在上一篇文章《移動圖形晶片的故事（上）GPU是什麼鬼》我們已經了解了GPU工作流程以及作用，但GPU絕無這麼簡單。目前市場上的 GPU 主要由三家公司主導，分別是ImgTec的PowerVR系列、Qualcomm（高通）的 Adreno 以及 ARM（安謀）的 Mali，其中PowerVR被蘋果採用，Adreno被高通整合到驍龍SoC當中，Mali應用最為廣泛，有三星Exynos、MTK Helio、Mstar等等，按渲染模式可以劃分為IMR與TBR/TBDR兩大流派，下面我們先從PowerVR說起。
ImgTec（或者說 Imagination Technologies）的前身是 1985 年在英國成立的VideoLogic公司，在上世紀90年風靡一時的世嘉DreamCast遊戲機就是採用該公司技術授權生產的圖形處理器。
ImgTec目前旗下有多個分部，PowerVR是其中專門從事GPU、視頻處理單元、攝像機智慧財產權內核技術開發的分公司。
PowerVR雖然從事GPU開發，但是它並不直接售賣晶片實體，而是透過授權的方式，將晶片內核技術以收取權利金的方式讓第三方晶片廠商生產、銷售、使用，例如蘋果公司、英特爾公司、聯發科、索尼等，商業模式和同樣是英國公司的ARM一樣。
技術內核授權方式給了晶片廠商和系統集成廠商非常高的靈活性和快速切入市場的能力，他們可以在較短的時間裡就實現各種配置的靈活組合。如果你看過我前面介紹的圖形流水線就知道，要做好一枚具競爭力的GPU難度是相當大的，中間涉及大量的技術積累。
像NVIDIA、AMD這樣的廠商都不是突然冒出來的，他們都經歷過非常慘烈的市場競爭、有業界最強大的研發團隊以及與周邊軟體開發商經年累月的開發合作關係，現在一個新丁公司仿效NVIDIA模式貿然闖進GPU開發領域的話，如果不是手握十億美元級規模的資金來換取技術和各種市場資源的話，恐怕連響都聽不到。
在上世紀90年代末和本世紀前兩年，PowerVR也在桌面市場和NVIDIA、3dfx進行過捉對廝殺，不過由於商業模式並不十分適合桌面市場，所以在僅有母公司VideoLogic（1999年更名為Imagination Technologies）推出的Kyro II後就不再踏足桌面獨立顯卡市場，轉而全力發展嵌入式領域，從此一發不可收拾。
PowerVR在桌面獨立顯卡市場的最後一款產品是PowerVR3系列，原定用於Kyro III/IV的後續產品PowerVR4由於退出桌面市場，對公眾而言只停留在幻燈片（上圖的STG5000就是原本計劃用在Kyro III的PowerVR4）中。
當然，PowerVR並沒有完全退出桌面市場，他們和Intel達成了技術授權協議，英特爾可以在其集成GPU中採PowerVR MBX架構，英特爾在很長的一段時期內的集成GPU都採用了這個微架構內核。
PowerVR MBX據聞是世嘉DreamCast那枚PowerVR PCX 2的升級版，從技術資料來看的話，其實PowerVR MBX有些類似於PowerVR4，官方的PowerVR MBX白皮書裡也明確寫著：
4th generation tile-based deferred rendering（第四代塊元式延後渲染）
從規格表來看，PowerVR MBX支持OpenGL ES 1.1，相當於OpenGL版本1.5或者DirectX 8.x的變種版。
所以，PoweVR MBX應該是和PowerVR Series 4一脈相承的，PowerVR MBX屬於後者的移動版本。
什麼是TBDR呢？
在前面介紹的圖形渲染流水線，GPU在渲染的時候，一般是逐個三角形渲染的，如果以深度順序來劃分，可以分為從遠到近（畫家畫法）、從近往遠，開發人員可以在編寫代碼的時候指定渲染順序。
如果依照在圖形流水線什麼階段進行三角形排序，又可以分為sort-first、sort-middle、sort-last，middle是中間的意思，指的是從模型空間到屏幕空間這部分工位，sort-middle就是指在這段進行三角形前後順序排序。sort-last是指在這之後進行三角形排序，sort-first是指在這之前進行三角形排序。
Sort-First一般用於多GPU渲染方案，基於片元方式的Sort-Last在目前絕大多數的GPU微架構中使用，而Sort-Middle則是PowerVR的三角形排序方案，需要在幾何變換和光柵化之間進行圖元的排列/分倉處理，在解決了可視性問題後再進行貼圖和著色處理。
這個步驟會造成一定的延遲，加上採用了塊元式渲染，所以像PowerVR這種渲染架構被稱作塊元式延後渲染器（Tile Based Deferred Rendering，TBDR）。
