GPU旁邊 一共10個GDDR6顆粒 看df的圖片和分析 是1GBx4 2GBx6混合組合 顆粒型號不一樣。 gpu帶寬是320bit
這個可以驗證 顯存帶寬=內存頻率x位寬/814000x320/8=560gb/s 和官方數據一樣 是320bit 顯存帶寬 數據是一致的那系統內存位寬是192bit
淺藍色的2個是cpu 一個4核心 青色是gpu 邊上的長條是內存控制器8x ** @ 3.8 GHz (3.6 GHz w/ SMT) Custom Zen 2 CPU
cpu是2個CCX(淺藍色) 1個CCX是4個核心，一共8個，不開超線程是3.8 開了是3.6，因為開了功耗會加大，對於遊戲機其實8c就夠了 8c16t必要不大，高頻更實際。3700x是32mb l3，不過XBOX可能和apu 4800h一樣 L3緩存閹割 降低到8mb，這樣可以降低比較多的成本。
之前的XBOX ONE和PS4的美洲豹 基本就是ATOM級別規模+OOO亂序執行 還打不過現在手機cpu3700x 3800x遊戲時候頻率基本在4.2-4.3GHz 但在4k分辨率下 瓶頸肯定還是在gpu 不超過100fps 這0.4ghz頻率無所謂。
tsmc 7nm本質還是LP工藝 首先是為功耗優化 在低頻低壓功耗溫度極好 但頻率電壓上升 功耗溫度提升很大，所以從散熱考慮只能低頻 夠用就好。這個cpu滿載 我估計也就45w水平 而且實際遊戲根本滿載不了GPU也是一樣思路 用規模彌補頻率。
12 TFLOPS, 52 CUs @ 1.825 GHz Custom RDNA 2 GPU
64SP X 52CU X 1.825GHz X2=12.1T 這個驗證 單個CU是64SP 總共是 3328 SP 估計架構上和NAVI差別不大
不同架構的flops沒可比性 含金量大概是turing<rdna2>GCN不過RDNA2和RNDA1還是有可比性，5700XT是40cu 2560sp 10t不到,XBOX大概強20% 這樣基本還是有2080 super的傳統遊戲性能。/<rdna2>
5700xt 8g現在的價格大概是3000，比5700xt強20% 10GB 你們說值多少錢？
核心面積是360mm2 之前預估400mm2明顯是過於樂觀的估計，之前的xbx大概也是360mm2 因此這還算個比較合適的規格。
Without hardware acceleration, this work could have been done in the shaders, but would have consumed over 13 TFLOPs alone. For the Xbox Series X, this work is offloaded onto dedicated hardware and the shader can continue to run in parallel with full performance. In other words, Series X can effectively tap the equivalent of well over 25 TFLOPs of performance while ray tracing.
如果沒有硬件加速，這項工作本來可以在著色器中完成，但光消耗就超過13 TFLOPs。對於Xbox Series X，這項工作被轉移到專用的硬件上，著色器可以繼續以完全的性能並行運行。換句話說，Xbox Series X可以有效地利用超過25 TFLOPs的性能，同時進行射線跟蹤。
這個翻譯是準確的 RDNA 2應該還是有獨立的rt cores。
光線追蹤之後 需要有一個降噪的過程 2080TI這代turing是用獨立tensor core做的降噪。
n卡現在有DLSS,就是深度學習超採樣 簡單的說法就是通過類似手機美顏的方式 將畫面從1080p美顏到4k 而需要的性能很少，這部分也是用獨立的tensor core做的。
"The RDNA 2 architecture used in Series X does not have tensor core equivalents, but Microsoft and AMD have come up with a novel, efficient solution based on the standard shader cores. With over 12 teraflops of FP32 compute, RDNA 2 also allows for double that with FP16 (yes, rapid-packed math is back). However, machine learning workloads often use much lower precision than that, so the RDNA 2 shaders were adapted still further."
"We knew that many inference algorithms need only 8-bit and 4-bit integer positions for weights and the math operations involving those weights comprise the bulk of the performance overhead for those algorithms," says Andrew Goossen. "So we added special hardware support for this specific scenario. The result is that Series X offers 49 TOPS for 8-bit integer operations and 97 TOPS for 4-bit integer operations. Note that the weights are integers, so those are TOPS and not TFLOPs. The net result is that Series X offers unparalleled intelligence for machine learning."
但RNDA 2沒有tensor core，深度學習主要是用的INT整數性能，RDNA 2可以將12T的FP32拆開處理，49Tops的INT8和97 tops的INT4（2080ti tensorcore int8是227 int4是455），這樣可以用較低的性能花費實現4k分辨率輸出。不過和n卡比,n卡是使用的獨立tensor core，不影響圖形性能，而RDNA 2使用FP32做深度學習DLSS或者光追降噪，還是會影響fp32的圖形性能。
這個是nv ppt裡運行地鐵dxr+dlss 渲染1 frame的對比 綠色是rt core加速部分 紫色是tensor core加速部分 紫色是 INT32加速部分在turing上 這些可以和灰色的fp32並行處理 基本沒有干擾但rdna 2只有綠色的rtcore部分 而且效能不明 紫色部分由於沒有tensor cores只能用FP32跑int4/8 並且不能並行(雖然NV跑Tensor的時候FP32負載也不高) 性能大概是2080ti的1/4不到。遊戲除了DXR和DLSS本身也有些INT的需求，這部分RDNA 2也要用FP32跑 因此一個frame的渲染時間是肯定會變長的。
2.4 GB/s (Raw), 4.8 GB/s (Compressed, with custom hardware decompression block)
SSD的數據是2.4GB/S 未壓縮 4.8GB/S壓縮 這個硬件解壓其實也不是什麼新東西 10年前sf2281主控就有比方1010101001011111111111100011110 這樣的數據 把大量重複位用10個1來標記 簡單處理提升性能(簡單化說明 實際更復雜)並且遊戲的數據本身壓縮率很高，不會有什麼壓縮空間，基本就是2.4GB/S的性能。不過4.8GB/S的接口速度是超過了PCIE 4X 3.0的速度，因此總線和SSD是pcie 4.0 4x的。現在1tb NVME QLC 660p大概需要700 MS大批量成本可能要500？
這個是外置的1TB擴展卡，私有標準，希捷生產，價格不好說。結構上可能比較類似nikon的XQD卡。不過XQD卡是獨佔排他，價格是打劫，120GB要1000多。聽說遊戲只能裝儲存卡，不能用外接usb 那就打劫了。
最左邊是風扇，右上是光驅，光驅左邊是內置電源，下面是主板。主板有2片在各金屬框架內 最下面是散熱器，用了均熱板，估計有250W以上散熱能力(如果風扇轉速足夠高的情況下)，從DF的視頻看，拆解很容易，應該比較好維修。
8C16T RYZEN 7+52CU顯卡 16GB GDDR6 UHD BD+1tb nvme SSD 這樣的組合多少錢 是個問題。我個人覺得599甚至699美元都不貴。
閱讀更多 精分研究社 的文章
