在12 月 15 日下午1点最早解锁的是深度学习平台及应用、GPU 开发与工具、ARM 架构服务器和高速智能网络及 DPU 专题，这些热点话题里面，前三个算是比较热门的，有感兴趣的可以点击此处，都是一些国内的优秀的工程师再讲。

实际上这种技术大会所讲到的大部分东西都和普通消费者关系不大，都是一些相对底层的技术路线和前沿的科技创新，并不能对当下我们的生活立刻产生什么影响，这是这些东西会在以后的时间里逐渐影响我们的生活。此次GTC中国线上大会就吸引了众多国内的企业与机构参与，包括阿里巴巴、AWS、百度、字节跳动、中国电信、戴尔科技、滴滴、新华三、浪潮、快手、联想、微软、平安、腾讯、清华大学和小米。

除大会主题演讲外，还将提供多长主题演讲和分论坛，均可免费参加，而且基本都是中文演讲。

图片来自：techpowerup

据推测RTX 3060 Ti实际性能和RTX 3070相差15%，鉴于RTX 3070性能和RTX 2080Ti非常接近，RTX 3060 Ti实际游戏性能大概率超过RTX 2080 Super，这一代的RTX 3060 Ti和RTX3060很有可能取代GTX 1060成为新一代的超级甜品卡。

在功耗方面，据此前AIC厂商爆出的消息来看，RTX 3060 Ti的功率大概比RTX 3070低40W，RTX 3060 Ti的满载功耗大约在180W到200W，供电的话一个单8pin完全可以满足，这个功耗表现显卡做成双风扇双槽卡应该不成问题，这对于不少ITX爱好者来说应该是一个好消息。

目前NVIDIA还未正式发布GeForce RTX 3060 Ti，往年的甜品卡需要等到旗舰显卡发售一年后发布，9月份刚开始出现RTX 3060 Ti消息时，确实是说的是1月份发布，但这次可能是受到了游戏主机和AMD Radeon RX 6000系产品的压力，RTX 3060 Ti将提前在11月中旬发布，售价应该在350美元到400美元之间，国行的售价可能在3000到3500之间。

除此之外，SEMI还预测2021年总出货面积将超过历史最高位，达到125.54亿平方英寸，并且此后仍将继续增长至2023年。

硅晶片是半导体的基础材料，而半导体又实际上是所有电子产品（包括计算机，电信产品和消费电子产品）的重要组成部分。上图中列出的数据为总电子级硅晶片，例如原始测试晶片和由晶片制造商运送给最终用户的外延硅晶片，但不包括未经抛光或回收的晶片。

SEMI市场研究和统计总监Clark Tseng表示：“ 2020年硅晶片的出货量将受到地缘政治紧张局势、全球半导体供应链的转移以及新型冠状病毒传播的影响。随着大流行加速数字化进程，公司及其服务方式正在世界范围内发生变化，半导体产业正在复苏，我们预计在未来两年内该产业将继续增长。”

SEMI的统计数据显示了半导体行业的全球复苏，费城半导体股票指数（SOX指数）是半导体行业的经济指标，也创下了日内新高，并且越来越多的观点认为，蓬勃发展的半导体市场将使晶圆制造商受益。

如果你想要启用这项新的特性，首先需要满足两个先决条件：一是需要硬件支持，目前支持这一特性的GPU有NVIDIA的Pascal GPU和Turing GPU、AMD的RDNA GPU，Intel那边的情况不明；二是需要驱动支持，目前Nvidia GeForce 451.48 或 Adrenalin 2020 版 20.5.1 Beta 驱动程序以及AMD最新的测试版驱动程序都已经支持这一特性。

满足软硬件需求之后，我们就可以通过以下两个方法开启新的硬件加速GPU调度功能。

首先是比较大众化的方法：打开“设置”，进入到“系统”页面，如果没有意外的话，默认就会进入到“显示”页面，下拉就能够看到“图形设置”的蓝色字体，点击进入，我们就能够看到新的硬件加速GPU调度选项，在这里我们就可以对这个新的功能进行开启或者关闭。一键完成。

第二个就是稍微极客一些的做法，通过修改注册表来实现。我们直接在搜索框中搜索“注册表”（应为搜Registry），然后单击出来的“注册表编辑器”，导航到"HKEY_LOCAL_MACHINE/SYSTEM/CurrentControlSet/Control/GraphicsDrivers"，找到名为HwSchMode的DWORD，双击进入编辑，Value data填入2即为开启，1为关闭。

