วีดีโอ: What the Waters Left Behind Trailer 2 (2018) Los Olvidados (กันยายน 2024)
เมื่อสัปดาห์ที่แล้วที่การประชุมเทคโนโลยี GPU ของ Nvidia ฉันรู้สึกประหลาดใจที่เห็นว่าเทคโนโลยีกราฟิกและ GPU เคลื่อนไปไกลแค่ไหนทั้งบนเดสก์ท็อปและอุปกรณ์มือถือและวิธีที่ผู้คนเขียนซอฟต์แวร์จะต้องเปลี่ยนแปลงเพื่อใช้ประโยชน์จากมัน
การเคลื่อนไหวครั้งใหญ่นั้นเกิดขึ้นกับซอฟต์แวร์ที่ต่างกันโปรแกรมที่สามารถใช้ทั้งซีพียูไมโครโปรเซสเซอร์แบบดั้งเดิมและ GPU ในเวลาเดียวกัน นี่ไม่ใช่แนวคิดใหม่ - ทั้ง Nvidia และ AMD ได้พูดถึงเรื่องนี้มาระยะหนึ่งแล้ว แต่ทั้งสองฝ่ายเข้าใกล้กันมากขึ้น
แนวทางของเอเอ็มดีคือการส่งเสริมสิ่งที่เรียกว่า "หน่วยประมวลผลเร่งความเร็ว" ซึ่งรวมทั้ง GPU และ CPU ในเครื่องเดียวและสิ่งที่เรียกว่า "สถาปัตยกรรมระบบที่แตกต่างกัน" ในช่วงไม่กี่ปีที่ผ่านมามีการส่งเสริม HSA และเมื่อปีที่แล้วได้จัดตั้งมูลนิธิ HSA ร่วมกับ บริษัท อื่นอีก 21 แห่งเพื่อพัฒนามาตรฐานเปิดสำหรับการคำนวณที่แตกต่างกัน
วิธีของ Nvidia นั้นแตกต่างกันมากโดยเน้นไปที่แพลตฟอร์ม CUDA สำหรับการเขียนซอฟต์แวร์บน GPU และ GPU รุ่น Tesla ซึ่งตอนนี้ถูกใช้ในซูเปอร์คอมพิวเตอร์เช่นซุปเปอร์คอมพิวเตอร์ Titan ของ Oak Ridge National Laboratory ในระบบดังกล่าวซอฟต์แวร์ที่ค่อนข้างซับซ้อนจะจัดการสิ่งที่ใช้งานได้กับ CPU และทำงานบน GPU ได้อย่างไร
Jen-Hsun Huang ประธานเจ้าหน้าที่บริหาร Nvidia กล่าวว่า "Visual computing เป็นสื่อที่ทรงพลังและเป็นเอกลักษณ์ในช่วง 20 ปีที่ผ่านมาสื่อนี้ได้เปลี่ยนพีซีจากคอมพิวเตอร์เพื่อรับข้อมูลและเพิ่มผลผลิตเป็นหนึ่งในความคิดสร้างสรรค์การแสดงออกและการค้นพบ ." อีกไม่กี่ปีข้างหน้าควรบอกว่าการเปลี่ยนแปลงนั้นกำลังมาถึงที่ราบสูงหรือถ้าเป็นจริงมันเพิ่งจะเริ่มขึ้น "
Huang คาดว่าจะพูดถึงประเด็นสำคัญมากมายเกี่ยวกับการใช้ GPU ในการพัฒนาของ CUDA บริษัท ได้ส่งมอบ GPU ที่รองรับ CUDA 430 ล้านตัวและดาวน์โหลดชุดโปรแกรม CUDA 1.6 ล้านชุด; Nvidia GPU ใช้งานในซูเปอร์คอมพิวเตอร์ 50 แห่งทั่วโลก ตัวอย่างเช่นเขากล่าวว่า Titan เพิ่งทำการจำลองเชิงกลของแข็งที่ใหญ่ที่สุดในโลกโดยใช้หน่วยประมวลผล CUDA 40 ล้านเครื่องเพื่อส่งมอบ 10 petaflops ของประสิทธิภาพที่ยั่งยืน เขายังกล่าวอีกว่าการคำนวณ GPU มีศักยภาพมากมายในแอปพลิเคชั่น "ข้อมูลขนาดใหญ่"
Huang นำตัวแทนจาก Shazam มาพูดคุยเกี่ยวกับวิธีที่ บริษัท ใช้ GPU เพื่อช่วยจับคู่เพลงและเสียงจากผู้ใช้จำนวนมาก หวางกล่าวถึงแล้วว่า บริษัท ชื่อ Cortexica กำลังใช้เทคโนโลยีที่คล้ายกันสำหรับการค้นหาด้วยภาพ
