Turing (微架構)

圖靈微架構（英語：Turing microarchitecture），是由輝達公司（nVIDIA）所開發的一種GPU微架構，用以取代伏打微架構（Volta microarchitecture）。命名為「圖靈」以向英國電腦科學家艾倫·圖靈（Alan Turing）致敬。這個微架構於 2018 年 8 月在 SIGGRAPH 2018 年會上首次在面向工作站的 Quadro RTX 卡中推出^[2]， 並於一周後在 科隆遊戲展(Gamescom)上在消費類 GeForce RTX 20 系列顯示卡中推出^[3]。圖靈微架構以​​其 HPC 專有前身的前期工作為基礎，推出了首款能夠實現即時光線追蹤的消費產品，這是電腦繪圖產業的長期目標。關鍵要素包括專用人工智慧處理器（"Tensor cores"）和專用光線追蹤處理器（"RT Cores"）。 圖靈微架構利用 DXR、OptiX 和 Vulkan 來存取光線追蹤。 2019年2月，Nvidia發表了NVIDIA GeForce 16系列GPU，採用了新的圖靈設計，但缺乏光線追蹤（RT）和張量（Tensor）核心。

Nvidia Turing

發布日期	2018年9月20日 (2018-09-20)
製造工藝	台積電 12 nm (FinFET)
歷史
前代產品	帕斯卡（消費） 伏打（專業）
後繼產品	安培[1]

艾倫·圖靈（Alan Turing）的相片

圖靈微架構採用台積電的 12 nm FinFET 半導體製造製程。 高階 TU102 GPU 包括使用此製程製造的 186 億個電晶體。 圖靈微架構也使用三星電子 (Samsung Electronics) 和先前的美光科技 (Micron Technology) 的 GDDR6 記憶體。

細節資訊

RTX 2080 卡中使用的 TU104 GPU 的晶片拍攝圖

RTX 2060 卡中使用的 TU106 GPU 的晶片拍攝圖

RTX 1660 卡中使用的 TU116 GPU 的晶片拍攝圖

圖靈微架構結合了多種類型的專用處理器核心，並實現了即時光線追蹤技術（儘管大多數仍限於對物理建模的材質、室內反射和照明）^[4]。這得益於新的 RT 核心的使用，這些核心被設計用於處理四元樹和球形階層，並為單個三角形的碰撞測試提速。

圖靈微架構的特性包括：

• CUDA 核心（串流多處理器）
  • 計算能力（Compute Capability）：7.5
  • 傳統的柵格化著色器和計算
  • 整數和浮點操作的並列執行（繼承自伏打微架構）
• 光線追蹤（RT）核心
  • 層次包圍體結構（Bounding Volume Hierarchy）加速^[5]
  • 陰影、環境光遮蔽、照明、反射
• 張量（AI 中的 Tensor）核心^[6]
  • 人工智慧
  • 大型矩陣操作
  • 深度學習超級採樣（DLSS）
• GDDR6/HBM2 支援的主記憶體控制器
• 帶有顯示壓縮流（DSC 1.2）技術的 1.4a 版本 DisplayPort 介面
• 支援使用 PureVideo 技術的 Feature Set J 來進行硬體加速的影片解碼
• GPU Boost 4
• 支援通過 NVLink Bridge 實現多個顯示卡的連接，並使用 VRAM 堆疊的方式匯集多個顯示卡的主記憶體
• VirtualLink 標準虛擬實境
• NVENC（NVIDIA Encoder）硬體編碼引擎

GDDR6 主記憶體由三星電子為 Quadro RTX 系列生產^[7]。RTX 20 系列在最初發布時使用美光的主記憶體晶片，在 2018 年 11 月換為三星晶片^[8]。

柵格化（Rasterization）

NVIDIA 報告稱，在現有的軟體標題中，柵格化（使用 CUDA 技術）的效能相較於前一代提升了大約 30-50%^[9][10]。這表示圖靈架構的 NVIDIA GPU 在處理現有軟體時，通過柵格化技術取得了相當可觀的效能提升，提高了圖形處理的效率。

光線追蹤（Ray-tracing）

RT 核心執行的光線追蹤可用於生成反射、折射和陰影，從而取代一些傳統的柵格技術，如立方體貼圖（Cube maps）和深度貼圖（Depth maps）。需要注意的是，光線追蹤技術並非完全替代柵格化技術，光線追蹤收集到的資訊可以用於增強著色，使圖像更加寫實，特別是在處理攝錄影機視野之外發生的動作（off-camera action）時。NVIDIA 表示，光線追蹤效能相較上一代消費者架構 Pascal 提高了約 8 倍。

