Intel面向PC的独立显卡发布也有一段时间了，高层级的体验内容看多了，或许我们应该关注一下Intel Arc显卡微观层面的细节表现。上个月，Chips and Cheese对Arc A770做了个microbenchmarking，我们援引其中的部分数据，来更具体地看看Intel的Arc初代独显，究竟做得怎么样。
Intel面向PC的独立显卡发布也有一段时间了，Arc两个定位的3、7系列都已经有产品上市。Intel这次推独显的决心还是相当大的，对于Arc显卡各方面的宣传都显得不遗余力，从技术到市场。
不过桌面显卡市场发展了这么多年，双寡头局面形成已经有些年份——就桌面端的主流图形应用来看，这个市场已经高度成熟。后来者要想在这样的市场上分一杯羹，通常需要付出相当于现有市场参与者数倍的努力，才可能真正有所斩获。
而且这种努力绝不仅是市场宣传上的成倍投入，因为GPU这种形态的处理器发展到现在，生态建设和软件相关的工作早就是重中之重。这就涉及到技术与生态积累的考验，也进一步加大了步入这个赛道并混出一片天的难度。
目前已有的Arc A380、A770/A750相关评测内容也已经不少，Arc GPU的先期口碑并不能说有多好。前不久在13代酷睿处理器的体验文章中，我也顺带谈到了入门级Arc A380显卡。其实际表现算是符合我们对于新入市者的初代产品预期的：存在问题，但未来可期。
高层级的体验内容看多了，或许我们应该关注一下Intel Arc显卡微观层面的细节表现。上个月，Chips and Cheese对Arc A770做了个microbenchmarking，我们援引其中的部分数据，来更具体地看看Intel的Arc初代独显，究竟做得怎么样。
前期好像在走性价比路线
虽说按照Arc 3、5、7数字划分低中高端，理论上A750/A770应该算作高端定位。不过市场似乎将Intel Arc A770定位在英伟达GeForce RTX 3060相似的水平上。这两款显卡目前的市场零售价也差不多，后者比前者稍高一些。
而GeForce RTX 3060其实只是英伟达PC游戏显卡家族中的“甜品卡”；则至少就Intel对于Arc GPU的现有布局来看，PC市场上，Intel还没有真正的游戏旗舰GPU。
但值得一提的是，Arc A770/A750显卡之上的那颗ACM-G10 die，尺寸达到了406mm²，基于台积电N6工艺，晶体管数量217亿个。单就晶体管堆料参数来看，它相比于英伟达GA104，无论工艺先进程度、晶体管密度还是die size，都要更甚。而GA104这片die的完全体其实是GeForce RTX 3070/3070 Ti在用的。
用着高于3070的料，却卖着比3060还便宜的价格，Intel对此应该也是比较无奈的，毕竟其性能表现好像没有达到堆了217亿晶体管所应当达到的水平。
其实作为一张DirectX 12/Vulkan显卡，Arc A770对于最新的DirectX 12游戏支持情况还不错，在1080p分辨率、高画质下的游戏性能与GeForce RTX 3060差不多；2k分辨率下还能做到反超。当然，即便是这样，基于Arc A770的硬件堆料，猜想其图形渲染性能也并未达到Intel的预期。
而更悲剧的是，Arc对老游戏（或更早DirectX版本游戏）的支持一言难尽。在《古墓丽影：暗影》的DirectX 11模式下，画面帧率立刻腰斩。像《CS:GO》这种更老DX版本的游戏，Arc A770连RTX 3050都打不过...原因在于Arc跑DirectX 9游戏，是用DirectX 12→DirectX 9的中间转义层来实现兼容的。加上没有专门优化，以及CPU需要额外开销做转义工作，老游戏的效率是可想而知的。
但如果说性价比，其实Arc A750/A770这种卡又不大可能把价格降到太低的程度，毕竟die size和晶体管数量就是实打实的成本。而且这些die size不光是用在了传统的图形计算单元上，Arc A770还在AI单元、解码器、图形光线追踪方面堆了不少料，这就令其在某些方面显得很偏科；其光追、AI超分和视频编解码性能都还是挺不错的。
为什么更高分辨率下，性能会更好？
高层级、应用层面的体验内容，网上已经有不少分享了，上面这个段落也算做个总结。有关初代Arc显卡Xe-HPG的架构，此前我们也详细撰文谈过，这里也不多费笔墨。
Arc A770的纸面数字配置主要包括有32个Xe核心，8个render slices，32个RTU（光追单元），512个XMX引擎（AI加速单元），512个矢量引擎，PCIe 4.0 x16连接，256bit 16GB GDDR6显存，TBP 225W。我们主要来看看Chips and Cheese做的相关存储与计算方面的一些“microbenchmarking”核心数据。
