Komponenten

Nvidia bietet Parallel-Technologie für mobile Geräte an

IBC 2019 Update

IBC 2019 Update
Anonim

Der Chiphersteller Nvidia plant, seine Cuda-Architektur für den parallelen Datenzugriff in allen GPUs (Grafikprozessoren) zu verwenden, einschließlich seines Tegra-System-on-a-Chip für mobile Geräte.

Nvidias Cuda ist eine C-fähige Umgebung Entwickler schreiben Software, um komplexe Rechenprobleme zu lösen, indem sie die Vielkern-Parallelverarbeitungsleistung von Grafikprozessoren nutzen, so das Unternehmen.

Die erste Version von Tegra, die voraussichtlich Mitte nächsten Jahres ausgeliefert wird, wird jedoch nicht verfügbar sein Cuda, sagte Jen-Hsun Huang, Mitbegründer, Präsident und Chief Executive Officer von Nvidia, in einem Interview am Mittwoch.

Cuda ist Teil von Nvidias Strategie, seine GPUs, traditionell stark in High-End-Grafik und Gaming, als allgemein zu positionieren Zweck, Abs "Wir sind der Meinung, dass eine GPU nicht mehr nur für Grafiken gedacht ist und wirklich für alles, was damit zu tun hat, verwendet werden kann", sagte Huang eine Menge Daten und Mathematik ", fügte Huang hinzu.

Nvidia gab am Dienstag einen GPU-basierten Tesla Personal Supercomputer bekannt, der seine Tesla GPUs und Cuda verwendet, um die Leistung eines Clusters von Computern zu einem Bruchteil der Kosten zu liefern, im Formfaktor einer Standard-Desktop-Workstation. Zu den Computerherstellern, die Tesla Personal Supercomputers anbieten, gehören Dell, Lenovo, Asus und Western Scientific.

Es gibt eine neue Computerarchitektur, die auf GPUs und anderen Arten von Parallelprozessoren sowie traditionellen CPUs (Central Processing Units) basiert) zusammen arbeiten, sagte Huang. "Die CPU eignet sich hervorragend für die sequentielle Verarbeitung, aber es gibt viele Arten von Problemen, die Sie parallel bearbeiten können."

GPUs bieten laut Huang eine höhere Leistung als CPUs, da sie Hunderte von Prozessoren integrieren. Das Modell des am Dienstag angekündigten Tesla Personal Supercomputers habe beispielsweise 240 parallel laufende Prozessoren, fügte er hinzu.

Die ersten, die die Bedeutung einer "heterogenen Architektur" erkannten, waren Gamer, die mit einer CPU und einer GPU ihr Video erkannten Spiele und 3-D-Grafik seien viel besser, sagte Huang.

Die GPU in ihrer neuen Positionierung wird von Nvidia allerdings nicht als Alternative zu CPUs gesehen. "Wir versuchen nicht, die CPU so zu ersetzen, wie wir es für notwendig halten", sagte Huang.

Nvidia arbeitet mit Anwendungsentwicklern zusammen, um ihre Software auf die Cuda-Architektur zu portieren, sagte Huang. Die Fähigkeit, in C-Sprache zu programmieren, stellt sicher, dass anspruchsvolle Benutzer wie Forscher die Programme selbst für den neuen Supercomputer schreiben können, fügte er hinzu.