Sfruttare la potenza della GPU al di là dell'output grafico di base è stato inevitabilmente potenziato da Nvidia come il prossimo grande salto nell'informatica. Tale fiducia è che le GPU di elaborazione generale (GPGPU) saranno nel PC di tutti di domani che ha rilasciato una gamma di schede plug-in di fascia alta di fascia alta con il nome Tesla.

I numeri rendono interessante la lettura con gli ultimi prodotti della serie 10 della gamma Tesla di Nvidia, citando fino a 960 core e fino a 4 teraflop di prestazioni. Tuttavia, prima di essere completamente eccitati, i core a cui si fa riferimento sono in realtà thread del processore shader.

A meno che l'applicazione prescelta non funzioni in modo ottimale in un ambiente in virgola mobile accelerato, non vedrete gran parte delle citazioni di Nvidia "250 volte le prestazioni di elaborazione di un PC". Detto questo, l'ambiente di programmazione Cuda di Nvidia (vedi sotto) è stato progettato per attingere all'architettura appositamente progettata da Tesla e avviare il lancio per la prossima generazione di sviluppo di applicazioni mainstream.

Calcoli ad alta intensità di dati

Le origini di Tesla sono piuttosto modeste, originariamente derivate dalle GPU GeForce Serie 8, da cui derivano i prodotti originali della serie Tesla 8. Come per enfatizzare le sue intenzioni per il mercato dell'High Performance Computing (HPC), Nvidia ha fatto finta di nulla di stupido come i display output. Le attuali applicazioni e settori interessati a questo prodotto richiedono la potenza necessaria per eseguire calcoli complessi e ad alta intensità di dati direttamente dalla propria scrivania, elaborando più dati più velocemente e riducendo i tempi necessari per ottenere risultati.

Il Dr. Graham Pullen dell'Università di Cambridge ha dato un convincente esempio di sfruttare la potenza di un sistema di deskside Tesla lanciato su un sistema alimentato da CPU quad core da 2,5 GHz. Utilizzando l'analisi fluidodinamica, la forma e le posizioni delle pale di una turbina sono regolate per un flusso ottimale.

I risultati dei test che sono stati normalmente restituiti in oltre 12 ore sul sistema solo CPU, sono stati restituiti in pochi minuti sui sistemi potenziati da Tesla. Se una singola lama è stata focalizzata, i risultati restituiti erano quasi in tempo reale. Ciò consente agli ingegneri di adattarsi al meglio al volo, in modo da ottenere progetti ottimali molto più velocemente.

Il vantaggio finale di tali escursioni nelle prestazioni computazionali non è solo la velocità degli ingegneri nel ricevere i risultati dei test: la massiccia riduzione degli sforzi computazionali comporta in seguito enormi risparmi energetici. Il Dott. Pullen ha anche evidenziato un altro importante vantaggio mirato specificamente alla sovracompensazione delle soglie di progettazione in ingegneria, molte delle quali in atto per motivi di sicurezza.

Il tempo necessario per completare test estremamente complessi con una precisione reale è spesso proibitivo e quindi il mondo dell'ingegneria ha dovuto convivere con stime inefficienti per qualche tempo. Con il mondo scientifico che riporta test accelerati fino a 250 volte i loro set-up standard, meno materiale che porta a equipaggiamento più leggero e più forte e nel caso di motori, con un uso più efficiente del carburante, sarà la norma.

Trickling giù dalla comunità scientifica, un certo numero di produttori di PC ben noti, tra cui Dell, hanno già saltato sul carrello Tesla. Disponibile ora è la workstation Dell Precision T7400 con il singolo modello GPU C1060 di Nvidia's Tesla con un 4 rack GPU S1070 1U disponibile anche. I prezzi dipendono dalle specifiche generali prescelte, ma si aspettano di pagare meno di $ 10.000 per un sistema che, per alcune applicazioni, potrebbe sovraperformare un sistema basato esclusivamente sulla CPU 10 volte il suo prezzo.

Intel, con Larabee e AMD / ATi, con Stream, è probabile che entrino in scena con la GPGPU dalla fine del 2009. Una volta ottenuta una discreta concorrenza sui prezzi, potresti guardare un supercomputer sotto £ 1,000 seduto sotto la tua scrivania buttare fuori 10.000 fps di caos di Crysis!

Cos'è CUDA?

CUDA, originariamente derivato da Compute Unified Device Architecture, è il motore di elaborazione all'interno delle GPU di Nvidia. Può essere programmato direttamente utilizzando il linguaggio di programmazione C standard del settore, con alcune estensioni. Sono supportate anche API come OpenCL e DirectX 11. OpenCL, o Open Computing Language, viene utilizzato per la programmazione eterogenea - elaborazione di dati tasking attraverso configurazioni GPU e CPU parallele, che annuncia un futuro per le applicazioni mainstream di beneficiare di Tesla e prodotti simili.

Utilizzando CUDA, le più recenti GPU Nvidia diventano effettivamente architetture aperte, molto simili alle CPU, con l'avvertenza che le GPU sono più adatte all'elaborazione di applicazioni in cui i set di dati sono vasti e formattati per funzionare sull'architettura parallela "multi-core" dello shader di una GPU ambiente thread. Tradizionalmente, i calcoli di rendering e fisica dei giochi sono stati perfettamente adatti a questo ambiente, ma ora CUDA viene utilizzato per accelerare le applicazioni non grafiche come l'analisi dell'andamento dei mercati azionari e ingegneristici.

-------------------------------------------------------------------------------------------------------

Ora leggi la guida definitiva alle schede grafiche

Iscriviti alla newsletter settimanale gratuita di TechRadar
Ricevi notizie tecniche direttamente nella tua casella di posta. Iscriviti alla newsletter gratuita di TechRadar e mantieniti aggiornato sulle principali storie e versioni dei prodotti della settimana. Iscriviti a http://www.techradar.com/register