首先是存储，在GPU核心上Intel也采用了两个层级的cache存储方案，英伟达也是如此。Intel在架构策略上，选择了比竞品更大容量的cache（Chips and Cheese测试结果是每个Xe核心192KB）。更大的cache也会带来更高的延迟，不过在GPU高利用率的情况下，小幅延迟增加是可以被隐藏的；而且更高的L1命中率本身也能够一定程度提高平均访问延迟。
Arc A770的L2 cache也比较大，达到了16MB，至少比英伟达Ampere和AMD RDNA 2大。从测试结果来看，Arc A770的L2 cache虽然容量更大，但延迟表现很不错，比RTX 3060 Ti还略快，介于AMD RDNA 2的L2 cache和Infinity Cache之间（如下图）。对比中英伟达和AMD显卡的L2 cache容量要小得多。
显存访问延迟方面，Intel会比AMD和英伟达高不少：而且用Chips and Cheese的话来说，这个延迟数字达到了10年前显卡的水平。不过在GPU高占用率（线程数尽可能填满）的情况下，显存延迟的影响并不会太大。
存储带宽测试，首先是dispatch一个workgroup，则GPU的一个模块或者说一个核心就会开始工作——所谓的GPU基础模块构成，对于Intel而言是Xe核心，对英伟达而言是SM、对AMD而言是WGP（RDNA）/CU（GCN）。
从测试结果来看，一个Xe核心在不同存储层级——包括cache和显存上都无法获得很高的带宽。尤其当数据深入到显存部分的时候，情况相当不乐观：AMD一个WGP从显存拿到的带宽就能有63GB/s，而英伟达一个SM则有34.4GB/s，Intel的一个Xe核心只有8GB/s的带宽。片内cache的情况也没好到哪里去，就这个结果来看，Intel的Xe核心的存储级并行能力（MLP）不大行。
一般GPU能够执行的workgroup size是256线程，而Arc支持的workgroup size最多有512线程，这对于隐藏延迟是有帮助的。所以基于这个size做测试，测试结果会有显著提升（蓝色虚线，Local Size = 512）：L2 cache带宽将近能够达到英伟达Ampere的水平，但显存带宽仍然比较悲惨。
Chips and Cheese评价说，Arc A770单个workgroup执行的存储带宽表现和古老的AMD Radeon HD 5850差不多....
不过一般GPU跑真实负载的时候，不会只用上GPU的一个核心。上面这样的测试也就作为某种参考。随测试增加workgroup或者说并行度，存储带宽利用会增加 - 当然更低并行度下达成越高的带宽一般也更理想。
即便增加workgroup，无论是共享cache（包括L2 cache），还是显存，Arc A770的情况看来和其他竞品都完全不在一个水平线上。AMD和英伟达这边都能快速达成带宽利用增长或满载。
就共享cache来看，AMD这边的Infinity Cache容量还更大，情况都比Arc A770的L2 cache好。而在显存方面，即便Arc A770的所有32个Xe核心都处在工作状态，显存带宽似乎都没有填满。看起来Intel在Arc显卡存储系统的带宽利用率方面还有很多工作要做。
值得一提的是，Chips and Cheese的测试流程也可能存在问题，抑或测试用的这一版Intel驱动存在问题，尤其在测试反复分配、释放存储资源的过程里，Chips and Cheese提到OpenCL runtime还会报错。
这几个月Intel应当有在频繁做驱动的bug修正工作，这也是新入市者前期会遭遇的问题——我在A380的体验中也提到过，即现在的每次驱动更新都能发现不少问题被解决。
上面这个测试是跑512个workgroup，以期达成全部GPU单元模块的满载。在GPU资源高占用的情况下，Arc A770的存储性能表现就会比较理想，在不同存储层级全周期内，都能表现出很不错的带宽吞吐，包括cache和显存。
不过配合真实测试来看，Arc A770真的需要高占用、高并行度才能表现出比较理想的存储性能——某些游戏由于各种原因无法做到GPU的高利用率，不管是游戏类型需要、CPU瓶颈还是软件优化，则实际表现可能会比竞争对手的GPU显著更差。Arc因此有更大概率在游戏的高分辨率设定下，有不错的帧率表现。
这可能就解释了，为什么在实际游戏测试的2k分辨率下，Arc A770相比竞品的优势会更大，或者差距会更小。