那这个硬件加速GPU调度到底有多大用呢？有兴趣的同学可以点击这里了解更多。

统计的出货量中不仅包括了独立GPU，还包括了集成GPU。从2013年开始，AMD GPU的出货量每年都有可观的增长，前面的原因是那年新发售的家用游戏主机使用了来自AMD的方案，集成了AMD的GPU，而后的原因是Ryzen CPU/APU的销量增长带动了AMD GPU出货量的增加。

有趣的是，如果是用同样的产品类型去对比的话，AMD的集成GPU出货量不比Intel，独立GPU出货量不比NVIDIA，但他们是目前唯一一家有集成和独立两种形态GPU的厂商，加起来，就超过了其他两家。

JPR也统计了出货产品的类型，可以看到各项之间的差距并不大。出货占比最大的两种产品类型分别是笔记本APU和PS4的GPU，分别达23%、20%，独立GPU的出货占比加起来有36%，而最惨的是Xbox One部分，因为这代Xbox不太给力，出货量也仅占到9%。

目前有消息称，三星将会在下一代Exynos SoC中集成来自于AMD的RDNA GPU，如果消息成真，那么将会让AMD GPU的出货量再次出现一个很大的增幅，毕竟移动端市场的需求之庞大，是目前PC市场所比不上的。

在智能手机厂商方面，肥威发现，小米应用商店现在已经上架了一款“GPU驱动更新”的产品，小米10系列以及Redmi K30 Pro系列产品现在在应用商店内应该就可以看到，因为目前小米也就发布了这么两个系列的骁龙865手机。升级之后的版本为474，这两个系列的产品目前的GPU驱动应该是444。

图片来自肥威

GPU驱动更新完之后，通过“开发者选项”中的“游戏驱动程序偏好设置”就可以切换到最新的驱动版本，同时也还能使用旧的444版本。等于说可以在小米10系列或者Redmi K30 Pro系列产品中装两个GPU驱动，并且用户可以手动选择使用哪一个版本。而且，用户还能够给每一个安装的应用自定义使用的GPU驱动。

手持小米10系列或者Redmi K30 Pro系列的小伙伴现在就可以前往应用商店了解一下。

对于部分旧设备用户来说，特别是手游玩家，相信还是挺期待这个功能也能够在自己的设备上实现的。这也不是不可能。高通最新公布的消息显示，几款骁龙855处理器的手机也将能够获得GPU驱动独立更新的能力，这几款机型分别是三星S10、三星Note10、Google Pixel 4，并且高通也宣布更多的设备会获得更高版本的功能。

也就是说，在后续的升级当中，高通将会为更多的骁龙855处理器手机提供单独的GPU驱动更新。

除了这个面向用户的消息之外，高通还和谷歌准备了一款叫做Android GPU Inspector的开发者工具，通过这款工具开发者可以更好的测试自己的产品。根据高通公布的数据，使用新款工具在Pixel 4 XL上进行的一款未发布的游戏测试，可以节省40%的GPU资源，从而可以通过优化来提高游戏帧率以及续航时间。

从这两个角度来看，或许以后的安卓游戏手机会真有戏，而不仅仅是为了营销喊出来的口号。并且，从今年发布的几款游戏手机产品上来看，也可以说是做得有声有色的了。

根据黑鲨CEO罗语周公布的信息，将发布的腾讯黑鲨游戏手机3（腾讯又找了个小伙伴一起做手机了）的安兔兔跑分超过了62万分。作为对比的是，同样是一款骁龙865手机，小米10的跑分在发布会上公布的数值是超58万。从核心硬件上来看，小米10手机除了那颗骁龙865处理器之外，还使用了最新的LPDDR5内存，“新一代”的UFS 3.0闪存，如果没有意外的话，黑鲨3的核心硬件也是差不多。但是两者之间的安兔兔跑分差了约4万，差不多相当于3-4部小米1的跑分吧。