張量核心（Tensor cores）

利用張量核心，最終圖像的生成能夠得到進一步加速，這些核心用於填充部分彩現圖像中的空白，這一技術被稱為去噪（de-noising）。張量核心負責執行深度學習的結果運算結果，對處理特定任務的方法進行編碼，使得系統能夠理解和應用這些方法。這種編碼過程使得系統能夠更有效地執行某些任務，例如增加特定應用程式或遊戲生成圖像的解析度。在張量核心的主要用途中，需要解決的問題會在超級電腦上進行分析，該電腦通過範例學習期望的結果，確定實現這些結果的方法，隨後，這些方法通過驅動程式更新傳遞給消費者，最終由消費者的張量核心執行操作^[9]。超級電腦本身使用了大量的張量核心。

圖靈晶粒（Turing dies）

圖靈晶粒的對比

晶粒	TU102	TU104	TU106	TU116	TU117
晶粒大小	754 mm2	545 mm2	445 mm2	284 mm2	200 mm2
電晶體數量	18.6B	13.6B	10.8B	6.6B	4.7B
電晶體密度	24.7 MTr/mm2	25.0 MTr/mm2	24.3 MTr/mm2	23.2 MTr/mm2	23.5 MTr/mm2
圖形處理叢集 (GPC)	6	6	3	3	2
流處理多處理器 (SM)	72	48	36	24	16
CUDA核心數	4608	3072	2304	1536	1024
紋理對映單元 (TMU)	288	192	144	96	64
彩現輸出單元 (ROP)	96	64	64	48	32
張量核心	576	384	288	不適用
光線追蹤核心	72	48	36
L1 快取	6.75 MB	4.5 MB	3.375 MB	2.25 MB	1.5 MB
	96 KB per SM
L2 快取	6 MB	4 MB	4 MB	1.5 MB	1 MB
最大熱設計功耗 (Max TDP)	280 W	250 W	185 W	125 W	75 W

開發

主條目：NVIDIA RTX

圖靈微架構的開發平台是 RTX。可以通過 Microsoft 的 DXR（DirectX Raytracing），OptiX, 以及使用 Vulkan 拓展（最後者在 Linux 驅動上也可以使用）來呼叫 RTX 的光線追蹤功能^[11]。AI 加速功能可以通過 NGX 整合到應用程式中^[12]。網格著色器（Mesh Shader）和著色率圖像（Shading Rate Image）功能可以在 Windows 和 Linux 平台上使用 DX12、Vulkan 和 OpenGL 擴充來訪問^[13]。

Windows 10 在 2018 年 10 月的更新中包括了 DirectX 光線追蹤的公開發布^[14][15]。

採用圖靈微架構的產品

• GeForce MX 系列
  • GeForce MX450 (Mobile)
  • GeForce MX550 (Mobile)
• GeForce 16 系列
  • GeForce GTX 1630
  • GeForce GTX 1650 (Mobile)
  • GeForce GTX 1650
  • GeForce GTX 1650 Super
  • GeForce GTX 1650 Ti (Mobile)
  • GeForce GTX 1660
  • GeForce GTX 1660 Super
  • GeForce GTX 1660 Ti (Mobile)
  • GeForce GTX 1660 Ti
• GeForce 20 系列
  • GeForce RTX 2060 (Mobile)
  • GeForce RTX 2060
  • GeForce RTX 2060 Super
  • GeForce RTX 2070 (Mobile)
  • GeForce RTX 2070
  • GeForce RTX 2070 Super (Mobile)
  • GeForce RTX 2070 Super
  • GeForce RTX 2080 (Mobile)
  • GeForce RTX 2080
  • GeForce RTX 2080 Super (Mobile)
  • GeForce RTX 2080 Super
  • GeForce RTX 2080 Ti
  • Titan RTX
• Nvidia Quadro
  • Quadro RTX 3000 (Mobile)
  • Quadro RTX 4000 (Mobile)
  • Quadro RTX 4000
  • Quadro RTX 5000 (Mobile)
  • Quadro RTX 5000
  • Quadro RTX 6000 (Mobile)
  • Quadro RTX 6000
  • Quadro RTX 8000
  • Quadro T1000 (Mobile)
  • Quadro T2000 (Mobile)
  • T400
  • T400 4GB
  • T500 (Mobile)
  • T600 (Mobile)
  • T600
  • T1000
  • T1000 8GB
  • T1200 (Mobile)
• Nvidia Tesla
  • Tesla T4