Ian Buck z Nvidie o budoucnosti GPGPU

Jaký máte názor na Intel a jeho Larrabee? AMD's Stream Architecture? Cell? Zii?

Můj názor na Larrabee je takový, že je to v podstatě důkaz toho, jaké úspěchy GPU dosáhlo a akceptování limitů, které mají dnešní procesory. CPU jako takové stále odkazují na model sekvenčního programování a velice těžko mohou být využita jinak. Naproti tomu GPU byla vytvořena speciálně pro 3D grafiku, která je opravdu masivně založena na svém paralelismu, jakožto svém pevném základu.
Konec konců je to přístupnost a produktivita programovacího modelu, která tuto technologii může udělat úspěšnou. Soustředíme se tedy na to, aby GPU z produkce Nvidie byly velmi jednoduše využitelné v této oblasti za pomocí známého a jednoduchého programovacího modelu.


Jednou ze zajímavých věcí na Larabee je jeho teoretická schopnost rekurze přímo na čipu. Jak byste tuto vlastnost porovnal s možným integrováním jednoduchého x86 procesoru do GPU pro běžné „domácí úkoly“?

Nemyslím si, že rekurze jako taková je kritická pro úspěch GPU výpočtů, neboť většina kódu, který běží na GPU, je závislá spíše na samotném výkonu procesování vnitřních cyklů aplikace. Vždycky je lepší předejít přímo takovým věcem jako rekurze především z výkonových důvodů. Samozřejmě bychom mohli už dneska podporovat rekurzi, ale myslíme si, že je lepší optimalizovat náš kompilátor tak, aby nebyla nutnost ji jednoduše používat. Pokud se týká jednoduchého procesoru x86, tak proč přidávat do systému něco, co tam již je a v našem případě to znamená klasický x86 procesor v patici každé základní desky. Všude tam, kde je potřeba specializovaných a přesně cílených výpočtů, je mnohem efektivnější GPU a o zbytek se postará právě všudypřítomné CPU.


V současné době je většina GPGPU aplikací limitována na segment vědeckých výpočtů nebo operací s videem. Kde mohou vidět běžní uživatelé benefity z GPGPU technologie mimo svět vědy a videa?

Další vlna spotřebních aplikací podporujících GPU výpočty bude zahrnovat akcelerovanou editaci videa, úpravu obrázků a třeba herní fyziku. Máme zato, že aplikace typu tabulkového procesoru jsou již dnes dostatečně rychlé. V budoucnu je ale pravděpodobné, že se výkon GPU bude využívat v případě aplikací rozpoznávacích hlas nebo psané písmo tak, aby výsledek byl co možná nejpřesnější a bez chyb. Z toho budou profitovat úplně všichni a nejen hrstka vědců a nadšenců zpracovávajících video.


Kam si myslíte, že bude GPGPU směřovat v budoucnu?

Spotřebitelé jako takoví již výhody z akcelerace výpočtů GPU mohou vnímat dnes. Společnosti jako OptiTex používají tuto technologii pro návrhy oblečení pro komerční trh. Automobilové společnosti zase navrhují další generace automobilů za pomocí GPU ray tracingu pod platformou CUDA. Další kapitolou jsou například fyzikální enginy, které začínají využívat akcelerace skrze GPU. Pokud se posuneme ještě dále, tak vidím velkou příležitost v osobních médiích, jako je řazení nebo vyhledávání fotografií na základě jejich obsahu, obličejů nebo lokací, což je opravdu výpočetně velmi náročné.
Jedna z věcí, na které jsem opravdu hrdý, je lékařské zobrazování a výzkum rakoviny za pomocí GPU. Společnost Techniscan využívá naši Tesla technologii k efektivnějšímu nacházení prvních stádií rakoviny a tedy dříve, než je tomu možné u současných metod. National Cancer Institut (institut pro výzkum rakoviny) hlásí až 12-násobné zrychlení výpočtů proteinů, což je následně využíváno k vyvinutí efektivních léků na rakovinu nebo Alzheimerovu nemoc. Je opravdu nádherné vidět, že GPU výpočty mohou pomoci i v takové oblasti jako je záchrana lidských životů.

Zdroj: Tom's Hardware

P.S. - Nejedná se o doslovný překlad rozhovoru.