而一般的GPU被認為是看到一個三角形就馬上渲染，所以被稱為立即渲染器（Immediate Mode Rendering），立即渲染器也可以分為塊元式（例如ARM Mali）和非塊元式（例如AMD、NVIDIA 「目前」的GPU）。
(IMR)
什麼是TBDR？
PowerVR 微架構誕生於上世紀90年代初期，針對的是初代的三維遊戲機，當時的人們希望這枚晶片的效率要儘可能地高，由於受到半導體技術的限制，所以在這時期有各種現在看來稀奇古怪的偏重於某個技術指標的晶片。
要效率高，其中一個辦法就是只渲染屏幕上能看到的三角形所覆蓋的片元，人們引入了名為HSR（Hidden Surface Removal，隱面消除，這裡的隱面是指被其他實體多邊形遮蓋的多邊形）來消除無效片元來實現這個目標。
（TBDR）
在TBDR的渲染流水線裡，幾何階段生成（已經經過裁剪）的多邊形或者說三角形參數信息都存放在一個名為Scene Buffer（場景緩存）或者Parameter Buffer（參數緩存，這是相對新近的叫法）的內存裡，理論上裡面保存的應該是同一幀畫面裡的所有三角形信息，其位置在顯存裡（對於採用統一內存架構的手機而言，則是和系統內存一樣位於同一塊物理內存上）。
這一步是TBDR獨有的，相較之下，傳統的GPU在幾何階段扔出到三角形後紋理單元/著色單元就馬上渲染，因此人們將傳統的GPU渲染方式稱作立即渲染器。
這裡請不要把TBDR 和延後式渲染混淆，後者是指把多個片元渲染後在進行後期處理（例如打光、模糊等效果），同樣是「延後」一詞，但是對應的渲染節點完全不一樣。
在生成Scene Buffer的同時，PowerVR GPU內部的塊元加速器會對這些三角形進行分倉（Binning）或者說篩選（sorting）處理，這個動作會依照16像素*16像素（取決於具體的GPU實現，像PowerVR PCX2可以是32*32或者32*16，PowerVR SGX 5上是16*16，「新的」PowerVR Series 6/7是32*32，這樣的分塊被稱作塊元，即Tile）的大小，將Scene Buffer中位於塊元內的所有三角形的指針存放到一個對應的塊元緩存（Tile Buffer）中。
對於一個大小為1920x1080的全高清屏幕，用16*16的塊元大小進行切分，可以切成大約8100個塊元，每個塊元在「顯存」中都有一個對應的塊元緩存，裡面存放的就是上面所說的位於塊元內的三角形數據指針（指向Scene Buffer對應的三角形數據）。
所謂指針，是程式語言中的一個對象或變量，用來存儲某一個地址，這個地址的值直接指向（points to）存在電腦存儲器中另一塊存儲器空間的值。
從編程的角度而言，在這些塊元緩存存放的數據結構可以稱作圖元列表（primtive list）。
按照PowerVR或者說ImgTec的說法，他們在新的微架構中引入了幾何體壓縮技術，存放在Scene Buffer的幾何體數據是壓縮過的，在GPU頂點內存單元讀取時候再解壓，這樣的好處是可以顯著節省存放Scene Buffer的內存空間和帶寬，而這通常意味著：省電。
TBDR是如何實現HSR的呢？
不過幾何體壓縮並非TBDR的賣點，TBDR的真正賣點是可以實現完全消除不可見三角形的片元渲染，那麼它是如何做到這一點的呢？
(Kristof Beets）
根據現在供職於ImgTec擔任商業開發總監的Kristof Beets在 2001年（就在這一年他加盟PowerVR，任職開發者關係協調工程師，該文似乎是他在PowerVR實習期間撰寫的）的一篇文章，PowerVR的HSR實現方式應該是這樣的：
1、從Tile Buffer中獲得第一個指針，基於這個指針就能拾取到Scene Buffer中所有三角形的數據。
這一步可以實現預拾取並將數據存放在一個GPU的片上緩存裡，這個高速緩存可以稱作為On-Chip Tile buffer（片上塊元緩存），用作區別於片外的圖元列表Tile Buffer，雖然都是塊元緩存，都是對應16*16個像素，但是存放的東西完全不一樣（一個是從指針解引用後獲得的三角形數據和計算好的深度值，另一個則是圖元列表）。
2、使用這個三角形的數據計算出被該三角形覆蓋的Tile中每個像素的Z值（深度值）。
3、這些深度值數據以及對應於第一個三角形的指針被一起存放在GPU內的高速緩存裡。
