● 在混沌中寻找规律

既然是GPU炼金试验室的内容，做实验并以实验结果来推导出结论就成了必不可少的环节。那么我们的问题就来了——一个架构对显存的依赖程度，究竟要以怎样的实验形式来进行体现呢?

显卡是一个将运算和缓冲结构合并在一起的复杂体系，其运算结构尤为复杂。硬件渲染过程会被划分成多个不同的步骤并交由GPU内部的不同部件去完成，无论几何处理、光栅化、材质操作、Pixel Shader还是最终的输出，任何一步执行的快慢都会对显卡的最终性能产生影响，如果要细化的去探讨每一个细节，我们很有可能会迷失在一片由细节构成的混沌的迷宫当中。

想迷失在这样的流水线当中么?

所以，我们决定暂时略去过多的细节(当然，仅仅是“暂时”略去。随着实验的继续，我们还是会不可避免的触及某些细节。不过敬请放心，我们会控制好深度，而且这些细节也不会在本文中出现。)，先将纷繁复杂的GPU逻辑架构看成一个不可划分的整体。以GPU作为整体来讨论的话，显卡就可以被划分成负责运算和操作的核心，以及负责为运算以及操作过程提供缓冲的显存两个部分了。而决定这两个部分性能表现的要素，也就可以被相对简单的转化成频率这一直接表征要素了。

对于一颗GPU核心而言，更高的频率意味着更大的运算能力，意味着同样的任务将可以被更快的执行完毕。而更高的显存频率则意味着显存体系可以提供更大的带宽，并且更好的为GPU的运算和操作过程提供缓冲。对于一块“搭配适宜”的架构，或者说非显存依赖性架构而言，GPU核心运算能力增长应该总能够带来最终性能的提升。显存带宽的提升对于这样的GPU架构而言应该是锦上添花而非雪中送炭，甚至在某些特定的频率范围内，显存带宽的提升将可能无法被转化成直接的性能提升。

GeForce GTX 780架构图

用更加通俗直白的语言来形容，就是“如果超核心所带来的性能提升大于超显存所带来的提升，同时超显存可能还会遇到没什么性能提升的时候，那这就是款非显存依赖的架构”。所以如果想要回答前页中的那些问题，我们要做的事其实就是观察不同核心及显存频率下显卡的性能。

基于这样的原则，我们决定设计如下实验过程：以测试显卡的默认核心频率(以下简称CC，Core Clock)及默认显存频率(以下简称MC，Memory Clock)为基准，以10%为频率调节幅度，对不同核心/显存频率的显卡性能进行测试。在将核心频率从90%调节至120%的同时，我们分别将显存频率在特定核心频率状态下从80%调节至120%，由此便产生了共计20组不同的核心及显存频率搭配方案，以及与之相对应的20组性能测试结果。

达成频率组合的工具：NVIDIA Inspector(Titan+320.39驱动视角)

以我们今天测试的GeForce GTX 780为例，测试产生的第一组数据为“90%CC+80%MC”，其含义为90%默认核心频率搭配80%默认显存频率。公版GeForce GTX 780的默认频率为863/6008MHz，此基准频率便是CC+MC搭配方案的频率，而90%CC+80%MC数据组的频率即为777 /5408MHz。相对应的，最后一组120%CC+120%MC的含义为核心及显存同时超频20%，即频率为1035/6608MHz。中间各组搭配方案，其频率皆依此规则来确定。

测试方案虽然复杂，但这样的测试过程可以带来不少好处——我们不仅可以在一个相对宽泛的频率区间(30%核心频率变化，40%显存频率变化)内观察不同核心及显存频率搭配之后的显卡性能情况，同时还能收获一个额外的副产品，那就是不同核心及显存频率提升幅度对显卡性能提升的贡献程度，这对于超频玩家来说应该算是一个不错的好消息。

好了，接下来就让我们从GK110架构的旗舰级显卡——GeForce GTX 780开始我们的实验之旅吧。