在傳統(tǒng)制造業(yè)一枝獨(dú)秀的高端圖形芯片，現(xiàn)在要進(jìn)入更多的并行計(jì)算領(lǐng)域。圖形芯片廠商nVidia在年初召開的“nVidia專業(yè)圖形解決方案高端論壇”上，非常高調(diào)的表示要在除傳統(tǒng)制造業(yè)外的更多領(lǐng)域大顯身手。 “石油/天然氣/地震資料處理、金融風(fēng)險(xiǎn)建模、醫(yī)療成像、有限元計(jì)算、生物序列匹配等新興的應(yīng)用領(lǐng)域需要大規(guī)模的并行計(jì)算能力，而我們專業(yè)的可編程GPU具有128個(gè)處理器內(nèi)核，非常適合于這些并行計(jì)算的領(lǐng)域?！眓Vidia專業(yè)解決方案事業(yè)部全球銷售副總裁Walter Mundt-Blum說道。他舉例道：“金融是并行計(jì)算的一個(gè)重要領(lǐng)域。比如金融領(lǐng)域的實(shí)時(shí)期權(quán)隱含波動引擎，它需要多個(gè)畫面的圖形數(shù)據(jù)分析，進(jìn)行互換期權(quán)波動計(jì)算。GPU能進(jìn)行帶有單精度的準(zhǔn)確性計(jì)算結(jié)果，在不到1秒鐘的時(shí)間內(nèi)，評估所有美國列出的股票期權(quán)?！蹦壳耙延袃蓚€(gè)公司針對復(fù)雜的期權(quán)計(jì)算發(fā)布了應(yīng)用程序。 “還有另外一個(gè)例子就是醫(yī)療成像，在先進(jìn)的醫(yī)療設(shè)備當(dāng)中，比如像CT機(jī)或者是核磁共振，往往傳感器會出來大量的數(shù)據(jù)需要同時(shí)進(jìn)行處理，這對GPU來說非常適用。繼續(xù)舉例，在地質(zhì)勘探領(lǐng)域，往往要處理非常大量的數(shù)據(jù)，甚至有的時(shí)候會使用T字節(jié)級的數(shù)據(jù)進(jìn)行分析。這個(gè)領(lǐng)域已有用戶在使用我們的GPU。假設(shè)用CPU計(jì)算需要花幾個(gè)月的時(shí)間處理這些數(shù)據(jù)，通過使用我們的GPU，速度可提高17-20倍左右。假設(shè)你用一個(gè)GPU的話，可能得使用20個(gè)CPU才行?！? 會上，另外一個(gè)非常有趣的領(lǐng)域就是這些可編程的GPU能夠使機(jī)器有一些認(rèn)知能力，比如說能看能聞，“像狗的嗅覺一樣，這些機(jī)器能夠聞到癌細(xì)胞。這個(gè)應(yīng)用我們已在美國和一家合資公司進(jìn)行合作，開始對嗅覺進(jìn)行一些分析和模擬，模擬大腦的反應(yīng)，他們用GPU的技術(shù)來教電腦來探來聞，所以我想在幾年之后我們將會看到他們的一些研究和制作成果。也就是說電腦可以真正來聞一些東西。” 會上，他還列舉了很多大規(guī)模并行計(jì)算中可編程GPU帶來的優(yōu)勢。然而，大規(guī)模并行計(jì)算領(lǐng)域也正是其它新型半導(dǎo)體器件比如多核CPU、多核DSP以及FPGA等瞄準(zhǔn)的新興市場，CPU和DSP向多核發(fā)展正是因?yàn)榭春貌⑿杏?jì)算這個(gè)巨大的市場，而FPGA天生就是在并行計(jì)算上具有優(yōu)勢。 我們知道傳統(tǒng)GPU是基于ASIC，不能編程的，現(xiàn)在nVidia大力推廣其可編程GPU，也是因?yàn)榭春貌⑿杏?jì)算這一重要的市場，但是，nVidia一定會面臨其它技術(shù)的巨大壓力?！拔覀兂姓J(rèn)在某些領(lǐng)域與其它器件有沖突，比如在金融領(lǐng)域與FPGA有沖突，但是與其它器件沖突不會很大，GPU不與多核CPU沖突，而是與其互補(bǔ)。另外，多核DSP在并行計(jì)算領(lǐng)域的應(yīng)用剛開始，還不是競爭對手?！痹摴綠PU計(jì)算事業(yè)務(wù)部總經(jīng)理Andy Keane對《國際電子商情》記者表示。Andy Keane曾是Xilinx公司負(fù)責(zé)人，在Xilinx早期進(jìn)行的可重配置計(jì)算以及FGPA系統(tǒng)開發(fā)中發(fā)揮了重要作用。他繼續(xù)解釋：“FPGA針對金融領(lǐng)域的并行計(jì)算比較有優(yōu)勢，但是在其它領(lǐng)域不構(gòu)成競爭。此外，其可編程性不如GPU，且FPGA的開發(fā)時(shí)間長，F(xiàn)PGA芯片也不斷變化。可編輯GPU使用起來更方便，我們采用了基于C++語言的開發(fā)環(huán)境CUDA?！? 對于業(yè)界普遍認(rèn)為可編程GPU將與多核CPU競爭的觀點(diǎn)，他指出：“兩者完成的功能不同。