基于UML的三角形光栅化扫描结构及光栅化扫描方法，涉及一种基于UML的三角形光栅化扫描结构及光栅化扫描方法,包括:数据获取模块,用于获取三角形数据信息;三角形扫描模块,用于根据三角形数据信息对三角形进行扫描,并根据扫描结果获取有效坐标数据;三角形光栅化模块,用于根据有效坐标数据对扫描后的三角形进行光栅化。本发明提供的基于UML的三角形光栅化扫描结构,集成有数据获取单元、三角形扫描模块和三角形光栅化模块,数据获取单元、三角形扫描模块和三角形光栅化模块之间的数据传输通过UML的端口实现,使得X轴扫描与Y轴步进能够并行执行,降低了三角形光栅化的复杂度,改善了三角形光栅化扫描结构的扫描性能和速度。
Intel 在图形领域始终无法超越NVIDIA
GPU硬件结构精密复杂，是长期技术演进的结果。高级图形处理步骤较多，包括顶点处理、光栅化、纹理贴图等步骤，给予支持的是底层精密复杂的硬件结构。从英伟达2010年正式推出第一个完整的GPU计算架构Fermi以来，已经迭代5次，每一次都是对硬件的升级与改进。
而且，英伟达针对不同的领域、不同的应用场景推出了不同的GPU架构。
同时，算法与生态是GPU的软实力。GPU图形渲染需要用到计算图形学，计算图形学是一门复杂的学科，涉及数学、物理等多种知识。模拟真实世界是十分困难的，树叶抖动、头发丝被风吹起、水波荡漾这样看似平常的场景，在计算机上实现的背后是大量的图形算法。软件生态是GPU厂商的重要竞争屏障。一方面，英伟达与行业伙伴形成商业合作或者互相授权；另一方面，英伟达推出供软件开发人员使用的CUDA平台，形成开发人员社区生态，截至2020年，CUDA已经成为全球高级图形处理和AI计算的权威，使英伟达成为全球GPU龙头。
算法上，图形处理算法涉及模拟真实物理世界，需要考虑物理、数学等多种问题。GPU比FPGA和ASIC技术更难。功能上，GPU兼具图形显示与AI计算，性能更强。算力上，GPU内核算力更强，GPU做图形渲染需要双浮点精度，而仅用于AI计算的FPGA和ASIC最多只需要单浮点精度。
Intel早在1997年就曾研发GPU，当时通过收购C&T获得2D显示核心技术，3D技术源于拥有20％股权的Real3D。1998年，依靠Real3D的技术，Intel推出了第一款独立GPU i740，但后来因为研发结果不理想等原因，未再继续研发独立GPU。
2007年，看到英伟达开启GPGPU战略、推出CUDA，英特尔为保持优势，计划重新推出独立GPU产品Larrabee，但由于研发进度不及预期、性能不佳等原因，Intel于2010年5月宣布取消独立GPU研发计划。
Intel二十多年多次研发GPU，屡屡未能成功。
直到2021年8月，Intel宣布推出面向游戏玩家的Xe-HPG架构Alchemist GPU；以及面向数据中心的Xe-HPC架构GPU芯片Ponte Vecchio。2022年3月，Intel才正式发布了Intel Arc A系列移动端独立显卡。
结语
GPU设计是一项系统工程，不仅仅包含硬件架构，还包括算法和软件生态等多个方面，缺一不可。相对FPGA和ASIC，不论是从功能上，还是硬件上，GPU设计难度都更高。
HKM9000 GPU图形处理器已经顺利通过民用大飞机C919座舱显控系统的联试验证，转入适航认证阶段。中国国产大飞机C919也预计在2023年首批交付、2025年量产50架。
除了专用航空领域研发HKM9000 GPU的翔腾微电子，当前，中国商用市场也出现了景嘉微、芯动科技、壁仞科技、摩尔线程和沐曦等GPU公司。
期望国产GPU不仅仅在设计和应用上创新，更在GPU底层架构上出现更多的自主突破。
参考
中国航空新闻网；
NVIDIA官方文档（需要GPU架构资料的可联系我们或者作者）；
武汉大学计算机学院智能计算系统实验室：
https://blog.csdn.net/weixin_51971301/article/details/124703677
迪捷软件：
https://blog.csdn.net/digi2020/article/details/124377351