4、重複上面的步驟，獲得第二個三角形的數據以及該Tile中被其覆蓋的像素的深度值，對第二個三角形覆所蓋像素的深度值和第一個三角形所覆蓋像素的深度值進行比較，如果新的深度值更接近於視口（表明是可看見的），就更新深度值以及三角形（指向新的三角形）。
5、重複上述的步驟，直到覆蓋該Tile的所有三角形數據以及深度信息更新完畢。
6、此時，GPU的片上高速緩存存放的就是用於確定像素色彩的三角形。
前面的Scene Buffer以及Tile Buffers都是存放在GPU外的，而上面步驟中絕大部分操作都是GPU內部的高速緩存上進行的（除了從Scene Buffer中載入該塊元的三角形數據外），速度會非常快。
渲染一個塊元需時256個周期（根據Kristof Beets文章提到16x32的塊元需時512個周期推算）：
1、數據拾取可以採用流水線結構，因此不存在性能懲罰；
2、篩選（計算Z值）需時一個周期，這個步驟也可以採用流水線結構，每個三角形的檢查和塊元更新可以在一個周期內完成。
因此除非時出現極端狀況，256個周期的渲染時間是可以掩蓋掉塊元中含有256個三角形執行篩選動作的耗時，在一個16x16的塊元內出現256個三角形的情況目前來說應該還是很少見。
按照這樣的思路可以推算出 1920x1080 60FPS下能實現的每秒三角形篩選能力是：
1920x1080 * 60FPS = 124,416,000 Mtriangles/s
根據上面的算式可以得出在像PowerVR SGX 5上每個塊元含有高達256個三角形的情況下，要滿足60FPS速率時的三角形篩選個數為124百萬三角形，現實的遊戲中幾乎沒有這樣的情況會出現，因為目前的製程無法做到一個全程勝任這個三角形規模真實遊戲的移動GPU。
在知名的三維性能測試軟體3DMark裡有一個支持在手機上進行測試的icestorm場景，其三角形規模在Extreme模式時候的為每幀28,000個，達到60FPS時就是每秒1.68百萬三角形/秒，對於手機來說這個測試已經算是比較嚴苛了，但是此時三角形規模也就是每個塊元大約3.5個三角形，遠遠低於每周期256個三角形的處理能力。
PowerVR的渲染
完成塊元渲染後，在塊元幀緩存中的數據會被寫入到顯存（在手機中通常顯存和系統內存共享）中。在這個寫入動作執行的時候，會一併執行抖動操作（只執行一次而非多次）。如果在臺PC上，如果指定了超取樣抗鋸齒，在這一步還會執行一個向下取樣的操作，將畫面縮小到指定的屏幕解析度。
在完成了一個塊元的渲染後，這個塊元的像素會被傳輸到顯存（對於採用一體內存架構的行動裝置來說，這塊顯存是從主內存中分配的）。
然後，GPU繼續下一個塊元的渲染，直到整幀畫面渲染完畢後，以雙緩存方式運作的Scene Buffer開始把下一幀的塊元遞交給渲染單元執行後續工位處理，周而復始。
相較於非TBDR的GPU微架構來說，PowerVR或者說TBDR能對整個畫面（場景）進行判別，確定哪些三角形覆蓋的片元需要渲染，而「傳統」的立即渲染架構無法實現這一點。
Kristof Beets的原文還介紹了infinite plane（無限大平面）和HSR的關係，所謂的infinite plane並不難理解，你可以想像一下：在一個三維空間裡存在著一塊無限大的平面，這塊平面顯然會把這個三維空間一分為二。
如果我們在這個三維空間多弄幾個這樣的平面並使其相交，也就可以構建出一個幾何體模型出來了（例如只要六個相交的無限大平面就能構造出一個多邊形數很少的立方體）。
這樣的建模技術和常見的三角形建模是有很大區別的，所以很難找到合適的建模工具，其應用非常受限，而且隨著模型越來越複雜，無限大平面的優勢也就沒啥感覺了（在Youtube上有一段採用PowerVR PCX2渲染一個由35個無限大平面構建的甜甜圈的視頻，幀率只有47 fps），三角形此時是更合理的選擇。
好好的三角形不用，為啥要折騰這個無限大平面呢？可能的原因是在當時看來，這樣的技術可以節省在Scene Buffer裡要存放的三角形數：
在幾何階段，PowerVR會根據從視點發出的一條「測量光」確定最前和最後的平面相交點，藉此得出一個渲染計算約束椎體（effect volume），使得這些無限大平面變成有限的平面，加上隱面消除技術，幾何體外突出的平面也被消隱掉。
較少的多邊形、可以和TBDR的隱面消除技術完美配合，於是無限大平面建模的合理性也就因此存在了。
據說在PowerVR Series 2以後就不在支持無限大平面，目前為止只有世嘉 DreamCast中的那枚PowerVR晶片是具備無限大平面建模能力的圖形晶片，所以無限大平面這個部分我們完全不需要考慮，這裡介紹主要是為了強調一下 PowerVR的特點——近乎完美的隱面消除能力（如果不涉及阿爾法混合、阿爾法測試的話，因為這兩項操作會導致HSR失效）。