多核CPU更適合于操作系統(tǒng)、數(shù)據(jù)庫、產(chǎn)能、臨時(shí)壓縮、遞歸算法等的處理。兩者需要配合?！彼忉?，CPU的特長是當(dāng)從高速緩存獲取數(shù)據(jù)時(shí)，盡可能快地執(zhí)行一系列順序指令。CPU以很小的單位管理數(shù)據(jù)并順序地進(jìn)行處理，信息的每個(gè)部分都必須等待著經(jīng)過單獨(dú)的執(zhí)行單元。單獨(dú)的執(zhí)行單元非常靈活，但不能并行地處理信息?？删幊蘂PU被設(shè)計(jì)用于進(jìn)行一種完全不同的處理方式。在GPU內(nèi)部有128個(gè)處理器，每個(gè)處理器都可以同時(shí)采用并行方式計(jì)算一部分?jǐn)?shù)據(jù)，此外，GPU硬件設(shè)計(jì)能夠管理數(shù)千個(gè)并行線程。數(shù)千個(gè)GPU線程全部由GPU創(chuàng)建和管理，不需要開發(fā)人員進(jìn)行任何編程和管理，設(shè)計(jì)方便可行?？删幊蘂PU上還有快速存儲系統(tǒng)——最多可至每秒76Gb。通過將并行計(jì)算放在GPU上而同時(shí)將串行計(jì)算放在CPU上，應(yīng)用程序可以從這兩種計(jì)算中充分受益。此外，他指出，雖然多核CPU可以運(yùn)行一些并行處理，但是英特爾的軟件是一個(gè)多核技術(shù)，可靠性低，問題較多?！安贿^，我們不會替代多核CPU?！盞eane再次強(qiáng)調(diào)。 其實(shí)，nVidia在2002年就引入了在GPU中計(jì)算的技術(shù)，推出了第一個(gè)可編程的GPU，“在那個(gè)時(shí)候我們的編程單元只涉及了GPU的很小一塊兒——著色器，于是，在2002年，我們開始有了可編程的著色器?！盞eane說道。通過將32位浮點(diǎn)技術(shù)搭載在GPU中，該公司期待研究人員和開發(fā)人員會將GPU超強(qiáng)的計(jì)算能力用于應(yīng)用程序而不是圖形。但早期的GPU是用類似OpenGL或Cg的圖形API編程的。這些API是很難的并且大多數(shù)開發(fā)人員對這類API也不熟悉。 在2003年，nVidia開始了一項(xiàng)旨在使GPU計(jì)算更容易的全新嘗試，并于2006年成功推出基于現(xiàn)在8系列GPU上的CUDA技術(shù)。他們開發(fā)了一個(gè)C程序，然后把CPU的代碼和GPU的代碼在原代碼當(dāng)中共存，而CUDA成為了串行計(jì)算和并行計(jì)算的連接。目前所有的8系列GPU，包括從筆記本電腦到高性能計(jì)算系統(tǒng)中，都具有CUDA技術(shù)。為方便統(tǒng)一串行CPU編程以及采用GPU并行計(jì)算，nVidia還設(shè)計(jì)了CUDA環(huán)境。“將來，我們認(rèn)為CUDA環(huán)境會用在GPU以外的處理器上。”Keane表示，“兩種計(jì)算方式——串行處理和并行計(jì)算——在每個(gè)應(yīng)用程序中都具有其可取之處。CUDA是統(tǒng)一這兩種處理和計(jì)算方法的計(jì)算方式?！? 目前nVidia高性能GPU有三個(gè)平臺，即用于高性能計(jì)算的Tesla、用于專業(yè)工作站圖形處理的Quadro以及用于娛樂的GeForce。 Tesla適合的應(yīng)用包括地震、Monte Carlo服務(wù)器、分子動力學(xué)、天體物理學(xué)和信號處理；Quadro適合的應(yīng)用包括圖像、體視化、醫(yī)學(xué)成像、專業(yè)視頻和CAD等；Geforce適合的應(yīng)用包括圖像、音頻、編碼/解碼、壓縮和安全性應(yīng)用。Geforece平臺中目前僅有G8系列支持CUDA?！爸饕膮^(qū)別在于Quadro支持OpenGL，性能是Geforce的五倍，尤其是它通過Shader Model 4.0、OpenGL和DX10，進(jìn)行了性能加速的提高，更多關(guān)注垂直市場；Tesla集成內(nèi)存控制器和內(nèi)存，這對高性能計(jì)算非常重要?！盞eane對《國際電子商情》記者解釋。 nVidia的目標(biāo)是將并行計(jì)算能力帶入所有領(lǐng)域。隨著在所有nVidia的8系列GPU上都加入CUDA技術(shù)，配備CUDA的GPU現(xiàn)已經(jīng)超過5千萬個(gè)。nVidia使得開發(fā)GPU并行程序更為簡單。將來，任何開發(fā)人員都能輕松地獲得一枚使用在筆記本電腦、低成本PC或高性能工作站中的可編程GPU。