AMD 的 CDNA 3 计算架构

AMD GPU 架构：CDNA 与 RDNA

• AMD 将 GPU 开发拆分为 CDNA（计算/HPC）和 RDNA（图形），把 GCN 演进为 CDNA，并将图形部分重做为 RDNA。
• CDNA 去掉或尽量减少以图形为中心的单元（例如渲染输出），在计算方面表现出色，并驱动了多台 Top500 超级计算机。
• RDNA 针对游戏进行了优化：与更早的 GCN 相比，光栅性能更好、功耗更低、芯片面积更小（例如 RX 5700 XT 对比 Radeon VII），但在面向计算的特性上较弱。
• 有人认为这种拆分让计算业务更加孤立并损害了心智份额；也有人认为，要在游戏和 HPC 领域保持竞争力，专业化是必要的。

ROCm 与软件生态

• ROCm 目前是按架构分别提供 GPU 机器码，而不是类似 PTX 的字节码，这迫使所有库都使用架构特定的二进制，并推高了包体积。
• 一些较小的 ISA 变体（例如 gfx1030 与 gfx1031）使支持变得复杂；虽然存在变通方案和更长期的“family ISA”方法，但推进很慢。
• 许多发帖者将 ROCm 描述为脆弱：GPU/操作系统支持范围狭窄、安装痛苦、演示经常段错误，以及问题追踪器实际上已被弃置。
• 一些用户报告称，通过少量环境修改可以在不受支持的消费级显卡上成功运行，但这并非官方支持，而且很脆弱。

与 NVIDIA 和 CUDA 的比较

• CUDA 跨代际和跨产品的一致性，被视为 NVIDIA 的主要护城河：消费级和数据中心 GPU 使用同一 API，并且拥有向后兼容的 PTX。
• NVIDIA 被描述为“软件优先”，从很早开始（自 CUDA 2007 起）持续投资工具、文档和库。
• AMD 因放弃过去的 API（例如 OpenCL 实现）、频繁重置生态系统以及轮换式支持 ROCm 而受到批评，导致信任不足。
• 关于原始 FLOPs 与真实世界性能的讨论很多；tensor cores 和专用矩阵单元使简单的 TFLOPS 对比具有误导性。

开放标准与替代技术栈

• OpenCL 被视为一个“被背叛”的标准：停留在 C99，AMD/Intel 支持不佳，而 NVIDIA 则忽视它。
• SYCL/oneAPI 被提及为更开放、具有多厂商治理；Mesa/RustiCL 以及 Vulkan/D3D 后端也存在，但还不成熟或较为小众。
• 有人呼吁建立一个跨厂商 GPU IR，类似 PTX/MSIL；也有人指出 SPIR-V 的复杂性，以及 Vulkan/OpenCL 模型之间的差异。

消费级与爱好者计算路径

• AMD 消费级 GPU（尤其是 APU 和老显卡）缺乏稳健、官方的计算支持，被视为一个重大的错失机会，因为这本可以用来培育开发者。
• 有人认为，今天在消费级硬件上学习的学生和爱好者，正是明天的 HPC 买家；忽视他们等于把这条漏斗拱手让给了 CUDA，以及越来越多地让给 Apple/Metal。

架构与术语的旁支讨论

• 讨论涉及 VLIW 历史（Itanium、DSP、早期 AMD GPU）、现代 GPU 中的双发射趋势，以及宽的顺序内并行所带来的递减收益。
• GPU 的内存策略（大型寄存器文件、共享/本地内存、大缓存、通过大规模并行隐藏延迟）与 CPU 的缓存层次结构形成对比。
• 有人抱怨把“compute”当名词使用；也有人指出，至少自早期云服务和现代 AI 以来，这种用法就已很常见。