除了黑鲨3和小米10的跑分（没有特别注明的话都是安兔兔跑分）之外，realme X50 Pro的跑分是超过了60万，联想拯救者电竞手机的跑分暗示超过60万，iQOO 3手机的跑分超过61万。按照时间顺序来看的话，这些数据可以看出，骁龙865处理器的跑分在不同厂家的机器里，正在逐步提升。参与跑分的核心硬件都类似，为什么厂商能够提升自己的机器的跑分数据呢？

这一次的骁龙865处理器的跑分逐渐被提升应该是和作弊没有关系的。我们可以通过小米10手机的最近一次系统更新了解一下，小米10手机经过这次系统更新之后，机器的跑分也是来到了60万以上，比发布会公布的58万分高了不少。而这一次的系统更新，主要内容之一就是升级GPU驱动。因此，各家的机器能够刷新骁龙865处理器的跑分数据，一个原因就是GPU驱动版本不同导致。

换句话说，我们真的有可能在手机上迎来鸡血驱动。

对于高通的那颗骁龙865处理器，一大特性就是支持驱动单独升级。这个特性在国外的体现可能会明显一点，因为安卓手机能够对硬件驱动进行独立于固件升级之外进行更新，主要的还是依赖Project Mainline，用户通过Google Play就可以检测到GPU驱动更新。而在国内的话，这个升级可能还是需要厂商来进行推送，因此，除了用上出色的硬件系统之外，后续对于产品的维护工作在消费者层面应该就会有更加明显的感受了。

梳理一下骁龙865处理器的跑分数据时间线：处理器发布之后，非厂商机型的跑分数据为568919分，小米10发布会分数超58万，realme X50 Pro的“爆料”超60万，小米10升级GPU超60万，黑鲨3“爆料”超62万。

众所周知，在数据中心领域，英特尔几乎占据了垄断的地位。在这个领域之内，除了目前正在努力替代英特尔CPU的AMD之外，ARM也加入了新的竞争。得益于其低功耗的优势，目前ARM处理器主要应用于智能手机等移动设备以及边缘计算方案。有分析师表示，尽管ARM处理器在性能上可能无法与Intel相提并论，但低功耗的特性正在使它们成为数据中心的诱人选择。AWS在2018年率先在其数据中心上使用了ARM处理器，在其武器库中添加了使用Arm CPU的新实例。

现在，英伟达宣布其GPU产品可以和ARM处理器一起搭配使用。通过支持ARM处理器，英伟达向云供应商以及数据中心经理展示了他们的GPU产品可以在任何CPU产品下无缝运行。对此，NVIDIA首席执行官黄仁勋明确表示，机器学习和AI的突破将会为新架构带来令人兴奋的机遇，英伟达GPU支持ARM处理器，将会为新应用程序从超大规模云扩展到百亿亿次超级计算等等。

同时，NVIDIA将ARM及其生态系统合作伙伴（包括Ampere，Fujitsu和Marvell）带入NVIDIA软件生态系统及其CUDA-X软件平台。NVIDIA和ARM都强调了这一生态系统方面。但是，除了ARM之外，NVIDIA还更广泛地提到了HPC（高性能计算）生态系统。除了使自己的软件与ARM兼容之外，NVIDIA还与其广泛的开发者生态系统紧密合作，将GPU加速带入ARM的HPC应用程序，例如GROMACS，LAMMPS，MILC，NAMD，Quantum Espresso和Relion。

这份专利主要阐述了AMD通过新的系统方法保护GPU显存指令免受故障保护的新方法的专利。在这份专利中AMD提出通过使用系统的“主从”设备、操纵它们的指令流并检查过程中的任何错误。

方法首先建议系统将“从”设备请求转换为虚拟操作，如NOP（No OPeration，无操作），并修改存储器仲裁器及每个时钟周期内发送N个主及N个从N个从全局/共享存储器指令到显存系统中。然后使用从属请求检查错误并将主要请求输入到存储器的FIFO（先进先出）缓冲区中。从属请求存储在寄存器中，最终存储于寄存器中的从属请求及FIFO会进行比较看两者有何不同。如果发生错误根据流程会再次进行检查。

作为提交的专利AMD现在还没有在任何设备中使用这样的方法，而这也可能仅仅是一种解决方法，工程上是否能真正解决问题还不清楚，不过厂商开始注重设备安全终归是一件好事。

这份硬件接口文档中的一部分已经提交到GitHub的仓库中了，而且采用的是MIT协议。这份文档中涵盖了Maxwell、Pascal、Kepler甚至Votla的文档。整体来说涵盖了除了目前Turing架构外的流行系列。不过还是希望NVIDIA能够尽快开源最新的Turing架构接口文档。