我們上面費了很多口舌來闡述PowerVR的最主要特色TBDR，接下來就讓我們說說當前以及即將推出的PowerVR GPU到底會長成什麼樣子。
ImgTec PowerVR Rogue
ImgTec在2012年發布了名為PowerVR Rogue的第六代PowerVR微架構，現在市場上許多手機裡的GPU都是基於該微架構的變種，例如紅米Note 3/Note2、魅藍 Metal、魅族 MX5裡的PowerVR G6200。蘋果iPhone 6s Plus的GPU經過各種驗屍手段查證後確認為PowerVR GT7600，這個GT7600被PowerVR定義為第七代PowerVR（PowerVR Series 7 或者 Rogue 7）微架構。毫無疑問，不論檔次高低，現在許多手機、平板電腦中都有基於PowerVR的GPU。
ImgTec屬於經營、開發智慧財產權的晶片公司，本身並不直接售賣晶片，透過研發大量晶片內核，然後將其授權給需要的第三方公司，收取授權金來維持公司的運營，因此他們會弄一大堆內核，以滿足不同廠商、市場的需求。
理論上這樣的運管方式只牽涉到研發費用和市場拓展費用，弄一大堆內核IP的並不會造成實體產品那樣的庫存壓力。
ImgTec在2012年發布了代號Rogue的PowerVR Series6微架構，最低端的是G60X0和G61X0（x為其中一個數字編號，不同編號型號配置均不一樣），對應的D3D規格只能夠支持DX9特性級別。
在型號的含義方面，G6050裡有0.5個正常規格的USC（通用著色器簇），61X0 裡含有1個USC。USC 是PowerVR Series 6引入的統一著色簇簡稱，區別於以往的PowerVR Series 5時候的USSE。
前面我們所說的TBDR是指渲染流程的方式，而通用著色器簇則是指具體微架構裡將若干個計算、貼圖部件綁定在一起的單元，一個USC 就類似於CPU中傳統概念上的一個內核，正如我們前面所說的，它對應的就是通用計算標準OpenCL中的術語就是Compute Unit。
下圖是PowerVR最新的PowerVR Series 7XT的微架構圖：
GPU廠商在設計GPU的時候都會把延伸性作為重要的設計因素，因為這樣能確保軟體、硬體資源的最充分利用，上圖的USC規模可以依據具體的應用情況作調整，例如iPhone 6s採用的GT7600就具備6個USC（或者說6個CU）。
上圖的PowerVR Series 7XT屬於目前ImgTec最強大的GPU微架構，蘋果公司的iPhone 6s列就是採用基於該GPU微架構的GT7600。
作為PowerV RSeries 7的GT7600，提供了FP16（半精度）的原生支持，所以如果程序採用了FP16的話，性能會較FP32快一倍，對於手機應用來說，FP16 提供了10位的有效值和5位的指數，是可以滿足許多情況下的圖形渲染計算的需求。
要正確使用這類FP16需要比FP32更多的技巧，像當年NVIDIA的NV3X就提供了FP32 + FP16設計，但是在和AMD R300的性能競爭中一直處於下風，維持NV3X拉力的主要靠NVIDIA和各個遊戲開發商緊密的合作關係。
上表中的GFLOPS指標是指GPU計算單元運行於1GHz時候的情況，不過我們目前尚未有可靠的iPhone 6s系列GPU運行頻率規格，wiki百科上寫的蘋果A9 GPU為450MHz（此時的單精度浮點性能是172 GFLOPS）或者533MHz也只能是參考。
根據GFXBench的ALU測試結果，iPhone6s Plus（GT7600，6 USC）是 12781fps，iPhone6 Plus（GX6450，4 USC）是5847 fps，這意味著前者的計算性能是後者的兩倍左右，考慮到ImgTec曾經表示PowerVR Series 7XT浮點性能在同頻、同規模下的性能是PowerVRSeries 6XT 1.6 倍，這個測試結果表明iPhone 6s Plus的GT7600頻率很可能和iPhone 6 Plus的GX6450相當。
業界也有人認為iPhone 6s系A9採用的並非GT7600，原因是開發文檔缺乏一些PowerVR Series 7XT存在的Tessellation等特性以及採用Metal作為API，這其實因為PowerVR的授權本來就允許廠商自行定製驅動，像 Intel的GMA系列GPU就沒有開放TBDR這樣的PowerVR最核心技術，而且Tessellation對於這個級別的GPU而言意義也不是很大（有多少人用過iPhone 6 GX6450裡的那個Tessellation？），所以不必太為此糾結。
