01 GPU 芯片定义与 PPA 权衡¶

1. 为什么需要 GPU：算力密度与吞吐优先范式¶

现代高性能计算、大模型训练和实时图形渲染负载呈现出海量的数据并行性（Data Parallelism）。传统通用 CPU 与高性能 GPU 在晶体管资源分配上的哲学有着本质不同：

graph TB
    subgraph CPU_Die["CPU 裸片资源分配 (延迟敏感型)"]
        Control_CPU["控制逻辑 (OoO, 分支预测, 乱序重排) ~30%"]
        Cache_CPU["大容量低延迟 Cache (L1/L2/L3) ~50%"]
        ALU_CPU["ALU / AVX-512 算术单元 ~20%"]
    end

    subgraph GPU_Die["GPU 裸片资源分配 (吞吐量优先型)"]
        Control_GPU["轻量级硬件调度器 (Warp Scheduler) ~10%"]
        Cache_GPU["多通道高吞吐 Cache (L1/Shared/L2) ~20%"]
        ALU_GPU["密集并行计算流水线 (ALU/Tensor Core) ~70%"]
    end

CPU 与 GPU 核心设计权衡对比¶

设计维度	通用 CPU (如 x86_64 / ARMv9)	高性能 GPU (如 NVIDIA Hopper / AMD CDNA3)
设计核心目标	最小化单线程执行延迟（Latency Oriented）	最大化全芯片总算力吞吐量（Throughput Oriented）
流水线机制	超标量、深度乱序执行（Out-of-Order, OoO）、投机执行	严格按序/轻度乱序发射、多线程束零开销上下文轮转
分支预测	复杂分支预测器（TAGE/神经网络）、大型 BTB	掩码栈（SIMT Stack）与独立线程调度（ITS），不采用重度分支预测
访存机制	依赖硬件自动预取器与数级低延迟大 Cache	依赖海量活跃线程（Massive Concurrency）隐藏数百周期访存延迟
算力能效比	10 ~ 30 GFLOPS/W (FP32)	200 ~ 500+ GFLOPS/W (Dense), 1000+ TFLOPS/W (FP8 Tensor)

2. 芯片原厂的 PPA 核心设计法则¶

在 GPU 芯片定义阶段，架构师必须在 PPA（Performance, Power, Area） 三角平衡中作出工程抉择：

graph TD
    PPA["GPU PPA 架构平衡模型"]
    PPA --> Perf["Performance (性能)
- 峰值 TFLOPS (FP32/FP16/FP8)
- 显存物理带宽 (TB/s)
- 互联吞吐 (NVLink/PCIe)"]
    PPA --> Power["Power (功耗)
- 动态翻转功耗 P_dyn = a*C*V^2*f
- 静态漏电功耗 P_leak(T)
- 散热功耗墙 (TDP: 300W~1000W)"]
    PPA --> Area["Area (面积与成本)
- 光刻掩模极限 Reticle Limit (~858 mm²)
- 2.5D CoWoS 封装中介层利用率
- 晶圆良率 (Yield Model: Poisson/Murphy)"]

1. 动态功耗与电压平方律¶

芯片总功耗公式为： $$P_{total} = \alpha C V_{dd}^2 f + V_{dd} I_{leak}(T)$$ 在提升频率 $f$ 时，必须同步提高供电电压 $V_{dd}$ 以满足时序建立时间要求（Setup Time）。电压的平方效应导致功耗急剧上升。因此，GPU 原厂优先选择堆叠更多的并行 SM 核心以适中频率（如 1.5GHz~2.0GHz）运行，而非像 CPU 一样单核飙升至 5GHz+。

2. 裸片尺寸与 Chiplet / CoWoS 封装¶

单 Die 面积物理极限：单次光刻曝光面积上限约为 $858\text{ mm}^2$。
良率与缺陷密度：晶圆缺陷符合 Murphy 模型 $Y = \left(\frac{1 - e^{-A D}}{A D}\right)^2$。Die 面积越大，良率呈指数级下跌。
Modern GPU Chiplet 方案：将计算逻辑切分为 2 颗或多颗 Compute Die，通过超短距离高密度凸块（Micro-bumps，间距 $<25\mu m$）在 2.5D 硅中介层（Interposer）上互联，突破物理面积上限。