Nvidia thúc đẩy cải tiến bộ nhớ, kiến ​​trúc hợp nhất cho gpus, bộ xử lý di động

Tại Hội nghị Công nghệ GPU của Nvidia tuần trước, tôi đã rất ngạc nhiên khi thấy cả công nghệ đồ họa và GPU đang di chuyển xa trên máy tính để bàn và trong các thiết bị di động như thế nào và cách mọi người viết phần mềm sẽ phải thay đổi để tận dụng lợi thế của nó.

Chuyển động lớn là hướng tới phần mềm không đồng nhất, các chương trình có thể sử dụng cả CPU vi xử lý truyền thống và GPU cùng một lúc. Đây không phải là một khái niệm mới, cả Nvidia và AMD đã nói về điều này trong một thời gian, nhưng hai bên đang xích lại gần nhau hơn.

Cách tiếp cận của AMD là quảng bá cái mà họ gọi là "đơn vị xử lý tăng tốc", kết hợp cả GPU và CPU trên một khuôn duy nhất và cái mà nó gọi là "kiến trúc hệ thống không đồng nhất". Trong vài năm qua, nó đã thúc đẩy HSA và năm ngoái, nó đã thành lập Quỹ HSA, cùng với 21 công ty khác, để phát triển các tiêu chuẩn mở cho điện toán không đồng nhất.

Cách tiếp cận của Nvidia rất khác biệt, tập trung vào các nền tảng CUDA của họ để viết phần mềm trên GPU và phiên bản GPU Tesla của nó, hiện đang được sử dụng trong các siêu máy tính như siêu máy tính Titan của Phòng thí nghiệm quốc gia Oak Ridge. Trong các hệ thống như vậy, phần mềm khá phức tạp sẽ quản lý những gì máy tính hoạt động trên CPU và những gì hoạt động trên GPU.

Mở bài phát biểu quan trọng của mình, Giám đốc điều hành Nvidia, Jen-Hsun Huang, nói: "Điện toán trực quan là một phương tiện mạnh mẽ và độc đáo. Trong 20 năm qua, phương tiện này đã biến PC từ máy tính để lấy thông tin và năng suất thành một sự sáng tạo, biểu hiện và khám phá . " Vài năm tới sẽ cho biết liệu quá trình chuyển đổi đó có đạt đến một cao nguyên hay thực sự, nó chỉ mới bắt đầu. "

Như mong đợi, Huang đã nói rất nhiều trong bài phát biểu quan trọng của mình về cách tính toán GPU dựa trên CUDA đang phát triển. Công ty đã xuất xưởng 430 triệu GPU có khả năng CUDA và 1, 6 triệu lượt tải xuống bộ lập trình CUDA; GPU Nvidia hiện được sử dụng trong 50 siêu máy tính trên toàn thế giới. Chẳng hạn, ông nói, Titan gần đây đã thực hiện mô phỏng cơ học chất rắn lớn nhất thế giới, sử dụng 40 triệu bộ xử lý CUDA để cung cấp 10 petaflop hiệu suất duy trì. Ông cũng cho biết điện toán GPU có rất nhiều tiềm năng trong các ứng dụng "dữ liệu lớn".

Huang đã đưa ra một đại diện từ Shazam để nói về cách công ty sử dụng GPU để giúp kết hợp âm nhạc và âm thanh từ một số lượng lớn người dùng. Huang sau đó đã đề cập rằng một công ty có tên Cortexica đang sử dụng công nghệ tương tự để tìm kiếm trực quan.

Quan trọng nhất, công ty đã cho thấy một lộ trình mới cho động cơ GPU được sử dụng trong cả các sản phẩm chơi game GeForce và dòng Tesla. Kiến trúc GPU hiện tại được gọi là "Kepler", được xuất xưởng vào năm ngoái. Phiên bản tiếp theo, được gọi là "Maxwell", sẽ ra mắt vào năm tới. Nó có một bước tiến lớn đối với điện toán không đồng nhất bằng cách thêm kiến ​​trúc "bộ nhớ ảo hợp nhất", nghĩa là CPU và GPU sẽ có thể nhìn thấy tất cả bộ nhớ của hệ thống.

Điều này rất quan trọng vì một trong những điểm nghẽn lớn trong điện toán GPU đã di chuyển dữ liệu giữa các hệ thống bộ nhớ chính và bộ nhớ đồ họa và bởi vì phần mềm viết sử dụng cả hai loại bộ xử lý đã gặp khó khăn. (AMD đã công bố một tính năng tương tự cho bộ xử lý Kaveri của mình, vào cuối năm nay. Tôi hơi không rõ về cách thức hoạt động của nó mà không có sự hỗ trợ trực tiếp từ các nhà sản xuất CPU, nhưng chắc chắn đó là một cách tiếp cận chúng ta sẽ thấy nhiều hơn đi về phía trước.)

Trong năm 2015, Huang đã hứa hẹn một phiên bản khác, gọi là "Volta", sẽ lấy bộ nhớ đồ họa và xếp nó trực tiếp lên trên GPU, tăng đáng kể băng thông bộ nhớ lên khoảng một terabyte mỗi giây. Để so sánh, tổng băng thông tối đa của Kepler là khoảng 192 gigabyte mỗi giây.

