É fruto de polêmica, bucha de canhão para usuários pouco relacionados ao puro gozo da tecnologia que ambas as empresas fornecem e ainda assim é um fato que se mantém desde o Radeon X800. NVIDIA assumiu o comando das placas gráficas no final de 2005 e reinou com punho de ferro por 15 anos desde então, mas o que está parando AMD de lançar um GPU que supera seu rival?
Existem vários fatores importantes sobre os quais a NVIDIA sempre foi clara ao lançar novas GPUs no mercado e que a AMD começou a entender há pouco mais de dois anos.
Esses fatores não são realmente relevantes além das próprias arquiteturas, mas têm conotações interessantes que deixam uma mensagem clara que promete mudar o cenário atual da placa gráfica.
Arquitetura
Partimos do pressuposto de que entendemos a natureza de uma GPU como tal, ou seja, são fantásticas “calculadoras gigantes” de operações de FP, portanto são ótimas para operações paralelas. A grande maioria dos cálculos é feita por unidades de FPU e, ao contrário das CPUs, essas unidades como tais não são programáveis por designers de software, mas são um pouco mais abstratas e totalmente dependentes do driver que as suporta.
Isso deixa a AMD e a NVIDIA para otimizar seus produtos como poucos dispositivos em um PC fazem. Ao mesmo tempo, este é apenas o começo do problema com o argumento principal deste artigo, que é que a NVIDIA aloca uma quantidade tão grande de recursos que seu grupo de desenvolvimento é chamado internamente de “Exército NVIDIA”.
O número de desenvolvedores de software que eles têm é muito superior ao da AMD e isso faz parte da superioridade de suas GPUs. Deve-se entender que nas arquiteturas e justamente desde o final de 2005, as placas gráficas têm as mesmas unidades para funcionar: ALUs / FPU TMUs e ROPs (além dos caches correspondentes e VRAM claro) e apenas Turing impôs o novo RT Núcleos e núcleos de tensor para diferentes tarefas.
Novamente, isso pressupõe que a otimização de software associada a melhorias arquitetônicas fazem uma diferença maior para cada geração se você não avançar mais rápido que o rival. Para ser mais específico, o Navi como arquitetura inclui dois Motores de sombreamento blocos que a AMD, por sua vez, divide nos famosos Mecanismos de computação assíncrona (ACE) , onde cada um tem 5 WGP e duas UCs.
Para pura comparação, a NVIDIA em Turing tem 6 GPCs com 6 TPCs em cada um e duas SMs para cada bloco. Esta visão simples da estrutura de cada arquitetura nos faz ver que a paralelização das de Huang é muito maior e mais configurável do que a da AMD, que possui blocos muito mais potentes em conjunto, mas que ao mesmo tempo implica ser menos energeticamente eficiente do que opção do seu rival.
Por fim, deve-se entender que há uma diferença radical na abordagem da operação de ambas as arquiteturas, que vem do passado pela simples evolução da mesma: a NVIDIA trabalha com unidades de execução escalar, a AMD, por sua vez, usa unidades que trabalham com vetores.
O que isso implica? Uma otimização totalmente diferente para trabalhar pelos desenvolvedores e ao mesmo tempo pela sua opacidade, é uma parede que a AMD tenta quebrar oferecendo unidades mais simples de programar e com melhores recursos.
Consumo
Outro problema que a AMD tem há anos, e que mesmo com um processo litográfico muito mais avançado que o de sua rival, não consegue estar à frente. Novamente, tudo é um problema de arquitetura e otimização.
A NVIDIA é capaz de desativar qualquer grupo de TPCs e até GPCs inteiros em milissegundos, variando a carga de trabalho em grande medida e que, juntamente com várias tecnologias, como compressão de cores lado a lado ou de alto nível, fazem com que suas unidades funcionem com mais eficiência e, portanto, conseguem aumentar desempenho consumindo menos energia.
Otimização é fundamental e aqui a NVIDIA, pela operação de suas unidades, consegue fazer mais do que a AMD no mesmo ciclo de clock. Você não deve olhar isso tanto do ponto de vista do desempenho (que é obviamente melhor), mas do consumo.
Uma unidade escalar permite uma instrução flutuante e um inteiro ao mesmo tempo e por ciclo de clock. A reorganização da arquitetura na NVIDIA permite que um programador trabalhe com operações vetoriais de uma maneira mais simples do que na AMD, especialmente agora que Turing tem três motores bem diferenciados dentro de cada SM.
Isso permite que a rasterização seja mais focada nesses motores, seja INT32 , Núcleos de FP32 ou tensor , permitindo, se não for necessário, desativar GPCs completos ou qualquer um desses motores, economizando consumo e sendo mais eficiente no trabalho. .
Valores
É um fator determinante quando falamos sobre qual GPU é “melhor”. Para a NVIDIA, a estratégia de preços altos oferecendo tecnologias inovadoras funcionou desta vez, mas a realidade é que tanto o Ray Tracing quanto o DLSS não foram um passo tão grande visualmente quanto se pretendia e não ficaram livres de controvérsias ou problemas.
Oferecer um produto menor por um preço menor não o torna melhor por si só, é preciso saber posicioná-lo de forma atrativa. As seções de consumo e arquitetura levam diretamente a isso e fazem com que a AMD seja vista como a opção mais acessível por preço para um número maior de usuários.
Navi surpreendeu a NVIDIA neste ponto, já que as melhorias arquitetônicas foram profundas e foi um salto significativo que fez o lançamento de Huang de uma nova série de placas para cobrir as lacunas. Mas a realidade em todo o mundo é que o usuário valoriza as tecnologias, desempenho e consumo que a NVIDIA oferece a um preço mais alto. Não é à toa que possui mais de 60% do mercado mundial, portanto estamos na posição de quem pode optar por pagar algo mais por uma GPU NVIDIA para aproveitar suas novas tecnologias e de quem simplesmente não quer passar por esse anel por diferentes razões.
Em qualquer caso, por mais de 15 anos, a AMD normalmente tem estado a reboque nesta seção. A NVIDIA define os preços com suas novas GPUs e a AMD preenche as lacunas com suas GPUs.
