NVIDIA Kepler 마이크로아키텍처

{{{#!wiki style="margin: -10px -10px;"	<tablewidth=100%><tablebgcolor=#76B900><tablebordercolor=#76B900>	NVIDIA GPU 마이크로아키텍처	}}}
{{{#!wiki style="margin: 0 -10px -5px;min-height:26px" {{{#!folding [ 펼치기 · 접기 ] {{{#!wiki style="margin: -6px -1px -11px"	<rowcolor=#fff> 설계 기반	CUDA 연산 능력	칩셋명	등장 시기	인코더	디코더	사용 제품	공정 노드
<colcolor=black,white> Tesla	<colcolor=black,white> 1.0	<colcolor=black,white> G80	<colcolor=black,white>	<colcolor=black,white>	<colcolor=black,white>	<colcolor=black,white>	<colcolor=black,white>
Fermi	2.0	GF100	2010년				TSMC 40 nm
		GF110
	2.1	GF104
Kepler	3.0	GK104	2012년			GeForce 600 GeForce 700 GeForce GTX TITAN	TSMC 28 nm
		GK106
		GK107
	3.5	GK110
Maxwell	5.0	GM107	2014년 2015년			GeForce GTX 750/750 Ti	TSMC 28 nm
		GM108				GeForce 800M
	5.2	GM200				GeForce GTX TITAN X GeForce GTX 980 Ti
		GM204				GeForce 900
		GM206
Pascal	6.1	GP102	2016년 2017년			GeForce 10	TSMC 16 nm
		GP104
		GP106
		GP107					SF 14 nm
		GP108
Turing	7.5	TU102	2018년 2019년			GeForce 20 GeForce 16	TSMC 12 nm
Ampere	8.6	GA102	2020년			GeForce 30	SF 8 nm
Ada Lovelace	8.9	AD102	2022년			GeForce 40	TSMC 5 nm[1]
Blackwell	12.8	GB202	2025년			GeForce 50
서버/HPC (FP64 연산 성능 특화)
Kepler	3.7	GK210	2014년			Tesla K80	TSMC 28 nm
Pascal	6.0	GP100	2016년			Tesla P100 Quadro GP100	TSMC 16 nm
Volta	7.0	GV100	2017년			Titan V	TSMC 12 nm
Ampere	8.0	GA100	2020년				TSMC 7 nm
Hopper	9.0	GH100	2022년				TSMC 4 nm
저전력
[ 각주 ] [1] 4NP								}}}}}}}}}

1. 개요

2. 공개된 정보

2.1. 주요 변경점

• TSMC 40 nm → TSMC 28 nm (공정 미세화)
• 코어(SMX) 레벨 (Fermi 대비)
• SM(Streaming Multiprocessor) → SMX로 명칭 변경
• Compute Capability: 2.x → 3.0 / 3.5(GK110) / 3.7(GK210)
• 프론트 엔드
• 백 엔드
• 하드웨어 스케줄러 삭제

- 기존 Scoreboard 기반 비순차적 실행 방식의 RISC 아키텍처에서 VLIW 방식 아키텍처로 전환
- 하드웨어 스케줄링 구현에 투입되는 자원을 절약하는 효과
- 명령어 스케줄링은 컴파일러에 의해 정적으로 수행된다.
• 단정밀도 처리량이 사이클당 32 → 192로 증가
• 로드/스토어 처리량이 사이클당 16 → 32로 증가
• 텍스처 유닛의 수가 4 → 16으로 증가
• 메모리 서브시스템
• Atomic 메모리 작업의 처리량 개선

- 사이클당 1/9 (~0.111) → 1로 증가 (9배)
• 공유 메모리/L1 캐시

- 용량은 총 64 KB로 유지
- 공유 메모리/L1 캐시 간의 분할 옵션 추가

(16KB/48KB, 32KB/32KB, 48KB/16KB)
• 48 KB 크기의 읽기 전용 데이터 캐시 추가
• 기타
• 파이프라인 깊이 축소로 전성비 개선
• 프로세서 레벨
• Hyper-Q 도입 (GK110/GK210 한정)

- host가 GPU에서 동시에 수행할 수 있는 작업의 수가 1 → 32로 증가
- 이에 따라 GPU 활용률이 극적으로 향상되었다.
• Dynamic Parallelism (GK110/GK210 한정)

- 기존에는 CPU에서만 GPU에 작업을 생성할 수 있었던 데 비해 GPU에서 자체적으로 작업을 생성할 수 있게 됨에 따라 오버헤드가 감소하였다.

3. 사용 제품

3.1. GeForce 600

3.2. GeForce 700

4. 여담