下表是常見的PowerVR Series 6 GPU規格表，浮點性能部分依舊是以1GHz頻率為參考。
其中的G6200目前在諸如紅米Note2/Note 3、魅族 MX5、魅藍 Metal、索尼 Sony Xperia M5/M5 Dual、亞馬遜Fire HD 8/10等智慧型手機和平板設備中採用，尤其是前三者，目前在市場上屬於比較火的產品。
以紅米Note 2為例，標準版的G6200頻率是550MHz，增強版是750MHz，單精度性能分別是42 GFLOPS和57.6 GFLOPS，和iPhone 6s的150+GFLOS顯然是有明顯差距的，從GPU的角度而言，搭配G6200的設備在運行重度三維遊戲的時候會明顯比iPhone 6s慢，以GFXBench為例，各項測試結果差距在3倍到13倍左右。
例如在離屏模式下，1080p算術邏輯單元2測試結果紅米Note 2是 749.4 frames，iPhone 6s是 3824 frames，大約是5.1倍，這意味著iPhone 6s GPU的浮點性能是214 GFLOPS左右，推算出來的iPhone 6s GPU頻率是550MHz到600MHz左右（假設 Metal API 版渲染動作、精度都是和OpenGL ES版本是一樣的）。
在2016年，我們預期會看搭載到比GT7600快接近一倍的頂配PowerVR GPU手機產品。目前手機 AP（應用處理器）還基本能按照摩爾定律高速發展，行業的增長勢頭還算是比較樂觀，廠商有足夠多的資金用於製程的而研發改進，例如對16nm/14nm製程進行改進，降低功耗，適當增大電池容量，對微架構進行調優以及內存技術的變化，都有望增加實現速度提升一倍的機會。
上圖是ImgTec日前發布的PowerVRSeries XT 7 Plus，顧名思義，它是PowerVR Series XT 7 的加強版，主要加強的地方包括：
增強整數單元的單元數和靈活性，例如每個其中的兩個32位整數單元可以同時執行8個8位整數操作，這對於OpenCV這類可視化計算來說是有不少好處的。
首次實現了OpenCL 2.0的支持，CPU和GPU可以在同一塊虛擬內存上運作，編程的時候內存指針不需要再作嚴格區分。
增加了動態並行化功能，可以在無需GPU幹預的情況下創建新的GPU線程。
新增了一個2D圖片處理數據前端，主要用於不涉及幾何和塊元的處理，適合做二維以及圖片處理應用。
不過按照ImgTec的說法，PVR SXT7 Plus需要到2017年才有望看到，當然，我們不排除在下一代iPhone或者iPad上出現PowerVR Series 7。
中低端方面GPU的提升有可能會更激進一些，假設今年的中檔手機也是搭配 MT6795的製程升級版，可以預期GPU也會得到相應的提升，在保持同樣功耗的情況下，GPU有望升級至G6430等級（150 GFLOPS）。
相較於ImgTec而言，高通公司在GPU方面的耕耘其實是有一定差距的，在缺乏底蘊的情況下，一家土豪型的公司最簡單、最直接的收購，而對象則是AMD的Imageon。
雖然說是AMD的Imageon，但是Imageon其實是AMD 2006年收購的顯卡公司ATI的項目，高通在2009年收購了這個項目並將其更名為Adreno，當年AMD和Intel拋售非x86業務給人的感覺是非常果斷的，他們可曾料到一年後賈伯斯推出的iPhone所引領的智慧型手機現在正在給他們帶來最痛苦的時刻。
既然是源自ATI的，這個Adreno自然有很深的ATI烙印。在2000年後，NVIDIA和ATI的GPU（NV3X的EarlyZ、R200的HyperZ等）都或多或少地採用分塊式立即渲染架構，也就是TBIMR（Tile Based Immediate Mode Rendering），Adreno 200 就是源ATI 2002年時候的Imageon Z430。
TBIMR和TBDR相比，每個三角形都會按照遞交的順序交給著色器處理，理論上所有三角形都必須依照遞交的次序處理，不過GPU廠商引入了Early-Z技術來嘗試將一些不可見的片元剔除掉。
在高通的「Qualcomm® Adreno™ OpenGL ES Developer Guide」裡，對Early-Z有以下的介紹：
在早期（2001年前）的GPU裡，Z-test（Z軸深度測試）都是和阿爾法測試一樣在像素著色完成後才進行的。
