單核游戲也挑配置，GPU的盡頭在何方？

作者：Kurt Cagle 2022-02-11 00:06:40

GPU 正悄悄滲透到計算的方方面面。就連單核 CPU 都可以玩的很爽的游戲，也開始投向了 GPU 的懷抱。隨著云計算、XR、元宇宙的興起，GPU、圖形計算等會有哪些演進方向？希望此文能給大家一些新的啟發和幫助。

作者丨Kurt Cagle

譯者丨布加迪

策劃丨云昭

我最近給女兒買了一臺新電腦。我們把這臺筆記本帶回家，發現電腦開機后慢騰騰，本應花幾分鐘就能完成的設置卻花了近一個小時。回到電腦店，這回對方指了指一臺新的游戲本——鍵盤上有炫酷的彩色燈，更重要的是，還支持許多女兒愛玩的游戲，包括《我的世界》。

幾天后，女兒把我叫到臥室，很快在《我的世界》中搭好了城堡。在上一臺筆記本電腦上，同樣的城堡會呈現更亮的橙黃色，從火的主色調反射出來。而通過她的新筆記本電腦(及中檔 Nvidia RTX 圖形卡)，火焰在墻上投射了多個相互作用的陰影，包括角色站在火焰前投射到墻上的陰影。而當她把火撲滅，然后敬畏地站在那里，她的角色周圍的房間在逐漸減弱的火光中真實地變暗時，我才意識到：GPU 讓它的老 CPU 兄弟黯然失色。

從“跑龍套”到“擔綱主角”?

圖形處理單元(GPU)，一開始作為處理器的一部分，負責在早期的 GUI 環境中渲染畫面。這其中許多操作都涉及到諸如矩陣操作等數學運算，因此，把它從 CPU 核心中分離出來，可以完成開銷更大的操作，而 CPU 只需負責協調。

隨著計算機軟件變得更復雜(尤其是在游戲領域)，GPU 也變得功能更強大，因為需要大量的計算周期來管理 3D 渲染和合成。從最初的電子表格到后來的數據分析，再到現在的機器學習，已經圍繞流程并行化而建的 GPU 架構承擔了其他角色。類似地，比特幣挖礦涉及到諸如解決大素數來作為秘鑰之類的問題，把這種極度稀缺性作為工作量算法的證據。

這對于英偉達來說，透露出這樣一種信息：計算機執行的常規操作中，越來越多的部分涉及復雜的計算能力。到 2010 年代，英偉達和其他 GPU 制造商已經向云服務提供商銷售用于高性能計算 (HPC)的 GPU。這需要引入一個名為 CUDA 的軟件層，它在充分利用高度并行處理的同時，模擬 CPU 的指令集。用 C++ 編寫的 CUDA 層隨后擴展到多種語言和平臺，包括 Python、Java 以及最近的 Nodejs、Javascript。這意味著：無論哪種操作系統或語言，都可以執行大量的數據中心計算。

然而，硬幣有兩面。CUDA 的另一面日益突顯出來。隨著更多的應用程序、操作系統以及 Kubernetes 等容器遷移到云端，人們期望以數據為中心的硬件，不僅能處理圖形的繁重任務，還能處理查詢的繁重任務。的確，查詢已日益從“簡單”的文本查詢，轉而涵蓋從不同數據集提取上下文相關圖的能力、查詢機器學習模塊用于分類(或分類訓練)的能力，以及將傳感器數據云視為可以查詢、了解特定配置狀態的張量場(tensor field)的能力。

游戲助推：圖形計算和 GPU?

不難發現，這三種能力都需要圖路徑遍歷的高速優化：從形成神經網絡的遞歸圖，到構成知識網絡的超圖，再到代表傳感器網絡的互連傳感器節點。這些都是需要大規模并行性和高速計算的操作;由于它們在計算的各個方面變得越來越重要，組織對能將這些功能引入網絡的硬件的需求也越來越大。

元宇宙最終也屬于這一領域。如果將 AR/VR 的擴展現實(XR) 視為時空網絡和相關聯的網絡元數據云的結合體，那么這將再次推動最適合網絡遍歷和計算的硬件。我在其他地方說過，游戲行業是元宇宙的前身，GPU 在很大程度上伴隨游戲行業發展，成為最需要這些計算的“地方”。

與此同時，CPU 作為獨立處理器的角色正在轉變成為“后腦”處理器：它處理啟動 GPU 云的“大腦皮層”的引導過程，管理虛擬化(當虛擬化也不是由 GPU 管理時)，并與專用數字信號處理器(DSP)協調，以管理“感官”信號的采集，并將信號傳輸到這同一個 GPU 環境的更龐大語境中。

DPU、數據 pod 和 GPU 網絡可能是 GPU 的下一大步

DPU 是 GPU 的下一個版本嗎??

“感官”數據集成的原因，迫使 CPU 和 GPU 再次演進，但這并不算是巨大的飛躍。處理和聚合信號(在廣義上)常常是一種綜合功能，通常需手動完成，成本昂貴，十分復雜。因此，市面上開始流行自主數據處理單元(DPU)的概念，它可用于聚合信號，并轉換成可查詢的存儲內容。

目前，這些 DPU 中的大多數都是獨立處理的，但隨著堆棧變得更加規范化，DPU 最終可能會被蝕刻在硅中，利用現有知識和軟原型，以一致的面向硬件的方法實現深度數據處理。GPU 可以很好地處理這一問題，尤其是現代 GPU 可以很容易地將自己的一部分分割出來，專門用于特定但類似的任務，盡管 DPU 的要求也可能可以通過具有不同體系結構的芯片來解決。

W3C 提出了一個比較有趣的想法：Data Pod(又稱 Solid Pod)。Pod 本質上是通過 GPU 控制和調解的虛擬圖數據庫，通過標準協議進行通信，這項創新有望深刻地改變數據處理格局。該類 Pod 有望成為數字孿生和物聯網集成戰略不可或缺的一部分(可能與 DPU 協同工作，而 DPU 本身就是 GPU 的定制化產品)，因此數據存儲方面的大多數理念都將被徹底改寫。

GPU 網絡的未來?

業界一直在朝網絡化的方向發展，網絡化是擴建不同規模、不同延遲的功能單元網絡的過程，以便解決單個單元無法解決的問題。毫無疑問，作為圖形處理器，GPU 很好地契合這種用途。GPU 集群(具有相對較低的延遲協調連接)正在取代通用超級計算機和分布式 CPU 集群，而 GPU 則被分割出去，并專門用于渲染、深度學習、圖形查詢和協調等任務。

盡管圖形數據庫(一些運行在 GPU 上，如亞馬遜的 Neptune)和即將出現的 W3C Solid 標準，使在分布式網絡上存儲此類設備之間的狀態和元數據成為可能，但上述趨勢仍在發生。到 2035 年，獨立處理器的概念可能會像獨立數據庫的概念一樣過時。相反，云計算很可能會成為動態、可配置網絡中的 GPU 海洋——數據存儲在基于圖形的節點中，由 GPU 控制器進行調節，CPU 主要負責引導設備。