Video: #107 VGA Card cocok buat LUMION 9, 3D MAX, BLENDER, PREMIERE CC (Oktober 2024)
Pada Konferensi Teknologi GPU Nvidia minggu lalu, saya terkejut melihat seberapa jauh grafik dan teknologi GPU bergerak - di desktop dan di perangkat seluler - dan bagaimana cara orang menulis perangkat lunak harus berubah untuk memanfaatkannya.
Gerakan besar menuju perangkat lunak heterogen, program yang dapat menggunakan CPU mikroprosesor tradisional dan GPU pada saat yang sama. Ini bukan konsep baru - Nvidia dan AMD sudah membicarakan hal ini untuk sementara waktu - tetapi kedua belah pihak semakin akrab.
Pendekatan AMD adalah untuk mempromosikan apa yang disebutnya "unit pemrosesan dipercepat, " yang menggabungkan GPU dan CPU pada satu die, dan apa yang disebutnya "arsitektur sistem heterogen." Selama beberapa tahun terakhir, telah mempromosikan HSA dan tahun lalu mendirikan HSA Foundation, bersama dengan 21 perusahaan lain, untuk mengembangkan standar terbuka untuk komputasi heterogen.
Pendekatan Nvidia sangat berbeda, dengan fokus pada platform CUDA untuk menulis perangkat lunak pada GPU dan GPU versi Tesla, yang sekarang digunakan dalam superkomputer seperti superkomputer Titan Oak Ridge National Laboratory. Dalam sistem seperti itu, perangkat lunak yang agak rumit mengelola apa yang berfungsi pada CPU dan apa yang berfungsi pada GPU.
Membuka keynote-nya, CEO Nvidia Jen-Hsun Huang mengatakan, "Komputasi visual adalah media yang kuat dan unik. Selama 20 tahun terakhir, media ini telah mengubah PC dari komputer untuk informasi dan produktivitas menjadi kreativitas, ekspresi, dan penemuan.. " Beberapa tahun ke depan harus memberi tahu apakah transisi itu mencapai dataran tinggi atau jika memang, itu baru saja dimulai."
Seperti yang diharapkan Huang banyak berbicara dalam keynote-nya tentang bagaimana komputasi GPU berbasis CUDA tumbuh. Perusahaan ini telah mengirimkan 430 juta GPU CUDA-mampu dan 1, 6 juta unduhan kit pemrograman CUDA; Nvidia GPU sekarang digunakan di 50 superkomputer di seluruh dunia. Sebagai contoh, katanya, Titan baru-baru ini melakukan simulasi mekanik padatan terbesar di dunia, menggunakan 40 juta prosesor CUDA untuk menghasilkan 10 petaflop kinerja berkelanjutan. Dia juga mengatakan komputasi GPU memiliki banyak potensi dalam aplikasi "data besar".
Huang membawa perwakilan dari Shazam untuk berbicara tentang bagaimana perusahaan menggunakan GPU untuk membantu mencocokkan musik dan audio dari sejumlah besar pengguna. Huang kemudian menyebutkan bahwa perusahaan bernama Cortexica menggunakan teknologi serupa untuk pencarian visual.
Yang paling penting, perusahaan menunjukkan peta jalan baru untuk mesin GPU yang digunakan di kedua produk game GeForce dan garis Tesla. Arsitektur GPU saat ini disebut "Kepler, " yang dikirimkan tahun lalu. Versi berikutnya, yang dikenal sebagai "Maxwell, " akan jatuh tempo tahun depan. Dibutuhkan langkah besar menuju komputasi heterogen dengan menambahkan arsitektur "memori virtual terpadu", yang berarti CPU dan GPU akan dapat melihat semua memori sistem.
Ini penting karena salah satu hambatan besar dalam komputasi GPU telah memindahkan data antara sistem memori utama dan memori grafis dan karena menulis perangkat lunak yang menggunakan kedua jenis prosesor itu sulit. (AMD telah mengumumkan fitur serupa untuk prosesor Kaveri-nya, yang akan dirilis akhir tahun ini. Saya agak tidak jelas bagaimana ini bekerja tanpa dukungan langsung dari pembuat CPU, tetapi ini tentu pendekatan yang akan kita lihat lebih banyak dari maju.)
Untuk 2015, Huang menjanjikan versi lain, yang disebut "Volta, " yang akan mengambil memori grafis dan menumpuknya langsung di atas GPU, secara dramatis meningkatkan bandwidth memori menjadi sekitar satu terabyte per detik. Sebagai perbandingan, total bandwidth maksimum Kepler adalah sekitar 192 gigabytes per detik.