後來到了NVIDIA GeForce 3（NV20）和ATI RADEON 8500（R200）的時候，GPU 中開始引入名為Early-Z的操作（NVIDIA將其歸入到名為Lighspeed Memory Architecture的概念中，ATI則將其歸入到Hyper-Z裡）。
Early-Z在GPU渲染流水線中位於三角形遍歷和像素著色器（含紋理單元）之間，它會讀取並測試片元的Z深度值，在進入像素著色單元之前拋棄掉不可視的片元。
Early-Z只有在三角形按照從前往後（由近及遠）的遞交順序才能起作用，而且為了做到片上高速處理，一般會採取層次化Z緩存（Hierarchical Z-buffer）技術。
在採用Hierarchical Z-buffer的時候，GPU 會把每2×2個片元的四個 Z值中最接近屏幕或者眼睛的Z值取出來，存到一個更「粗糙」的版本。
這個更「粗糙」版本的Z-buffer解析度只有原 Z-Buffer的四分之一，GPU再對這個「粗糙」版本的Z-buffer再做同樣的事，一直重複直到解析度只有一個片元。這樣一來，就形成一個pyramid（金字塔）。
在渲染片元的時候，GPU先比較最粗糙版本的Z-buffer。如果要畫的片元Z值還比較遠，那這個片元就一定不用畫出來了。如果它比較近，就再拿比較細的Z-buffer來比較，一直比較到最細的版本。在理想的情形下，通常大部分的片元都不需要比較到最細的版本，所以可以節省不少時間（要記得，一個「粗糙」版的Z值比較，其實就等於和四個「精細」版的 Z 值比較）。
相較之下，PowerVR的TBDR會在幾何階段的三角形裁剪後將當前 scene（場景或者說畫面）的三角形經過篩選排序存放在scene buffer 內，然後由 HSR（隱面消除）算法將攝像機視點不可見的片元剔去掉，這部分實現細節已經在PowerVR一節中有闡述，這裡就不再複述了。
按照高通的說法，Adreno從3xx系列採用了名為FlexRender的渲染架構，可以自動在立即渲染和TBDR之間切換，而且這個TBDR的執行過程和PowerVR TBDR是基本一樣的（同樣有對三角形進行binning和剔除無效片元的處理）：
所以從微架構方面而言，高通透露的信息並不多，只能看到個大概，以驍龍820搭配的Adreno 530為例，採用了統一著色架構和FlexRender，配有256個ALU，支持DirectX 12.1、Vulkan、OpenCL 2.0。
採用驍龍820（搭載 Adreno 530）的小米 5（價格1999元版本））在運行OpenCL-Z的FP32 性能測試結果是287 GFLOPS，相較之下，價格799元的紅米Note 2（Power VR 6200）只有44 GFLOPS，前者是後者性能的6.52倍，當然，這個測試只是屬於底層測試，實際的遊戲體驗因人、因應用而異。
安謀（ARM）最為人熟知的是旗下的各款 ARM CPU內核，目前的主要手機幾乎都是採用ARM 陣營的CPU。
ARM的GPU Mali是ARM在2006年收購的挪威公司Falanx獲得的，源起於是90年代由ARM在挪威科技大學支持的的項目，到了2001年由Borgar Ljosland與四位在該項目中的GPU團隊學生於2001年創辦了這家Falanx Microsystems。
Falanx最初是希望打進臺式機市場，不過隨著3dfx、Matrox等公司的萎靡、敗退，臺式機GPU市場的格局發生了很大的變化，不再有空間給新丁了，Falanx轉向了從事手機、PDA、機頂盒、遊戲掌機、信息機等領域，不過他們當時在這個領域其實做得並不算很出色，ARM的收購對他們來說是一個重要的轉折點。
ARM收購Falanx推出的第一款GPU就是2007年的Mali-200，是Mali第一款OpenGL ES 2.0 GPU，它和它的換代型號Mali-300、Mali-400、Mali-450都是基於名為Utgard（北歐神話中Utgard-Loki統治下約頓巨人位於仙宮與塵世之外的宮殿）的微架構。Utgar採用的是非統一架構，頂點指令和像素指令有各自專門的單元來執行，到了Mali-400時候實現了多核能力。
Mali最新的微架構代號是Midgard，和Utgard不同的是，Midgard開始採用統一著色架構，幾何和片元操作指令都在同一個著色器單元上執行。
Mali同樣採用了分塊式渲染（塊元大小是16x16），但是根據下面這個幻燈片，可以看到其scene buffer或者說primitive buffer保存的圖元順序必須和程序遞交的順序保持一致（畫紅線部分），不存在PowerVR那樣的篩選（sorting）動作。