除了覆盖的系列外，NVIDIA的初始文档中有GPU的BIOS表、设备控制块、设备初始块、Falcon安全引擎、内存时钟调整、着色器、电源状态等一系列信息，虽然可能不是最详尽的文档，但这也是近些年NVIDIA公布得比较多的产品细节了。不过现在这份文档还处于持续更新中。但从仓库建立日期中看NVIDIA在两个月前就开启了这项工作。

图片信息为NVIDIA的open-gpu-doc仓库

当前NVIDIA的显卡在Linux平台也有其开源的Nouveau驱动，虽然这份文档可能会对开原驱动带来一些帮助，但还是没有解决最大的签名固件导致GTX 900系列显卡运行速率过低的问题。针对这个事情Phoronix也询问了NVIDIA，其称他们已经意识到了这个问题，但是当前没有什么解决办法。

总的来说开源更多的硬件接口信息对开源社区来说有很多帮助，也希望NVIDIA能够完善这份文档，让开发者更加了解使用的硬件。

要讲清楚这个问题，需要从最早的图形化界面开始，自施乐公司的Palo Alto研究中心（著名的PARC）开发出图形化的计算机操作界面后，计算机的使用方式就开始发生了重大的变化。不过从那时开始的一段时间内，一般的计算机内部并没有专门处理2D图像的处理器，但那时的图形界面都非常简单，所以CPU就能完成渲染任务，但从上世纪90年代开始，由于游戏等图形应用的出现，CPU的图形计算能力满足不了这些应用，所以上世纪90年代左右，专门处理图形显示的芯片出现了，尤其是在做3D图形渲染时，GPU中的硬件坐标转换等功能，CPU对图形的处理压力大幅下降。

实际上得益于处理器中的一些扩展指令集，也能进行一定的渲染任务

也是从那时开始，显卡开始逐渐接管计算机系统中的图形处理。而且由于高分辨率、高画质要求，CPU的单精度浮点性能跟不上这些复杂画面的渲染需求，到此时GPU接管了大部分图形渲染工作。

不过CPU依旧参与在渲染任务中，除了依旧会执行一些软件的渲染任务外。CPU会参与到渲染工作的其他任务。显示芯片执行渲染任务需要接受渲染指令，所以CPU就承担起了这个任务。通过如DirectX、OpenGL等图形API，处理器就可以通过Draw Call指令向GPU发送渲染指令，然后GPU进行渲染工作。

所以再次总结一下这个问题，在图形处理器出现之前，电脑中CPU在负责渲染（主要针对当时的主流电脑，工作站不算），在图形处理器出现后，GPU在主要进行计算机的渲染任务，不过CPU需要通过一些指令调度GPU进行渲染。所以说CPU和GPU都在渲染。

由于两者面向的计算不同，CPU面对的是人们各种各样的需求，比如你打开一个网页的时候，CPU要负责网络交互，要解析HTML文件和JS脚本，要构建DOM树，要加载各种各样的资源，而最后才轮到GPU的事情：渲染画面并输出。

再举个例子，玩游戏的时候，CPU负责完成游戏程序的逻辑、从硬盘里面加载游戏数据，然后才开始把图形相关的东西挑出来交给GPU做，而游戏中的各种运算还是离不开CPU的帮助，比如常见的NPC，他们怎么运动，还是需要CPU来运算。

从上述两个例子中就可以看出，CPU负责的是各种各样的计算，为了应对这么多种类的计算，它的通用性要求非常高，而这就必定会造成设计上的复杂，比如要支持if-else这类条件语句就要针对性加入一些控制单元。而GPU从诞生开始，面对的就是单一种类的计算，早期的GPU为了更好的应对单一的图形计算任务，采用的是流水管线形式的设计，通过在芯片规模上的大量堆叠，就可以获得在图形处理速度上的提升，从而提供更好的画质，简单粗暴。

所以问题的答案很明显了，在计算上，CPU的通用性更强，什么活都能接，但是速度都不咋地；GPU只能接图形计算这类活，速度非常快，或者也可以接特别写给它来计算的任务，这也就是GPGPU（在图形计算单元上进行的通用计算）的由来。