Å utnytte kraften til GPUen utover bare grunnleggende grafikkutdata, har uunngåelig blitt oppgradert av Nvidia som det neste store dataprogrammet. Slik tillit har det at generell prosessering GPUer (GPGPUer) vil være i alles fremtidige PC at den har gitt ut en rekke high-end GPU-baserte plug-in-kort under navnet Tesla.

Tallene gir overbevisende lesing med de nyeste 10-serie produktene i Nvidias Tesla-sortiment med opptil 960 kjerner og opptil 4 teraflops av ytelse. Før du blir altfor opphisset skjønt, er kjerneene referert til faktisk shaderprosessor-tråder.

Med mindre din valgte applikasjon kjører optimalt under et akselerert flytpunktsmiljø, vil du ikke se mye av Nvidia siterte '250 ganger datamaskinens ytelse til en PC'. Når det er sagt, er Nvidias CUDA programmeringsmiljø (se nedenfor) designet for å tappe inn i Teslas spesiallagde arkitektur og starte ballen som ruller for neste generasjon av vanlig applikasjonsutvikling.

Data-intensive beregninger

Teslas opprinnelse er ganske ydmyk som opprinnelig stammer fra GeForce 8-serie GPUer, og dermed de opprinnelige Tesla 8-serien. Som om å understreke sine intensjoner for HPC-markedet (High Performance Computing), har Nvidia gjort unna med noe dumt som displayutganger. Nåværende applikasjoner og sektorer som er målrettet med dette produktet, trenger hestekrefter til å utføre komplekse, datintensive beregninger rett ved deres skrivebord, behandle flere data raskere og kutte ned tiden for å få resultater.

Dr. Graham Pullen fra University of Cambridge ga et overbevisende eksempel på å utnytte kraften til et Tesla deskside-system som er satt opp mot et 2,5 GHz quad-core CPU-only powered system. Ved hjelp av væskedynamisk analyse justeres formen og posisjonene til bladene i en turbin for optimal strømning.

Testresultater som normalt ble returnert på over 12 timer på CPU-eneste systemet, ble returnert i minutter på Tesla-forbedrede systemer. Hvis et enkelt blad ble fokusert, ble resultatene som returnerte, i nærheten av sanntid. Dette gjør det mulig for ingeniører å justere for best ytelse on-the-fly for å oppnå optimal design mye raskere.

Endelig nytte for slike fotturer i beregningsprestasjoner er ikke bare for ingeniørerens hurtighet til å motta testresultater - den enorme reduksjonen i beregningsarbeidet fører senere til massive energibesparelser. Dr. Pullen fremhevet også en annen stor fordel som spesielt retter seg mot overkompensasjon av designtærskler i ingeniørfag, mange på plass av sikkerhetsgrunner.

Tiden som er tatt for å fullføre ekstremt komplekse tester med ekte nøyaktighet, er ofte uoverkommelig, og derfor har ingeniørverdenen må leve med ineffektive estimater for en tid nå. Med den vitenskapelige verden som rapporterer akselererte tester på opptil 250 ganger deres standardoppsett, vil mindre materiale som fører til lettere og sterkere utstyr og i tilfelle motorer, med mer effektiv drivstoffbruk, være normen.

Trickling ned fra det vitenskapelige samfunn, har en rekke kjente PC-produsenter, inkludert Dell, allerede hoppet på Tesla-vognen. Tilgjengelig nå er Dells Precision T7400 arbeidsstasjon med den eneste GPU C1060 modellen av Nvidias Tesla med et 4 GPU S1070 1U racksystem også tilgjengelig. Prisene er avhengige av den generelle spesifikasjonen som er valgt, men forventer å betale mindre enn $ 10 000 for et system som, for enkelte applikasjoner i det minste, kunne utføre et CPU-basert system 10 ganger prisen.

Intel, med Larabee og AMD / ATi, med Stream, er begge sannsynlig å komme inn på GPGPU-loven fra slutten av 2009. Når vi får en anstendig priskonkurranse, kan du se på en super-1000 supercomputer som sitter under skrivebordet ditt chucking ut 10.000 fps av Crysis mayhem!

Hva er CUDA?

CUDA, opprinnelig hentet fra Compute Unified Device Architecture, er datamaskinen inne i Nvidias GPUer. Den kan programmeres direkte ved hjelp av industristandard C programmeringsspråk, med noen utvidelser. APIer som OpenCL og DirectX 11 støttes også. OpenCL, eller Open Computing Language, brukes til heterogen programmering - oppgavebehandling av data på tvers av parallelle GPU- og CPU-oppsett, som hevder en fremtid for vanlige applikasjoner for å ha nytte av Tesla og lignende produkter.

Ved hjelp av CUDA blir de nyeste Nvidia-GPUene effektivt åpne arkitekturer, som CPUer, med det forbehold at GPUer er mest egnet til å behandle applikasjoner der datasettene er store og formaterte for å løpe over den parallelle "mange kjerne" -arkitekturen til en GPUs skygger trådmiljø. Tradisjonelt har spillgjengivelse og fysikkberegninger vært perfekt egnet til dette miljøet, men nå brukes CUDA til å akselerere ikke-grafiske applikasjoner som engineering og aksjemarkedstrender analyse.

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

Les nå Den ultimate guiden til grafikkort

Registrer deg for gratis, ukentlig TechRadar nyhetsbrev
Få tech nyheter levert direkte til innboksen din. Registrer deg for det gratis TechRadar-nyhetsbrevet, og hold deg på toppen av ukens største historier og produktutgivelser. Registrer deg på http://www.techradar.com/register