สิ่งสำคัญที่สุดคือ บริษัท ได้นำเสนอโร้ดแม็พใหม่สำหรับเอ็นจิ้น GPU ที่ใช้ในผลิตภัณฑ์เกม GeForce และสาย Tesla สถาปัตยกรรม GPU ปัจจุบันเรียกว่า "เคปเลอร์" ซึ่งจัดส่งเมื่อปีที่แล้ว รุ่นถัดไปที่รู้จักกันในชื่อ "Maxwell" มีกำหนดส่งในปีหน้า ใช้ขั้นตอนใหญ่สู่การคำนวณที่แตกต่างกันโดยการเพิ่มสถาปัตยกรรม "หน่วยความจำเสมือนแบบครบวงจร" ซึ่งหมายความว่า CPU และ GPU จะสามารถดูหน่วยความจำทั้งหมดของระบบ
สิ่งนี้มีความสำคัญเนื่องจากหนึ่งในคอขวดขนาดใหญ่ในการคำนวณ GPU กำลังเคลื่อนย้ายข้อมูลระหว่างระบบหน่วยความจำหลักและหน่วยความจำกราฟิกและเนื่องจากการเขียนซอฟต์แวร์ที่ใช้โปรเซสเซอร์ทั้งสองชนิดนั้นเป็นเรื่องยาก (AMD ประกาศคุณสมบัติที่คล้ายกันสำหรับโปรเซสเซอร์ Kaveri ซึ่งจะเปิดตัวในช่วงปลายปีนี้ฉันค่อนข้างชัดเจนว่ามันทำงานอย่างไรโดยไม่ได้รับการสนับสนุนโดยตรงจากผู้ผลิต CPU แต่แน่นอนว่าเราจะเห็นวิธีการเพิ่มเติม ดำเนินต่อไป.)
สำหรับปี 2015 Huang สัญญากับอีกเวอร์ชั่นหนึ่งที่เรียกว่า "Volta" ซึ่งจะใช้หน่วยความจำกราฟิกและวางมันลงบน GPU โดยตรงทำให้การเพิ่มแบนด์วิดธ์ของหน่วยความจำเป็น 1 เทราไบต์ต่อวินาที สำหรับการเปรียบเทียบแบนด์วิดท์สูงสุดทั้งหมดของเคปเลอร์คือประมาณ 192 กิกะไบต์ต่อวินาที
บริษัท จำนวนมากรวมถึง Intel ได้พูดคุยเกี่ยวกับการซ้อนหน่วยความจำที่ด้านบนของโปรเซสเซอร์ แต่การเดินสายเพื่อเชื่อมต่อหน่วยความจำและโปรเซสเซอร์ซึ่งใช้เทคนิคที่เรียกว่าผ่านซิลิคอนจุดอ่อนนั้นซับซ้อน เท่าที่ฉันรู้ Volta เป็นโปรเซสเซอร์ที่ค่อนข้างสำคัญตัวแรกที่ประกาศว่าจะมีคุณสมบัตินี้
โรดแมพมือถือมีคุณสมบัติบางอย่างเหมือนกัน บริษัท เพิ่งประกาศตัวโปรเซสเซอร์ Tegra 4 (ชื่อรหัสว่า "Wayne") และตัวประมวลผล Tegra 4i (ชื่อรหัสว่า "สีเทา") "Logan" เนื่องจากจะเริ่มผลิตในปี 2014 เพิ่มกราฟิกที่มีความสามารถใน CUDA แรกในบรรทัด Tegra จะมีการเปิดตัวในปี 2558 ด้วย "Parker" ซึ่งจะรวมเทคโนโลยี Maxwell GPU เข้ากับการออกแบบซีพียูซีพียูตัวแรกของ บริษัท ซึ่งเป็นหน่วยประมวลผล ARM 64 บิตที่รู้จักกันในชื่อ Project Denver (โปรดทราบว่าในขณะที่โปรเซสเซอร์ทั้งสองใช้การออกแบบ GPU ร่วมกันจำนวนคอร์กราฟิกที่แท้จริงมีแนวโน้มที่จะมีขนาดเล็กลงในโปรเซสเซอร์มือถือมากกว่าในเวอร์ชันเดสก์ท็อป)
