รูปภาพ Die และข้อมูลชิป GP104 หัวใจหลักของ GTX 1080 & 1070

รูปภาพ Die และข้อมูลชิป GP104 หัวใจหลักของ GTX 1080 & 1070

ในตอนนี้ได้มีรูปภาพด้านในของชิป GP104 GPU หรือส่วนหัวใจหลักของ GTX 1080 และ GTX 1070 ตัวแรงของทาง Nvidia มาให้เพื่อนๆได้ชมกันแล้ว โดยชิปตัวนี้จะมีขนาด 314 mm²

nvidia-gp104-gpu-4-1920x1280

nvidia-gtx-1070-gp104-gpu-2-1140x564ผู้ที่ถ่ายภาพ Die ของชิปตัวนี้ก็คือคุณ Fritzchens Fritz ผู้ที่เก็บสะสมรูปภาพ Die ของ GPU ในหลากหลายรุ่น ซึ่งในครั้งนี้ก็ถึงคราวชิป GP104 ที่เป็นตัวขับเคลื่อนกราฟฟิกการ์ด GTX 1080 และ GTX 1070 โดยจากภาพด้านบนก็จะเห็นว่าผู้ถ่ายได้เอาตัวชิปออกจาก Socket บน PCB และแยก Die จากแผงวงจรเล็กๆ สำหรับสถาปัตยกรรม Pascal ก็จะเป็นการนำเอาสถาปัตยกรรมรุ่นก่อนหน้าอย่าง Maxwell ออกแบบใหม่ให้ดีมากขึ้น

blockdiagram

ด้านบนก็จะเป็นภาพ Block Diagram ด้านในชิป GP104 ก็จะประกอบไปด้วย 4 Graphics Processing Clusters (GPCs) แต่ละ GPC จะมี 5 Streaming Multiprocessors (SMs) ซึ่งเป็นตัวขับเคลื่อนในการประมวลผลภายในชิป GPU แต่ละ SM จะมี 128 CUDA Cores (32*4), 16 Texture Mapping Units, 4 dispatch units, 2 warp schedulers และ Instruction buffer ที่มีความจุมากกว่าสถาปัตยกรรม Maxwell 2 เท่า รวมทั้งชิปมีหน่วยประมวลผลทั้งหมดคือ 2560 CUDA Cores, 160 TMUs และ 64 ROPs รวมถึงมีจุดเชื่อมต่อแรม 32-bit GDDR5X 8 ส่วน เอาไว้รองรับแรม 8GB 256-bit GDDR5X นั่นเอง

nvidia-gp104-gpu-5 nvidia-gp104-gpu-die-wccftech-watermarked

ภาพด้านบนก็จะเป็นด้านในชิป GP104 ที่ได้ถ่ายมา ก็จะมี GPC วางอยู่ 4 จุด แต่ละ GPC จะกินที่ประมาณ 1/4 ของชิปและประกอบไปด้วย 5 SMs ซึ่งก็จะคล้ายๆกับภาพ Block Diagram ที่ได้กล่าวไปแล้ว

nvidia-pascal-gp104-sm

การเรียงของ SM จะเหมือนกับชิปตัวใหญ่อย่าง GP100 ที่มี 3840 CUDA Cores ที่นำไปใช้งานกับการ์ด Tesla P100 แตกต่างกันตรงที่แต่ละ SM ใน GP100 มีปริมาณหน่วยประมวลผลลดลงครึ่งหนึ่ง แต่มี SM ใน GPC เพิ่มขึ้นสองเท่า และที่สำคัญคือ GP104 จะมีอัตราส่วนระหว่าง FP32 CUDA Cores: FP64 CUDA Cores ที่ 32:1 แต่ GP100 มีอยู่ที่ 2:1 เห็นได้ชัดเจนว่า GP104 มี FP64 CUDA Cores ที่น้อยกว่ากันมากถึง 16 เท่า เนื่องจาก FP64 CUDA Cores ไม่มีผลกับการนำเอามาใช้ในการเล่นเกมนั่นเอง

นอกจากนี้คุณ Lars Nyland ผู้ที่เป็น Senior Architect ของทาง Nvidia ได้ยอมรับว่ากระบวนการผลิต 16nm FinFET เป็นส่วนสำคัญที่ทำให้ประสิทธิภาพในการใช้พลังงานไฟฟ้าเป็นไปตามเป้าหมายอีกด้วย

ที่มา: WCCFTech

Related articles

รู้จัก DeepSeek: AI น้องใหม่แซงหน้า GPT – ร่วมมือกับ AMD ผนวกเข้ากับ AMD Instinct

พี่จีนทำโลกตะลึงอีกแล้ว ด้วยการเปิดตัว DeepSeek ปัญญาประดิษฐ์หรือ AI ที่มีประสิทธิภาพสูงเทียบเคียงกับเจ้าตลาดอย่าง OpenAI ChatGPT แถมยังใช้ต้นทุนในการพัฒนาที่ต่ำกว่าหลายเท่า...

สรุปงาน CES 2025 – ปีนี้ AMD เปิดตัวอะไรเด็ด ๆ บ้างไปดูกันเล้ยยย !!

งาน CES 2025 ปีนี้ หลายคนให้ความสนใจเป็นพิเศษ เพราะอยากเห็นเทคโนโลยีน่าตื่นเต้นจากหลาย ๆ ค่าย และในบทความนี้แอดจะพาเพื่อน...

ดูดวงปีใหม่ 2025 แบบฉบับคน IT ด้วย AI ทั้งอ่านไพ่ทาโรต์และวิเคราะห์ Birth Chart

อีกไม่กี่ชั่วโมงก็จะปีใหม่แล้ว วันนี้แอดมีเรื่องน่าสนุก ๆ และหลายคนน่าจะชื่นชอบมาฝาก คือ การดูดวง 55555 แต่สำหรับชาว Extreme...

เราใช้คุกกี้เพื่อพัฒนาประสิทธิภาพ และประสบการณ์ที่ดีในการใช้เว็บไซต์ของคุณ คุณสามารถศึกษารายละเอียดได้ที่ นโยบายความเป็นส่วนตัว และสามารถจัดการความเป็นส่วนตัวเองได้ของคุณได้เองโดยคลิกที่ ตั้งค่า

ตั้งค่าความเป็นส่วนตัว

คุณสามารถเลือกการตั้งค่าคุกกี้โดยเปิด/ปิด คุกกี้ในแต่ละประเภทได้ตามความต้องการ ยกเว้น คุกกี้ที่จำเป็น

ยอมรับทั้งหมด
จัดการความเป็นส่วนตัว
  • เปิดใช้งานตลอด

บันทึกการตั้งค่า