2008-08-27
NVIDIA Inside的偉大版圖!?
David Kirk:目標是CUDA Everywhere
文: John Lam / 美國聖荷西報導
文章索引: 封面故事 IT要聞 NVIDIA

NVIDIA 26 日於美國聖荷西舉行的 NVISION 08 論壇上, NVIDIA 首席科學家 David Kirk 講述未來 CUDA 技術發展方向,認為 GPU 不只是為了視覺運算而生,未來角色將會進一步強化,不僅針對財經、科學及設計模擬運算領域,更能針對一般主流應用軟件進行加速, NVIDIA GPU 將可協助 CPU 運算加速,並成為未來 PC 內部不可或缺的組件。

 

David Kirk 指出 CUDA 技術正在高速成長,其 CUDA Compiler ( 翻譯器 ) 由 2007 年 7 月僅有 ~ 2000 次下載,提升至 2008 年 4 月的 ~ 55,000 次,証明有更多程式設計師正在考慮採用 CUDA 技術,並以 GPU 進行運算單元取代統傳的單純 CPU 運算模式。

 

事實上, GPU 擁有大量的運算單元,而且可以作平行運算 ( Parallel Execution ) , CUDA 線程是極之輕型並且不會出現大量的 Overhead ,加上擁有實時切換的特性,令 GPU 同一時間可以處理超過 1000 個以上的 CUDA 線程,並且效率十分之高,運算速度可以達至一般四核心 CPU 的 100 倍以上。

 

CUDA Compiler Downloads

 

此外, CUDA 程序是採用業界主流語言的 C Language ,並與 CPU 所採用的 C Language 完全相同,因此現有的程式設計師要為 CUDA 編寫程序並不困難,只是程式設計師要顧及平行運算應用,由比較直述的 Standard C Code 改為能同一時間進行多個線程的 Parallel C Code ,才能完全發揮 GPU 擁有大量運算單元的優勢。

 

很多人會把 NVIDIA 的 CUDA 與 AMD 的 GPGPU 混為一談,但其實兩者並不一樣, AMD 的 GPGPU 是以 GPU 的現有繪圖架構,並採用 OpenCL 介面讓 GPU 進行繪圖以外的運算,而 NVIDIA 則是 GPU 擁有兩個模式,一個是 GPU Mode ,另一個是 Computing Mode ;在 Computing Mode 下 GPU 並不需要 OpenCL 介面,能直接執行 C 程序,因此效率相比對手更高。

 

 

David Kirk 以 Folding@Home 為例,雖然現時只有 2.43 萬台 PC 採用 CUDA 版本的 Folding@home ,所佔比例不到 1% ,但卻擁供了 1.4 Petaflops 的運算能力,這相等於由 CPU 運算的 5 倍,不少研究人員相信未來將會有更多科學運算應用採用 GPU 作運算加速,令研究速度大幅提升,超級電腦伺服器將會由單純 CPU 架構,變成 CPU + GPU 架構,現時更有超過 40 家美國大學教授如何使用 CUDA 進行平行運算,前景令人樂觀。

 

值得注意的是,一般消費者會以為 CUDA 僅會應用於科學應用上,但其實 CUDA 已經開始進入一般主流應用軟件進行加速,包括影像編碼程式 BadaBOOM Media Converter ,另外剛發佈的 CUDA 2.0 套件中,擁有支援 CUDA 的 Adobe Photoshop 影像過濾及變更的 plug-in 套件,未來 6 個月將會有約 20 ~ 30 個應用軟件加入 CUDA 運加速支援。

 

為了讓 CUDA 應用更見普及, David Kirk 透露未來 CUDA 除了支援 C Language 外,將進一步支援 C++ 及 Fortran Language 這些都是業界中最廣泛應用的程式語言。 CUDA 2.1 版本更會支援 Many-Core + Multi-Core 運算,讓系統效能可進一步強化。

 

 

David Kirk 認為,如果 CUDA 僅擁比 CPU 快 2-3x ,這其實並不多,根本無需要去為它而重新編寫,如果是比 CPU 快 5-10x ,部份程式可能只會為部份程序重寫以引入 CUDA 的好處,但 CUDA 所帶來的是比 CPU 快 100x+ 的速度,程式設計師是無法抵擋 CUDA 帶來的好處, NVIDIA 的最目標是 CUDA Everywhere 。

 

有 PC 業者指出,在 Intel 與 AMD 的平台化政策下, NVIDIA 的確處於劣勢,而 CUDA 正好是它的最佳武器,亦是唯一出路,如果 CUDA 成功衝出處理器雙雄的包圍,的確未來每一台 PC 也會內建 NVIDIA GPU 也未必沒可能,因此 CUDA 的成功關鍵將是它普及至一般主流應用軟件的時間先機,能否在 Intel Larrabee 推出前搶先卡位。

 

NVIDIA 首席科學家 David Kirk

分享到:
發表評論
本篇文章被 19894 人閱讀,共有 個評論