Sejumlah perusahaan, termasuk Intel, telah berbicara tentang menumpuk memori di atas sebuah prosesor tetapi kabel untuk menghubungkan memori dan prosesor, yang menggunakan teknik yang dikenal dengan vias silikon, telah kompleks. Sejauh yang saya tahu, Volta adalah prosesor yang relatif utama pertama kali diumumkan yang akan memiliki fitur ini.
Peta jalan seluler memiliki beberapa fitur yang sama. Perusahaan baru-baru ini mengumumkan prosesor Tegra 4 (kode nama "Wayne") dan Tegra 4i (kode nama "Grey"). "Logan, " yang akan diproduksi pada tahun 2014, menambahkan grafik pertama yang mendukung CUDA di lini Tegra. Ini akan diikuti pada 2015 dengan "Parker, " yang akan menggabungkan teknologi GPU Maxwell dengan desain inti CPU unik pertama perusahaan, prosesor ARM 64-bit yang dikenal sebagai Project Denver. (Perhatikan bahwa sementara kedua prosesor berbagi desain GPU, jumlah inti grafis yang sebenarnya cenderung jauh lebih kecil di prosesor seluler daripada di versi desktop.)
Ini harus menarik baik karena arsitektur memori terpadu dan karena akan dibuat menggunakan transistor 3D FinFET. Intel menggunakan teknik ini dalam prosesor 22nm dan keduanya mitra manufaktur Nvidia lama Taiwan Semiconductor Manufacturing Corp dan saingannya Globalfoundries mengatakan mereka akan memiliki FinFET sekitar tahun depan. Produksi massal kemungkinan akan dimulai pada 2015.
"Dalam waktu lima tahun, kami akan meningkatkan kinerja Tegra sebanyak 100 kali, " janji Huang.
Tentu saja, pertanyaan besarnya adalah untuk apa kita akan menggunakan tenaga kuda komputer. Cukup mudah bagi saya untuk melihat komputasi berkinerja tinggi dan aplikasi "big data" -ya terus tumbuh dan dapat dengan mudah menggunakan fitur komputasi paralel GPU. Nvidia akan menawarkan fitur-fitur ini dalam berbagai metode yang berbeda termasuk melalui papan Tesla untuk workstation dan superkomputer; teknologi virtualisasi server CPU GRID untuk server perusahaan; dan GRID Virtual Computing Appliance (VCA) baru, sasis 4U dengan prosesor Xeon, GPU berbasis Kepler, dan memori, yang ditujukan untuk departemen.
Dan tentu saja, game akan menggunakan lebih banyak grafis, semakin realistis di setiap generasi. Ukuran dan resolusi tampilan meningkat, dan orang-orang menginginkan lebih banyak gambar. Huang memamerkan kartu grafis desktop high-end baru perusahaan, yang disebut Titan, menjalankan simulasi laut real-time dari Waveworks. Itu juga demo Faceworks, kepala bicara 3D bernama Ira (di atas), yang dibuat dengan Institut Teknologi Kreatif di USC.
Membawa semua fitur ini ke ponsel sangat menarik. Saya tidak sepenuhnya yakin bahwa saya benar-benar membutuhkan semua kekuatan GPU desktop kelas atas dalam perangkat seluler - lagipula, pada layar lima inci, 1.980-per-1.080 sepertinya cukup - tetapi saya tidak ragu bahwa orang akan menemukan kegunaan untuk itu. Satu kekhawatiran adalah bahwa itu akan menggunakan terlalu banyak kekuatan, tetapi Huang mengatakan Logan akan "tidak lebih besar dari sepeser pun." Bagaimanapun, saya akan tertarik untuk melihat apa yang akan dilakukan orang dengan kinerja sebanyak itu.
Secara keseluruhan, Nvidia, seperti AMD, bertaruh pada peningkatan grafis yang berkelanjutan, memori terpadu, dan pendekatan heterogen untuk pemrograman CPU dan GPU. AMD akan mengatakan itu bekerja dengan standar terbuka, sementara Nvidia akan menunjukkan keberhasilan yang CUDA miliki, terutama di arena berkinerja tinggi. Dan tentu saja, ada Intel, yang grafisnya tertinggal AMD dan Nvidia saat ini, tetapi masih mendominasi area CPU PC. Ini juga memiliki seperangkat alat perangkat lunak sendiri. Pendekatan yang berbeda harus membuat area ini menarik untuk ditonton.
