Sommaire
Une unité de traitement graphique (GPU) est un circuit électronique spécialisé conçu pour manipuler et modifier rapidement la mémoire afin d’accélérer la création d’images dans un tampon de trame destiné à la sortie vers un dispositif d’affichage.
Les GPU modernes, améliorées par Nvidia, sont très efficaces pour manipuler les graphiques informatiques et le traitement d’image. Leur structure hautement parallèle les rend plus efficaces que les unités centrales de traitement (CPU) à usage général pour les algorithmes qui traitent de gros blocs de données en parallèle. Dans un ordinateur personnel, une GPU peut être présente sur une carte vidéo ou embarqué sur la carte mère. Dans certains processeurs, elles sont intégrés à la puce du processeur.
Nvidia excelle dans l’amélioration des GPU depuis l’an 2000
Nvidia a été le premier à produire une puce capable d’ombrage programmable, la GeForce 3 (code nommé NV20). Chaque pixel pouvait maintenant être traité par un « programme » court qui pouvait inclure des textures d’image supplémentaires en entrée, et chaque sommet géométrique pouvait également être traité par un programme court avant d’être projeté sur l’écran.
Utilisé dans la console Xbox, elle était en concurrence avec la PlayStation 2 qui utilisait un DSP vectoriel personnalisé pour le traitement accéléré du vertex matériel; communément appelé VU0 / VU1.
Les premières incarnations de moteurs d’exécution de shaders utilisés dans Xbox n’étaient pas à usage général et ne pouvaient pas exécuter de code pixel arbitraire. Les sommets et les pixels ont été traités par différentes unités qui avaient leurs propres ressources avec des pixel shaders ayant des contraintes beaucoup plus strictes.
Les moteurs de pixel shading étaient en fait plus proches d’un bloc de fonction hautement personnalisable et n’exécutaient pas vraiment un programme. Beaucoup de ces disparités entre l’ombrage des sommets et des pixels n’ont été traitées que beaucoup plus tard avec le modèle de shader unifié.
En octobre 2002, avec l’introduction de l’ATI Radeon 9700 (également connu sous le nom de R300), le premier accélérateur Direct3D 9.0 au monde, les pixel et vertex shaders pouvaient implémenter des boucles et de longues mathématiques à virgule flottante, et devenaient rapidement aussi flexibles que les CPU.
Nvidia et le lancement de la GPUPU
Avec l’introduction de la série Nvidia GeForce 8, puis de nouvelles GPU d’unité de traitement de flux générique, les GPU sont devenus des dispositifs informatiques plus généralisés. Aujourd’hui, les GPU parallèles ont commencé à faire des percées informatiques contre le CPU, et un sous-domaine de recherche, baptisé GPU Computing ou GPGPU (for General Purpose Computing on GPU), a trouvé son chemin dans des domaines aussi divers que l’apprentissage automatique, l’exploration pétrolière, la science traitement d’image, algèbre linéaire, statistiques, reconstruction 3D et même détermination du prix des options sur actions.
GPGPU à l’époque était le précurseur de ce qu’on appelle maintenant un shader de calcul (par exemple CUDA, OpenCL, DirectCompute) et a en fait abusé du matériel dans une certaine mesure en traitant les données transmises aux algorithmes comme des cartes de texture et en exécutant des algorithmes en dessinant un triangle ou un quad avec un pixel shader approprié.
Cela implique évidemment des frais généraux, car des unités comme le convertisseur de numérisation sont impliquées là où elles ne sont pas vraiment nécessaires. Au fil des années, la consommation d’énergie des GPU a augmenté et pour la gérer, plusieurs techniques ont été proposées.
Nvidia investit dans une nouvelle plateforme en 2007
La plate-forme CUDA de Nvidia, introduite pour la première fois en 2007, était le premier modèle de programmation largement adopté pour le calcul GPU. Plus récemment, OpenCL est devenu largement pris en charge. OpenCL est une norme ouverte définie par le groupe Khronos qui permet le développement de code pour les GPU et les CPU en mettant l’accent sur la portabilité.
Les solutions OpenCL sont prises en charge par Intel, AMD, Nvidia et ARM, et selon un récent rapport d’Evan’s Data, OpenCL est la plate-forme de développement GPGPU la plus utilisée par les développeurs aux États-Unis et en Asie-Pacifique.
Nvidia déclenche une nouvelle gamme de GPU pour servir l’IA comme il se le doit
Au cours du premier week-end de juin, la première image présumée du design du GPU Ampere de Nvidia a émergé sur le forum Chiphell. Les images montrent l’avant et l’arrière de la carte supposée, y compris le moniker RTX 3080 important, ce qui semblerait confirmer que les cartes graphiques de prochaine génération de Nvidia suivront en effet une convention de dénomination de la série RTX 3000.
La conception est inhabituelle, avec des ventilateurs des deux côtés du prétendu RTX 3080. Normalement, les cartes graphiques n’ont que des ventilateurs sur un côté du GPU pour aider à garder la carte de circuit au frais, donc ce serait un écart assez marqué par rapport à la conception existante de Nvidia pour leurs cartes RTX 20 si l’image est réelle.
À part son étrange design de ventilateur à double face, cependant, l’image ne révèle pas grand-chose d’autre. Nous ne pouvons pas voir les côtés de la carte graphique, par exemple, donc il n’y a aucun moyen de savoir quel type de sortie d’affichage elle possède ou quel type de connecteur d’alimentation elle nécessite.
Bien sûr, il n’y a aucun moyen de savoir s’il s’agit du design final du RTX 3080 jusqu’à ce que Nvidia le dévoile officiellement lui-même.
Intel lance trois nouvelles puces pour essayer de se rattraper
Intel a présenté un trio de puces pour la formation et le déploiement de modèles d’intelligence artificielle qui lui permettront d’intensifier la concurrence contre Nvidia, dont les unités de traitement graphique dominent le marché.
Les puces, dévoilées lors d’un événement de presse à San Francisco ce matin, sont issues des acquisitions d’Intel en 2016 de deux sociétés de machine learning, Nervana Systems et Movidius Ltd. Collectivement, elles représentent la première grande révélation d’Intel pour les puces IA spécialisées qui s’étendent au-delà de son Xeon traditionnel et Familles de puces de base.
Selon Naveen Rao, un fondateur de Nervana qui est maintenant vice-président et directeur général du groupe de produits d’Intelligence artificielle d’Intel déclare que la puissance apportée par les processeurs est critique car «nous atteignons un point de rupture » en matériel informatique et logiciels.
