Vídeo: AMD vs NVIDIA Image Quality, 4k Comparison (Setembre 2024)
La setmana passada a la Conferència sobre tecnologia de GPU de Nvidia, em va sorprendre veure fins a quin punt es mouen els gràfics i la tecnologia GPU (a l'escriptori i en dispositius mòbils) i com ha de canviar la forma en què la gent escriu el programari per aprofitar-la.
El gran moviment és cap a un programari heterogeni, programes que poden utilitzar tant la CPU tradicional de microprocessador com la GPU al mateix temps. No es tracta d’un concepte nou, tant Nvidia com AMD parlen d’això durant un temps, però les dues parts s’estan acostant més.
L’enfocament d’AMD ha estat promoure el que anomena “unitats de processament accelerat”, que combinen tant GPUs com CPU amb una sola matriu, i el que ha anomenat “arquitectura de sistemes heterogènia”. Des de fa uns anys impulsa HSA i l’any passat va crear la Fundació HSA, juntament amb altres 21 empreses, per desenvolupar estàndards oberts per a informàtica heterogènia.
El plantejament de Nvidia ha estat molt diferent i s'ha centrat en les seves plataformes CUDA per escriure programari a les seves GPU i la seva versió Tesla de GPUs, que ara s'utilitzen en supercomputadors com el supercomputador Titan del laboratori nacional Oak Ridge. En aquests sistemes, un programari bastant complex gestiona el que funciona en informàtica a la CPU i el que funciona a la GPU.
En obrir la seva nota clau, el director general de Nvidia, Jen-Hsun Huang, va dir: "La informàtica visual és un mitjà potent i únic. Durant els últims 20 anys, aquest mitjà ha transformat el PC d'un ordinador per obtenir informació i productivitat a una de creativitat, expressió i descobriment. ". Els propers anys haurien d’explicar si aquesta transició està arribant a un altiplà o si efectivament, tot just comença."
Com era d’esperar, Huang va parlar molt en la seva nota principal sobre com està creixent la informàtica de GPU basada en CUDA. La companyia ha enviat 430 milions de GPU amb CUDA i 1, 6 milions de descàrregues de programes CUDA; Les GPU Nvidia ara s’utilitzen en 50 supercomputadors de tot el món. Per exemple, va dir, Titan recentment va fer la simulació mecànica de sòlids més gran del món, utilitzant 40 milions de processadors CUDA per oferir 10 petaflops de rendiment sostingut. També va dir que la informàtica GPU tenia molt potencial en aplicacions de "big data".
Huang va reunir un representant de Shazam per parlar sobre com la companyia utilitza les GPU per ajudar a combinar música i àudio entre un gran nombre d’usuaris. A continuació, Huang va mencionar que una empresa anomenada Cortexica està utilitzant tecnologia similar per a la cerca visual.
El més important, la companyia va mostrar un nou full de ruta per al seu motor GPU utilitzat tant en els seus productes de joc GeForce com en la línia de Tesla. L’arquitectura de la GPU actual es diu “Kepler”, que es va enviar l’any passat. La pròxima versió, coneguda com "Maxwell", es publicarà l'any que ve. Es fa un gran pas cap a la informàtica heterogènia afegint una arquitectura de "memòria virtual unificada", cosa que significa que la CPU i la GPU podran veure tota la memòria del sistema.
Això és important perquè un dels grans colls d’ampolla de la informàtica GPU ha estat moure les dades entre els sistemes de memòria principals i la memòria gràfica i perquè ha estat difícil escriure un programari que utilitza els dos tipus de processadors. (AMD ha anunciat una característica similar per al seu processador Kaveri, a finals de l'any, no estic clar de com funciona això sense el suport directe dels fabricants de CPU, però és sens dubte un enfocament que veurem més de cara al futur.)
El 2015, Huang va prometre una altra versió, anomenada "Volta", que portarà la memòria gràfica i la apilarà directament a la part superior de la GPU, augmentant notablement l'amplada de banda de la memòria fins a aproximadament un terabyte per segon. Per comparació, l'amplada de banda màxima total de Kepler és d'uns 192 gigaoctets per segon.