สิ่งนี้น่าสนใจทั้งคู่เนื่องจากสถาปัตยกรรมหน่วยความจำรวมและเพราะมีกำหนดจะผลิตโดยใช้ทรานซิสเตอร์ 3D FinFET Intel ใช้เทคนิคนี้ในโปรเซสเซอร์ 22nm และทั้งคู่เป็นเวลานาน Nvidia หุ้นส่วนการผลิต Taiwan Semiconductor Manufacturing Corp. และคู่แข่งทั่วโลกกล่าวว่าพวกเขาจะมี FinFETS ในปีหน้า การผลิตจำนวนมากมีแนวโน้มที่จะเริ่มในปี 2558
“ ในเวลาห้าปีเราจะเพิ่มประสิทธิภาพของ Tegra 100 เท่า” Huang สัญญา
แน่นอนคำถามใหญ่คือสิ่งที่เราจะใช้แรงม้าคอมพิวเตอร์สำหรับ มันค่อนข้างง่ายสำหรับฉันที่จะเห็นคอมพิวเตอร์ประสิทธิภาพสูงและแอพพลิเคชั่น "ข้อมูลขนาดใหญ่" ซึ่งกำลังเติบโตอย่างต่อเนื่องและสามารถใช้คุณสมบัติการคำนวณแบบขนานของ GPU ได้อย่างง่ายดาย Nvidia จะนำเสนอคุณสมบัติเหล่านี้ในวิธีการที่แตกต่างหลากหลายรวมถึงผ่านบอร์ดเทสลาสำหรับเวิร์กสเตชันและซูเปอร์คอมพิวเตอร์ เทคโนโลยีการจำลองเสมือนเซิร์ฟเวอร์ CPU ของ GRID สำหรับเซิร์ฟเวอร์องค์กร และ GRID Virtual Computing Appliance (VCA) ใหม่แชสซี 4U พร้อมโปรเซสเซอร์ Xeon, GPU ที่ใช้ Kepler และหน่วยความจำมุ่งเป้าไปที่แผนกต่างๆ
และแน่นอนว่าเกมจะใช้กราฟิกมากขึ้นและสมจริงมากขึ้นในทุกรุ่น ขนาดและความละเอียดของจอภาพเพิ่มขึ้นและผู้คนต้องการกราฟิกมากขึ้น หวางแสดงการ์ดกราฟิกเดสก์ท็อประดับไฮเอนด์ใหม่ของ บริษัท ที่ชื่อว่าไททันใช้การจำลองมหาสมุทรแบบเรียลไทม์จาก Waveworks นอกจากนี้ยังสาธิต Faceworks หัวพูด 3 มิติชื่อ Ira (ด้านบน) สร้างด้วยสถาบันเทคโนโลยีสร้างสรรค์ที่ USC
การนำคุณสมบัติทั้งหมดเหล่านี้ไปใช้กับมือถือนั้นเป็นเรื่องที่น่าสนใจเป็นพิเศษ ฉันไม่แน่ใจอย่างสมบูรณ์ว่าฉันต้องการพลังทั้งหมดของ GPU บนเดสก์ท็อประดับไฮเอนด์ในอุปกรณ์พกพา - หลังจากทั้งหมดบนหน้าจอห้านิ้วดูเหมือนว่า 1, 980-by-1, 080 จะเพียงพอ แต่ฉันไม่สงสัยเลยว่า ผู้คนจะพบประโยชน์สำหรับมัน สิ่งหนึ่งที่ต้องกังวลคือมันจะใช้พลังงานมากเกินไป แต่หวงกล่าวว่าโลแกนจะ "ไม่ใหญ่ไปกว่าค่าเล็กน้อย" ไม่ว่าในกรณีใดฉันจะสนใจที่จะเห็นว่าผู้คนจะทำอะไรกับการแสดงมากขนาดนั้น
โดยรวมแล้ว Nvidia เช่นเดียวกับ AMD คือการเดิมพันในการปรับปรุงกราฟิกอย่างต่อเนื่องหน่วยความจำรวมและวิธีการที่แตกต่างกันในการเขียนโปรแกรม CPU และ GPU เอเอ็มดีกล่าวว่ามันใช้งานได้กับมาตรฐานเปิดในขณะที่ Nvidia จะชี้ให้เห็นถึงความสำเร็จที่ CUDA กำลังประสบอยู่โดยเฉพาะในเวทีที่มีประสิทธิภาพสูง และแน่นอนว่ามี Intel ที่กราฟิกช้าทั้ง AMD และ Nvidia วันนี้ แต่ยังคงครองพื้นที่พีซีซีพียู นอกจากนี้ยังมีชุดเครื่องมือซอฟต์แวร์ของตัวเอง แนวทางที่แตกต่างกันควรทำให้เรื่องนี้น่าสนใจ