Một số công ty, bao gồm Intel, đã nói về việc xếp bộ nhớ lên trên bộ xử lý nhưng việc kết nối bộ nhớ và bộ xử lý, sử dụng một kỹ thuật được gọi là vias qua silicon, rất phức tạp. Theo tôi biết, Volta là bộ xử lý tương đối chính thống đầu tiên được công bố sẽ có tính năng này.

Lộ trình di động có một số tính năng tương tự. Công ty gần đây đã công bố bộ xử lý Tegra 4 (tên mã là "Wayne") và Tegra 4i (tên mã là "Grey"). "Logan", do được sản xuất vào năm 2014, bổ sung đồ họa có khả năng CUDA đầu tiên trong dòng Tegra. Điều này sẽ được tiếp nối vào năm 2015 với "Parker", kết hợp công nghệ GPU Maxwell với thiết kế lõi CPU độc đáo đầu tiên của công ty, bộ xử lý ARM 64 bit được gọi là Project Denver. (Lưu ý rằng trong khi hai bộ xử lý chia sẻ thiết kế GPU, số lượng lõi đồ họa thực tế có thể nhỏ hơn nhiều trong bộ xử lý di động so với phiên bản dành cho máy tính để bàn.)

Điều này sẽ rất thú vị vì kiến ​​trúc bộ nhớ hợp nhất và vì nó được dự kiến ​​sẽ được sản xuất bằng các bóng bán dẫn 3D FinFET. Intel sử dụng kỹ thuật này trong bộ xử lý 22nm của mình và cả đối tác sản xuất Nvidia lâu năm của Tập đoàn sản xuất bán dẫn Đài Loan và đối thủ Globalfoundries đã nói rằng họ sẽ có FinFETS vào năm tới. Sản xuất hàng loạt có thể sẽ bắt đầu vào năm 2015.

"Trong năm năm tới, chúng tôi sẽ tăng hiệu suất của Tegra lên 100 lần", Huang hứa.

Tất nhiên, câu hỏi lớn là chúng ta sẽ sử dụng mã lực máy tính để làm gì. Tôi khá dễ dàng để thấy các ứng dụng điện toán hiệu năng cao và "dữ liệu lớn", những ứng dụng này đang tiếp tục phát triển và có thể dễ dàng sử dụng các tính năng tính toán song song của GPU. Nvidia sẽ cung cấp các tính năng này theo nhiều phương pháp khác nhau, bao gồm thông qua các bảng Tesla cho các máy trạm và siêu máy tính; công nghệ ảo hóa máy chủ CPU GRID của nó cho các máy chủ doanh nghiệp; và Thiết bị tính toán ảo GRID mới (VCA), khung máy 4U với bộ xử lý Xeon, GPU dựa trên Kepler và bộ nhớ, nhằm vào các bộ phận.

Và tất nhiên, các trò chơi sẽ sử dụng đồ họa nhiều hơn, trở nên thực tế hơn trong mọi thế hệ. Kích thước và độ phân giải của màn hình đang tăng lên và mọi người muốn có nhiều đồ họa hơn. Huang đã cho thấy card đồ họa máy tính để bàn cao cấp mới của công ty, được gọi là Titan, chạy mô phỏng đại dương thời gian thực từ Waveworks. Nó cũng đã giới thiệu Faceworks, một cái đầu nói chuyện 3D có tên là Ira (ở trên), được tạo ra với Viện Công nghệ Sáng tạo tại USC.

Mang tất cả các tính năng này vào điện thoại di động là đặc biệt thú vị. Tôi không hoàn toàn chắc chắn rằng tôi thực sự cần tất cả sức mạnh của GPU máy tính để bàn cao cấp trong một thiết bị di động, sau tất cả, trên màn hình năm inch, 1.980 x 1.080 dường như là đủ mọi người sẽ tìm thấy cách sử dụng cho nó. Một lo lắng là nó sẽ sử dụng quá nhiều năng lượng, nhưng Huang nói Logan sẽ "không lớn hơn một xu". Trong mọi trường hợp, tôi sẽ quan tâm xem mọi người sẽ làm gì với hiệu suất đó.

Nhìn chung, Nvidia, giống như AMD, đang đặt cược vào việc cải tiến đồ họa liên tục, bộ nhớ hợp nhất và cách tiếp cận không đồng nhất để lập trình CPU và GPU. AMD sẽ nói rằng họ đang làm việc với các tiêu chuẩn mở, trong khi Nvidia sẽ chỉ ra những thành công mà CUDA đang có, đặc biệt là trong lĩnh vực hiệu năng cao. Và tất nhiên, có Intel, có đồ họa tụt lại cả AMD và Nvidia ngày nay, nhưng vẫn thống trị khu vực CPU PC. Nó cũng có bộ công cụ phần mềm riêng. Các cách tiếp cận khác nhau nên làm cho đây là một khu vực hấp dẫn để xem.