Diverses companyies, entre elles Intel, han estat parlant sobre l’empilament de la memòria a sobre d’un processador, però el cablejat per connectar la memòria i el processador, que utilitza una tècnica coneguda com a via silici a través, ha estat complex. Fins on sé, Volta és el primer processador relativament gran anunciat que tindrà aquesta funció.
El full de ruta mòbil té algunes de les mateixes funcions. La companyia ha anunciat recentment els seus processadors Tegra 4 (anomenat "Wayne") i Tegra 4i (anomenat "Gray"). "Logan", ha d'estar en producció el 2014, afegeix els primers gràfics capaços de CUDA a la línia Tegra. El 2015 es seguirà amb "Parker", que combinarà la tecnologia GPU Maxwell amb el primer disseny exclusiu de CPU de la companyia, un processador ARM de 64 bits conegut com Project Denver. (Tingueu en compte que si els dos processadors comparteixen el disseny de la GPU, és probable que el nombre de nuclis gràfics reals sigui molt menor en un processador mòbil que en una versió d'escriptori.)
Això ha de ser interessant tant per l'arquitectura de la memòria unificada com perquè es pot fabricar amb transistors 3D FinFET. Intel utilitza aquesta tècnica en els seus processadors de 22nm i el soci de fabricació de Nvidia de fa temps Taiwan Semiconductor Manufacturing Corp. i el rival Globalfoundries, han dit que tindran FinFETS algun any més. És probable que la producció massiva comenci el 2015.
"D'aquí a cinc anys, augmentarem el rendiment de Tegra en 100 vegades", va prometre Huang.
Per descomptat, la gran pregunta és per a què utilitzarem la potència de l'ordinador. És bastant fàcil veure les aplicacions informàtiques d’alt rendiment i “big data”: aquestes continuen creixent i poden utilitzar fàcilment les funcions de computació paral·lela de les GPU. Nvidia oferirà aquestes funcions en diferents mètodes, fins i tot a través de les seves plaques Tesla per a estacions de treball i supercomputadors; la seva tecnologia de virtualització de servidors de CPU GRID per servidors empresarials; i un nou dispositiu de computació virtual GRID (VCA), un xassís 4U amb processadors Xeon, GPUs basades en Kepler i memòria, dirigit a departaments.
I, per descomptat, els jocs utilitzaran més gràfics, aconseguint ser més realistes en totes les generacions. La mida i la resolució de les pantalles augmenta, i la gent vol més gràfics. Huang va mostrar la nova targeta gràfica d'escriptori de la companyia, anomenada Titan, que porta a terme una simulació en temps real dels oceans de Waveworks. També va demostrar Faceworks, un cap de parla 3D anomenat Ira (superior), creat amb l’Institut de Tecnologia Creativa de la USC.
Portar totes aquestes funcions al mòbil és especialment interessant. No estic completament segur que necessito realment tota la potència d’una GPU d’escriptori d’alta gamma en un dispositiu mòbil (al capdavall, en una pantalla de cinc polzades, 1.980 per 1.080 em sembla prou), però no tinc cap dubte que la gent hi trobarà usos. Una de les preocupacions és que utilitzaria massa poder, però Huang va dir que Logan no seria "més gran que un centèric". En qualsevol cas, m’interessarà veure què farà la gent amb tanta actuació.
En general, Nvidia, com AMD, aposta per les millores gràfiques continuades, la memòria unificada i un enfocament heterogeni per programar la CPU i la GPU. AMD diria que funciona amb estàndards oberts, mentre que Nvidia assenyala els èxits que està tenint CUDA, especialment en l'àmbit d'alt rendiment. I, per descomptat, hi ha Intel, els gràfics del qual resten tant a AMD com a Nvidia avui en dia, però encara domina l'àrea de CPU de PC. També té el seu propi conjunt d’eines de programari. Els diferents enfocaments han de convertir aquesta zona en una zona fascinant.