因此如果按照ImgTec的說法 Mali並不能算是真正的TBDR，當然，它還是具備 Early-Z這樣的隱面消除能力，只是粒度上肯定不如PowerVR那麼細（PowerVR自稱其HSR能力為pixel perfect）。
在渲染流程方面，Mali或者說Midgard和目前你看到的大多數GPU做法有些不一樣，那就是作為統一渲染架構，它可以在同一時間裡同時對幾何和片元進行渲染操作，而其他的GPU在同一時間裡要嘛就是幾何計算要嘛就是片元計算：
如上圖所示，你可以看到Mali可以在同一時間片上同時進行幾何和片元操作，這表明Mali內部的任務調度設計非常靈活，原因請看下面的介紹。
上圖是Mali的著色器內核（Shader Core）功能模塊圖，可以看到，如果圖示的確是正確的話，那麼這個著色器內核裡面可謂是五臟俱全，本質上就是一個小 GPU，圖形渲染所涉及到的操作都能在一個 Shader Core 上完成，因此配有多個Shader Core的Mali可以做到在同一時間內跑幾何和片元處理，多個Shader Core的Mali GPU其實就是一個片上多GPU並行渲染系統。
其實其他廠商尤其是採用TBR的GPU可以像Mali這樣片上多核運行多個Tile，但是Mali GPU的特別之處是它的內核內部是沒考慮擴展的，至少目前是這樣。像ImgTecPower VR XT7等其他廠牌的GPU內部的CU數都是具備延伸能力的，而Mali GPU則對不起，不管什麼型號的Mali GPU，上面的Tri-Pipe 都是固定的一個，這就是所謂的「完整的弱內核」設計。
從OpenCL的角度而言，每個Mali內核都是一個CU，只能以多個Partition（分區）的方式實現規模擴張。而像PowerVR則是既可以多個CU 也可以多個Partition的方式實現規模上的性能延伸。
值得一提的是，Mali-T880的Tri-Pipe，這其實就是Mali的可編程渲染/計算單元，其中包含了紋理（T-Pipe）、內存指令（LS-Pipe）和算術邏輯（A-Pipe）單元三部分，在Mali-T880之前，Tri-Pipe的算術邏輯單元大都只有兩個，而在Mali-T880上，Tri-Pipe 的算術邏輯單元增加到了3個，使其計算能力提升了50%。
Mali相對於目前大多數其他廠商GPU的另一個區別要點是它的A-Pipe採用了SIMD向量處理設計，寄存器能夠像目前CPU的SIMD單元那樣靈活地拆分成2xFP64、4xFP32、8xFP16、2xInt64、4xInt32、8xInt16、16xInt8等數據類型訪問。
按照ARM的說法，Mali的算術ISA 用了SIMD + VLIW的設計：
三個向量單元（128-bit數據路徑）
4路FP32或者8路FP16
16路Int8
兩個標量單元（32-bit數據路徑）
按照ARM官方博客的一篇文章，Mali-T760的每條A-Pipe單周期單精度計算性能是17FLOP，從上圖來看，VMUL和VADD以及SADD、SMUL的FLOPS是應該是10個，餘下的7個就是那個VLUT。
LUT的含義並不是很清楚，也許是查表（Look-up Table）的含義，不過這樣的話，我覺得似乎不太適合將其歸入到人們常說的通用計算性能指標裡，即使其使用的是VLIW指令集。
所以我覺得每條A-Pipe的單精度性能應該視作每周期10個比較合適。對於Mali-T880MP16來說，在 650MHz 時候的單精度性能應該是312 GFLOPS，同理，Mali-T760MP8的單精度浮點性能應該是104 GFLOPS，當然這只是我的個人意見。
LS-Pipe執行的是和紋理無關的內存存取動作，例如幾何/片元處理時候的屬性讀取和變量寫入操作。通常而言每條指令就是一次內存訪問操作，如果是 A-pipe的向量操作就是單指令Vec4操作。
雖然ARM Mali並非TBDR，不具備在進入塊元渲染之前透過篩選將無效的片元剔除掉，但是它的某些型號具備名為Forward Pixel Kill（正向像素剔除，簡稱FPK，見上面Mali-T880 Shader Core架構圖中Early-Z後接的就是FPK單元）技術。
具備這個技術的GPU所跑的線程不再是不可撤銷的，如果發現稍後的線程要向相同像素位置寫入不透明數據，就會將已經在進行的計算終止掉。由於每個像素需要花費一段時間才能完成，因此 FPK可以有一個時間窗口來排空流水線中已有的無效渲染片元。
按照ARM的說法，這個FPK技術在最適中的流水時間窗口下所能達到的消除無效渲染效果可以和PowerVRTBDR w/HSR媲美，而且無需對整個畫面的三角形進行篩選、無需在程序裡添加篩選代碼、能夠對半透明對象實行正確處理、不會對幀率產生突變影響。
