图3中的回归曲线的斜率表示通过换算，能从理论的单精度计算能力来推测显卡的实际性能，利用这些信息以及显卡本身已知的单精度浮点性能，笔者可以大概推测出其它类似架构的GPU性能。根据图3，NVIDIA显卡的单精度浮点性能和3DMark Vantage GPU成绩的换算系数大概是14.14，AMD的大约是6.31，这也是两条回归曲线的实际斜率数值。斜率意义重大，如果这个模型是准确的话，只要将显卡的单精度浮点性能除以斜率，就大概知道显卡的3DMark Vantage GPU测试成绩。

为了评估这两条预测曲线的精度， 笔者将模型与几个用于桌面GPU实际的性能进行比较。不过在原始数据中，有关桌面GPU的信息很少，因此导致在选择显卡并进行对比时， 受到了比较大的局限。不过最终还是找到了7个可以用于比较的数据， 其中五个数据来自NVIDIA，另外两个数据来自AMD。从表1来看，图3的回归曲线的精确度还是很高的。尤其是在NVIDIA的GPU上，绝大多数的NVIDIA GPU产品的误差范围都在3%以内，最大误差出现在GeForce GTX 460，达到了+7%，意味着其性能表现比预计的更好。但是在AMD产品中，回归曲线出现了一定的预测误差，例如Radeon HD 5850的误差在-6%左右，而Radeon HD 4850则达到了-15%左右。由于模型比较简单，这样的结果还是可以接受的。

表1：性能统计

用户也可以根据斜率来进一步使用单精度浮点性能，来预测任意GPU的3DMark Vantage GPU分数（必须是DirectX 10的显卡），然后和实际的3DMark Vantage GPU分数进行对比，并比较误差。下面是两个计算公式：

NVIDIA显卡的3DMark Vantage GPU分数=GPU单精度浮点性能×14.14

AMD显卡的3DMark VantageGPU分数=GPU单精度浮点性能×6.31

由于该模型的预测结果不错，接下来笔者会进一步进行一些处理，将文章开篇的模型公式重新变化、调整，并加入峰值性能的概念后，得到下列公式：

图形性能=流处理器数量×频率×IPC/指令数目=峰值单精度浮点性能×斜率

将这个公式变化一下，又可以得到两个公式，分别是：

IPC/指令数目=峰值IPC×斜率

斜率=IPC/(峰值IPC×指令数目)=有效核心数量/指令数

经过公式的转换和变形后，从最终斜率来看（图5、图6），可以得到AMD和NVIDIA在GPU内核架构设计上的差异性。一般说来，GPU的峰值单精度浮点速度是由Shader Core的数量乘以频率再乘以IPC峰值得到的，峰值和实际效能的差距则代表了AMD和NVIDIA在驱动设计和架构设计方面的差距和不同——NVIDIA回归曲线的斜率大约是AMD的2.2倍，这意味着NVIDIA架构的效率也达到了AMD架构的2.2倍。请注意，这只是理论上的，并非表示在实际游戏中也有这样的差异。或许这也从侧面证明了为什么AMD要对传统的VLIW 5架构作出重大调整（变更为VLIW4），并最终将其抛弃开发了全新的GCN。