI GPU 的高性能單晶片解決方案，更吸引了眾多投資者目光。
隱藏在 Fusion 戰略背後的是 AMD 更巨大的野心：讓走上泛用化之路的 GPU，成為 AMD 無法被撼動的絕對優勢。試想一個情境：假若 GPU 足以在現實生活的應用，完全取代現有 CPU 的浮點運算，甚至某部分整數運算，又和 CPU 融合為一，這天大的好事一旦發生在 2010 年初期的 AMD，那英特爾和 nVidia 真的都要閃一邊去了；也因此 AMD 拚命鼓吹「異質運算」（Heterogeneous Computing），吹得很大很用力，企圖創造「CPU 與 GPU 共同的勝利」。
這也是 AMD 在後 K8 時期的 x86 處理器架構轉向叢集多執行緒（CMT，Cluster-Based Multi-Threading）的深層緣由，兩個簡單的整數運算核心共用一個「模組化」浮點運算單元，一方面拚帳面核心數量，另一方面假以時日將浮點運算器「狸貓換太子」成萬事皆備的 GPU，Fusion 大戰略就此功德圓滿，雞犬升天。
從享有中間位置的地利之便變成兩頭皆空
AMD 2020 年財務分析師大會再度扶正的 GCN，是在這個時空背景下誕生的產物。
2009 年底到 2010 年初，正是喊了很久的 GPU 泛用化侵入 CPU 領域的第一步：支援 IEEE 754 浮點數規範。但舊有 ATI 體系的第三代 TeraScale，超長指令集（VLIW）架構的程式真的比較難寫，已證明無力在 GPGPU 抗衡「引領 nVidia GPU 更大幅接近主流泛用 CPU 的 Fermi」，源自純正 AMD 血統、多執行緒 SIMD 化的 GCN 自然是理所當然的救世主，然後 2012 年初登場就被 nVidia 的 Kepler 華麗打爆，從此一蹶不振。
備多力分的 AMD 也開始在執行面諸事不順，叢集多執行緒的推土機（Bulldozer）核心一再延宕，讓初代 APU「Llano」只能沿用老舊的 K10 核心，而整合的 GPU 也是性能不太夠力的舊世代 TeraScale 2，導致倍受期待的 Llano 淪為市場定位不上不下、高不成低不就的尷尬產品，不僅讓 AMD 在 2012 年第二季營收下滑、股價下跌，第三季被迫打消價值高達 1 億美元的 Llano 庫存呆帳，演變成不甘利益受損的投資者群起控告 AMD，最後 AMD 花了 2,950 萬美元補償投資者損失的悲慘結局。
後面接連數年的劇情就如各位所見，無論 CPU 還是 GPU，AMD 就被英特爾和 nVidia 一路狂扁到 2018 年，像德國一樣在歐陸享有「中央位置」地利之便的 AMD，反而弄巧成拙遭兩面夾殺。
更重要的是，GPGPU 的軟體生態系統遲遲沒有成長到 AMD 十多年前樂觀預期的水準，加上英特爾積極擴張 SIMD 指令集（最具代表性的是 2011 年 Sandy Bridge 的 AVX）穩定提升 x86 CPU 的浮點效能，「GPU 越俎代庖，替換 CPU 的浮點運算器或大部分功能」根本毫無美夢成真的條件，當下保證網路瀏覽器能有效藉由 GPU 加速就不錯了。
這年頭「會做很多事情，有多重專業」的「斜槓」是非常流行的「激勵鬥志的心靈術語」，但不是每個人都有本事畫出那條斜線，角度一沒抓好，就變成「刪除線」了。
記憶體頻寬仍是 GPGPU 效能的瓶頸，尤其是 AMD
相信不少人一看到 AMD 的雙軌化 GPU 路線，馬上想到的第一個主因是「兩邊用的記憶體不一樣，一邊 HBM、一邊 GDDR，nVidia 目前計算用主力產品 Volta 也是 HBM，人工智慧推論仍是 GDDR6 的 Turing」。
