【IT168 专稿】近日，在美国加州圣荷西召开的Nvidia开发者大会上，美国橡树岭国家实验室(Oak Ridge National Laboratory)宣布将建造新型超级计算机，用来研究能源和气候变迁，而其速度将比目前最快的“走鹃”(每秒千万亿次)快百倍以上。据透露，新的超级计算机将采用Nvidia新一代GT300核心GPU处理器，集成超过30亿个晶体管，512个流处理器。当然，该系统中也将会使用英特尔、AMD或其他处理器——由此可见异构超级计算机渐成趋势(我国也将研制龙芯混搭的异构超级计算机)。
据该实验室电脑与运算科学副实验室主任Jeff Nichols介绍：“Nvidia最新的GT300架构(代号Fermi)的GPU可促成以往不可能实现的“重大科学突破”。借由Nvidia的技术支持，我们能创造一个能提供亿亿次(exascale,10的18次方)计算速度的平台。”据了解，亿亿次运算是超越目前千万亿次(petaflop)运算100倍的技术，此前由于功耗和单节点运算能力的限制而很难达到。
随着Nvidia开发者大会的召开，我们拿到越来越多关于GT300的资料。首先是黄仁勋先生展示了GT300的工程样品，因为它采用了40nm制造工艺，因此看起来比GT200小一些(估计20%左右)。但另一方面，由于集成了30亿晶体管，因此芯片面积还是比AMD Cypress要大不少。样品表面上的“0935A1”字样告诉我们，这颗芯片还是最初级的A1修订版本，生产于2009年第35周，也就是8月24-30日，刚刚满月不久。
Nvidia最新的GT300架构代号“费米(Fermi)”，具体规格如下：
- 制造工艺：台积电40nm
- 晶体管：30亿个
- 流处理器：512个(32×16)
- 一级缓存：1MB
- 二级统一缓存：768KB
- 显存位宽：384-bit
- 显存容量：1.5/3/6GB GDDR5
- 浮点精度：半速IEEE754双精度
Nvidia目前的Tesla高性能计算卡集成的是GT200系列处理器，拥有240个流处理器，而GT300一举增加到了512个，并分成16组SM(Streaming Multiprocessor)，每组32个流处理器，难怪乎美国橡树岭国家实验室也为之倾慕。此外，GT300集成了六个64-bit显存控制器，合计规格384-bit，低于GT200 512-bit，但搭配速度更快的GDDR5显存，Tesla上的内存容量将达到惊人的3/6GB。
作为最突出的改进，GT300改变了传统GPU指令的执行方式，单精度模式下每个时钟循环均可执行512个积和熔加运算(Fused Multiply-Add/FMA)，双精度下则是256个。IEEE浮点算法格式方面，NVIDIA过去支持的是IEEE754-1985，现在GT300则升级到了最新的IEEE754-2008。虽然具体的浮点运算能力还不清楚，但非常有希望摆脱近年来始终不如对手的尴尬。
除此之外，GT300架构原生支持C(CUDA)、C++、DirectCompute、DirectX 11、Fortran、OpenCL、OpenGL 3.1/3.2等一系列技术标准，尤其是C++，这是GPU历史上第一次能够顺利运行这种代码，再加上C、Fortran就可以看出NVIDIA在通用计算方面的雄心壮志了。
黄仁勋先生还展示了采用了GT300处理器的Tesla高性能计算卡——初看起来和GeForce GTX 200系列长相差不多：长度约9英寸(22.9厘米)，背部覆盖一半辅助散热，双插槽，两个PCI-E供电接口，其中八针位于尾部、六针位于上部。
正面贴纸上的“TESLA”几个字母说明它并不是一块简单的显卡，而是主攻高性能通用计算的专业产品，不过它还是保留了一个DVI视频输出接口(此前的Tesla产品上可没有)，而且有两个SLI桥接金手指，显然又不是纯粹的计算卡。当然这只是一块工程样卡，相信今后肯定还会继续改进。
截止发稿为止，国外又有消息称NVIDIA将和微软合作，开发使用Tesla高性能计算卡的基于Windows HPC Server 2008平台的集群服务器。不论是黄仁勋的表态还是客户的积极响应，都表明Nvidia在超算市场的影响力越来越高，GPU通用计算在高性能计算中发挥的作用也将越来越强。
黄仁勋先生的演讲视频：
附上Nvidia Fermi官方简介视频：
http://us.download.nvidia.com/downloads/FLVs/Fermi/FERMI_HEADER.flv
Fermi架构细节讲解视频：
http://us.download.nvidia.com/downloads/FLVs/Fermi/Fermi_Interview.flv
Fermi架构白皮书：
http://www.nvidia.com/content/PDF/fermi_white_papers/NVIDIAFermiComputeArchitectureWhitepaper.pdf