另外有关local memory延迟的情况，也就是一个workgroup内的所有线程共享的存储部分，Chips and Cheese也做了测试。Intel Arc A770（27.57ns）在这方面稍落后于英伟达Ampere（16.71ns）和AMD RDNA 2（19ns左右），和Maxwell（26.33ns）差不多——不能说出色，但也不算差。
计算吞吐与延迟
存储系统测试之外，另外比较重要的当然就是连接和计算了。Chips and Cheese倒是有做PCIe带宽测试，以及计算相关的测试。不过连接测试内容，因为设定的关系，个人认为可能并不具有太高的参考价值——大抵上基于测试PCIe 3.0和Resizable BAR设定，Arc A770的数据复制带宽水平都不理想，至少和目前在售的AMD和英伟达当代架构竞品比是如此。
要说GPU计算性能，FP32吞吐应该是一个重要指标，因为图形渲染包含了大量的FP32操作。从测试结果来看，Arc A770的Xe核心在FP32加法操作上表现不错，但FP32 FMA（融合乘加运算）不理想，原因不明。
整数（INT32）操作吞吐部分，Arc A770的表现不差，但似乎和当代竞品相比有一定差距。不过这部分测试结果也仅供参考，Chips and Cheese的测试工具还在做完善。之所以只给了单个GPU核心跑测试的结果，也在于如果看整个GPU的吞吐数据，A770的情况更为异常。这部分后续仍有商榷的余地。
在FP32执行延迟（单位：周期）方面，近代英伟达和AMD的GPU表现都相当不错，就周期数来看和CPU差不多——当然CPU的频率还是显著高于GPU的。Arc A770在运算单元的执行延迟会明显更高，尤其是FP32 FMA操作。
INT32整数执行延迟情况也类似，但比旧架构的显卡会稍好，包括比Kepler和Maxwell都好些，但显著弱于Ampere和RDNA 2。整数执行延迟数据对比图就不放了。
Chips and Cheese认为，像FP32执行延迟达到11-12个周期，在最终更系统层面并不会表现出多大的差异——这些延迟完全可能被其他因素隐藏。而且像AMD Terascale 2架构的FP32延迟也很高，但并不妨碍其计算性能的发挥。不过如果要在最终应用里有效隐藏较高的执行延迟，则同样需要较高的GPU资源占用度才行，这可能也是Arc A770在高分辨率图形渲染时，表现会更好的原因之一。
比较有趣的是，因为现在时常在Intel活动上出现的执行副总裁Raja Koduri此前来自AMD图形业务，所以Intel这次在推Arc显卡时，就有很多网友开玩笑说Intel的Arc，本质上就是AMD的Vega。当然其实从内部架构来看就知道，这纯粹是个玩笑。
不过Chips and Cheese还真的特别对比了Intel Arc A770和AMD Radeon VII（GCN），感觉对Intel足以产生一万点暴击...主要测试的还是cache和显存的带宽和延迟，有兴趣的同学可以去看看：上述弱项中，在低资源占用的情况下（较少workgroup数），Arc 770的存储性能表现仍然不乐观（Radeon VII在显存方面还很豪气地用了HBM2）。
Radeon VII其实也算是在应用资源高占用时，才能发挥实力的典型代表，但似乎仍然没有Arc A770那么依赖高占用。不过达到GPU高占用时，Arc A770作为今年发布的显卡，综合存储性能表现还是能够把Radeon VII甩在身后的。
这一代Arc显卡架构这种资源高占用、才可发挥出实力的特性，可能与Xe-HPG架构构成有很大关系，尤其是每个Xe核心L1 cache需要在8个Send端口（一个Xe核心包含8对EU/矢量引擎）之间做仲裁，每个端口还需要在2个矢量引擎间做决策。而且load/store系统以轮询的方式来服务EU/矢量引擎，这可能能够解释GPU低资源占用、低并行度时存在的带宽问题。
最后值得一提的是，最近Intel为Arc A770/A750发布了新版驱动，据说在游戏中达成了8%的性能提升——其实从驱动更新角度，8%也不是什么大数字，尤其在Intel目前驱动程序可能仍然效率不高的大前提下。不过这也表明，驱动更新仍有持续优化Arc显卡性能的余地。
而且我们都始终觉得，Intel这类参赛选手对于GPU市场的介入是个好事，尤其初代独显产品能有这样的表现，虽然仍然存在诸多不成熟，但已经是个非常出色的开端。难怪Linus Tech Tips要呼吁大家都去买Arc显卡，英伟达和AMD也是积累了十几、几十年才有了现在这番作为的：而Intel显卡的成熟也会持续盘活GPU市场，带动技术发展。
您可能感兴趣