上面這個表格是維基百科上的Mali各型號規格表，其中的單精度指標是包括了那個VLUT的。
目前市場上大多數採用Mali的中端SoC都還是基於Mali-4XX系列，按照 ARM的說法，目前有75%的數位電視、超過50%的Android平板電腦、大於35% 的智慧型手機採用了Mali GPU。
例如小米電視3就採用了Mali-T760MP4這個GPU，三星去年的旗艦產品Galaxy S6、Galaxy S6 Edge都有採用Mali-T760，我手頭有一臺支持智慧卡的電信T6有線電視機頂盒，搭配的是全志的SoC，其中的GPU也是ARM Mali-400MP，所以這個看上去有點古怪（完整的弱內核設計）的GPU在市佔率方面Mali已經取得了相當不錯的成績。
三星Galaxy S6採用的Mali-T760MP8名義頻率是772MHz，理論單精度性能是123.5 GFLOPS（按照每個算術流水線裡包含兩個4 路FP32 SIMD和兩個 FP32標量來統計，未將那個相當於7個FLOPS 的VLUT或者說 SFU 單元計算在內），3DMark Ice Storm Unlimited 得分是 20988 ，而採用PowerVRGT7600的iPhone 6s Plus 3Dmark Ice Storm Unlimited 結果是27811，基本上符合123.5 GFLOPS vs 172.8GFLOPS （按照iPhone 6s Plus的GT7600頻率為450MHz時計算出的單精度性能為172.8 GFLOPS）的差距。
我們相信，在新的一年裡將有機會看到Mali-T8xx系列初露崢嶸，原因是Mali的完整弱內核比較便於隨意搭配，新內核帶來的規格、性能提升也可以為新應用帶來更好的用戶體驗。
在這篇文章裡，我們介紹了三個常見的智能設備或者說手機/平板電腦的GPU，涉及到的知識面相對坊間的大多數文章而言要更深入一些，例如ImgTec的PowerVR、高通的Adreno、ARM的Mali雖然都屬於TBR，但是具體的實現卻有著各自的特色。
ImgTec的PowerVR是三個TBR架構中歷史最長的，也是10年GPU大戰中少數倖存下來並且活的還比較滋潤的廠商之一，PowerVR在TBDR方面擁有非常豐富的實作經驗，憑藉 TBDR 的高能效比特點，在行動裝置中站穩了腳跟，成為包括蘋果在內眾多手機廠商選擇的GPU方案。
高通的 Adreno 從3xx系列開始引入了名為FlexRender的渲染技術，能動態在IMR和TBDR渲染模式之間切換，前者可以在兼容性、響應時延方面提供最佳的保證，而後者可以在性能耗電比方面達到更佳的體驗效果。
Mali的渲染架構相對簡單，屬於TBIMR，也就是分塊式立即渲染，對遞交的三角形順序不作篩選處理，分塊的主要目的是節省帶寬，不過它的某些型號具備名為 Forward Pixel Kill的技術，能夠隨時停掉「預見」到的無效像素（線程）的渲染，號稱可以達到媲美PowerVR TBDR 的效果。同時，Mali採用了「完整弱GPU內核」（相對於其他廠商的「完整可延伸GPU內核」而言）設計，內核中的渲染單元不能擴展，性能的規模延伸是透過增加內核數來達到。
我們在本文中沒有對NVIDIA的GeForce ULP和Intel的GenX進行介紹，不過它們其實基本上就是同架構的臺式機版本的規模縮減版，當然，由於針對的行動裝置，其中還有一些省電措施，遺憾的是，這兩家廠商的GPU雖然性能不錯，但是在手機市場上由於各自自身的因素而缺乏整機廠商的支持。
對大多數讀者來說，GPU架構甚至GPU是啥，的確完全可以不需要了解，只要媒體或者朋友介紹說哪一部手機好用甚至是看上去外觀比較合眼緣就可以讓他們毫不猶豫地掏腰包購買。
所以，本文從一開始就不打算透過這篇文章來影響讀者的購買意向，這只是一篇有科普性質的文章，儘可能地較少功利的因素，但求看起來資料儘可能詳細有趣同時又能增加一些見識就行。
如果你還有什麼想法，可以在下方給我們留言(＾Ｕ＾)ノ~ＹＯ~
我知道你喜歡收藏，但我更希望你能分享。
什麼？你還想看些更勁爆的？試試看點擊下面的連結！
·索尼衰落真相調查(1)：SCE成立背後的故事
·模塊化手機想當下一個顛覆者 做夢！
·OLED越發便宜 那液晶電視是不是可以去死了？
·當女兒身穿上性感男裝 別想歪這可是很正經的cos教程！
·萌就是正義 長得這麼可愛的東西竟然是個電風扇
·【Computex2016】不談產品 告訴你一個真實的臺北電腦展