在 GPGPU 進入平常百姓家的漫漫長路，「每個運算可分配到的記憶體頻寬穩定下滑」一直是看不見的痛，高效能浮點運算和人工智慧亦同，要提高效能，絕非增加幾個矩陣計算和人工智慧特化導向指令那麼簡單，頻寬不足就發揮不出效能。相對於增加指令多佔用的執行單元布局空間，運算可用頻寬的配套措施，會更讓 GPU 廠商感到頭痛。
高效能浮點運算或深度學習專用的 GPU 勢必搭配 HBM 記憶體這件事，Google 自家 TPU 就是最好例證。如果用不起昂貴的 HBM，只能亡羊補牢，從 GPU 內部的快取記憶體架構壓榨出一絲一毫頻寬。AMD 在 Navi 的快取記憶體大興土木，原因就在此，過去所有歷代 GPU，這部分更是不可或缺的重頭戲。
不過一說到記憶體頻寬這檔事，不禁讓人回憶起 nVidia 早從 2004 年 NV40 時代，記憶體控制器就內建壓縮傳輸機能，相關技術持續推陳出新，並據聞都已申請專利。過往十幾年，AMD 的 GPU 要達到相同效能水準所需的記憶體頻寬，都比 nVidia 高出許多，這難道就是「這些年來，我們一起納悶不已的怪現象」之完美解答嗎？絕對不是，應該不是，也許不是，希望不是。
看不見的商業現實：記憶體「期貨」的潛在利潤
優秀技術不見得見容於商業的現實，顯示卡用的記憶體當然也是。
AMD 早在 2015 年就在第三代 GCN 的 Fiji（Radeon R9 Fury X）率先在 GPU 導入 HBM，後來也在第五代 GCN 的 Vega 放了 HBM2，看在記憶體飢荒方興未艾的份上，應可合理預期越來越多 GPU 與 HBM「送作堆」。但這些年來也未見 HBM 比較普及，連 nVidia 也將 HBM 限定在高階計算用產品，除了成本和產能考量，「擋人財路」恐怕也是主要因素。
這年頭價格起起伏伏的記憶體早就成為某種形式的「期貨」，記憶體的漲跌價差也是顯卡廠商可透過採購策略取得的獲利來源，當 GPU 直接包記憶體，就等於斬斷這條賺錢管道，產品也難以做出差異化。換言之，唯有包裝成高單價利基產品的運算卡，保留更多利潤給客戶，才能有幸一親芳澤，AMD 硬推 HBM 繪圖產品就顯得相當一廂情願，或可視為對市場生態的錯誤判斷。
總之，假如連 CPU 也沒機會雨露均霑，看來將有很長一段時間看不到 HBM 出現在一般個人電腦內部，也沒可能看到「像 Radeon R9 Nano 或 Vega 56 Nano 這種可塞入 Mini-ITX 專用機殼的超小型旗艦級顯示卡」，真是可喜可賀。
雙軌放兩邊，應用擺中間，Fluid Motion 就這樣死透了嗎？
總之，AMD 想搞多少條軌道建設，外人無從置喙，但倒是有兩件事值得大家多多關注：
- 外界盛傳 AMD 的新型 GPU 會對應 Google 制定的「指數小於 FP32 而動態範圍大幅縮減的 BF16（bfloat16）浮點格式」，以「強化人工智慧應用的競爭力」，請問是 RDNA2 還是 CDNA 或兩者皆有？畢竟並不是每個想學習人工智慧的人，都有足夠預算購買貴鬆鬆的運算卡。
- 原本有 Fluid Motion 的 GCN 因轉戰專業運算，遲早消失，那連 RDNA2 都沒有的話豈不就徹底死透了？請 AMD 行銷人員多多內部關切 Fluid Motion 這好東西的存亡啊，還是請哪位大恩大德趁著 Mac 顯卡還是 Vega 的時候，去說服蘋果動動 Fluid Motion 的腦筋？
（首圖來源：AMD）
