為什么GPU每一代的更新性能上都有「重大突破」？

首先，我們不能被手機SOC吹上天的7nm、5nm、3nm帶跑偏了。柵極寬度代表的工藝制程nm數并不能代表一切。

舉個例子：

臺積電的7nm和英特爾的10nm名義上差一代，實際上半斤八兩。英特爾10nm一個單位占面積54*44nm，每平方毫米1.008億個晶體管；而臺積電7nm一個單位占面積57*40nm，每平方毫米1.0123億個晶體管。兩者并沒有代差。

芯片的性能要從晶體管密度、柵極間距、最小金屬間距、鰭片高度、柵極長度等指標來看。

CPU并不是一成不變它也一直在突破

1、高性能計算領域

比如英特爾的AVX-512是一組能夠針對各種工作負載和用途（例如科學模擬、金融分析、人工智能 (AI)/深度學習、3D 建模與分析、圖像和音頻/視頻處理、加密及數據壓縮）提高性能的新指令。

借助多達兩個512位融合乘加 (FMA) 單元，應用程序在512位矢量內的每個時鐘周期可打包32次雙精度和64次單精度浮點運算，以及八個64位和十六個32位整數。

2、云服務和數據中心

英特爾為云服務提供了從底層硬件到系統軟件虛擬化的全套支持，而CPU性能的進步，單芯片核心數提升，功耗降低，讓云服務得以爆炸式的增長，虛擬化技術讓云服務使用更加便捷安全。

3、個人應用

英特爾的6核本來是打算用在10nm桌面平臺，被AMD逼得提前獻祭出來。有市場競爭的關系，但架構改進，功耗控制等確實比以前好了。

另外，看看現在的筆記本續航和性能，還覺得擠牙膏只能說要求過高了。

GPU的“重大突破”

1、GPU的“重大突破”一部分要歸功于工藝制程的提升

集成電路一直都是根據摩爾定律發展，每2年左右晶體管數量翻倍。顯卡架構本身并行擴展性非常好，GPU的流處理器個數成倍的增長，就會出現所謂的“重大突破”。其實這是制程工藝升級換代的必然結果。

隨著工藝制程的提升，CPU也在突破。比如：每代志強CPU核心數量平均提升30%，性能至少提升50%。

所以這個重大突破的頭銜，送給芯片代工廠家更合適。

2、GPU的“重大突破”一部分要歸功于架構的調整

舉個例子：

NVIDIA的CUDA演進了這么多年了，SMX/SMM數目組合不斷調整提高效率，SM內部的CUDA核心的單雙精度浮點計算配比、寄存器緩存大小、存取單元個數、指令緩沖區大小、 warp調度器重新設計等一直在變，并且是面向應用的要求而變，迎合市場需求，顯得很受歡迎。

Maxwell架構閹割雙精度單元，大幅降低功耗，讓單精度性能大幅提升，改進SM效率變高，實現制程不變功耗降低，單精度性能提升的壯舉！（游戲主要看單精度浮點計算性能）Pascal架構制程從上一代的28nm躍遷到16nm，相當于一次跨越了兩代制程工藝，再加上架構繼續改進，緩存變大，新的工藝使得功耗大大降低，頻率拉高，上一代閹割的雙精度單元也加回來了，從而實現了性能重大突破。

3、GPU的“重大突破”一部分歸功于深度學習

在深度學習領域，顯卡的加入可以說是重大突破，舉個例子：

Pascal架構的GPU支持半精度計算，性能是單精度的兩倍（CPU沒有半精度就不能讓性能提升2倍）。而新的Volta架構，專門加入Tensor Core單元用于深度學習矩陣乘加（Tensor Core單元不能直接用于傳統圖形應用）。

GPU在設計時，會對其使用場景就進行了一次細分，這種專門設計的單元，性能自然比通用處理器來的猛。相較于之前沒有這類處理單元，也可說這是重大突破。

綜上所述，GPU確實是每一代更新都有所謂的“重大突破”，CPU在功耗控制、新指令集退出、服務器堆核等方面也從來沒有擠過牙膏。調侃一下就好，不能真信了。

以上個人淺見，歡迎批評指正。

認同我的看法，請點個贊再走，感謝！

喜歡我的，請關注我，再次感謝！