作者丨KurtCagle译者丨BugattiPlanner丨赵云最近给女儿买了台新电脑。我们把笔记本电脑带回家，发现电脑开机很慢，本来需要几分钟的设置，却花了将近一个小时。回到电脑店，这次对方指的是一款新的游戏笔记本电脑——键盘上有酷炫的彩灯，更重要的是，它支持女儿喜欢玩的很多游戏，包括《我的世界》。几天后，女儿把我叫到卧室，赶紧在《我的世界》建造了城堡。在以前的笔记本电脑上，同一座城堡会呈现出更明亮的橙黄色，反射出火焰的主色调。使用她的新笔记本电脑（和中档NvidiaRTX显卡），火在墙上投射出多个相互作用的阴影，包括站在火前的角色投射到墙上的阴影。当她扑灭火并敬畏地站在那里时，她的角色周围的房间在逐渐暗淡的火光中逐渐变暗，我意识到：GPU使它的旧CPU兄弟黯然失色。从“玩家”到“主角”?图形处理单元（GPU），最初作为处理器的一部分，负责早期GUI环境中的渲染。其中许多运算都涉及矩阵运算等数学运算，因此将其从CPU内核中卸载可以让更昂贵的运算在CPU负责协调它们的同时完成。随着计算机软件变得越来越复杂，尤其是在游戏中，由于管理3D渲染和合成所需的大量计算周期，GPU也变得更加强大。GPU架构已经围绕进程并行化构建，已经承担了其他角色，从最初的电子表格到后来的数据分析，再到现在的机器学习。同样，比特币挖矿涉及解决大质数作为密钥的问题，使用这种极度稀缺性作为工作量证明算法。对于Nvidia来说，这是一个信息，表明计算机执行的越来越多的常规操作涉及复杂的计算能力。到2010年代，Nvidia和其他GPU制造商已经在向云服务提供商销售用于高性能计算(HPC)的GPU。这需要引入一个称为CUDA的软件层，它可以在充分利用高度并行处理的同时模拟CPU的指令集。用C++编写的CUDA层随后扩展到多种语言和平台，包括Python、Java以及最近的Nodejs、Javascript。这意味着：无论是什么操作系统或语言，都可以进行大量的数据中心计算。然而，硬币有两个面。CUDA的另一面越来越突出。随着越来越多的应用程序、操作系统和容器（如Kubernetes）迁移到云端，人们期望以数据为中心的硬件不仅可以处理图形繁重的工作，还可以处理查询的繁重工作。事实上，查询已经越来越多地从“简单”的文本查询转变为包含从不同数据集中提取上下文图的能力、查询机器学习模块以进行分类（或分类训练）的能力，以及将传感器数据云视为能力的能力查询、了解特定配置状态的张量场。GameBoost：图形计算和GPU?不难发现，这三种能力都需要图形路径遍历的高速优化：从递归图形成神经网络，到超图形成知识网络，再到代表传感器网络传感器节点的互连。这些是需要大规模并行和高速计算的操作；随着它们在计算的各个方面变得越来越重要，组织越来越需要能够将这些功能带入网络的硬件。Metaverse最终也属于这个领域。如果AR/VR的扩展现实(XR)被视为时空网络和相关网络元数据云的汇合，这将再次驱动网络遍历和计算的最佳硬件。我在其他地方说过，游戏行业是元宇宙的先驱，而GPU在很大程度上伴随着游戏行业成为最需要这些计算的“地方”。与此同时，CPU作为独立处理器的角色正在转变为“后脑”处理器：它处理启动GPU云的“大脑皮层”的启动过程，管理虚拟化（当虚拟化不受管理时）GPU），并与专用数字信号处理器（DSP）协调以管理“感官”信号的采集并将它们传输到同一GPU环境的更大范围内。DPU、数据盒和GPU网络可能是GPU的下一个重要步骤DPU是GPU的下一个版本吗？?“感官”数据集成的原因，迫使CPU和GPU再次进化，但这并不是一个巨大的飞跃。处理和聚合信号（广义上）通常是一个集成的功能，通常是手动完成的，既昂贵又复杂。因此，可用于聚合信号并将其转换为可查询存储的自主数据处理单元(DPU)的概念变得流行起来。目前，这些DPU中的大多数都是独立处理的，但随着堆栈变得更加规范化，DPU最终可能会被蚀刻在硅片中，利用现有知识和软原型来实现一致的面向硬件的数据处理方法的深度。GPU可以很好地处理这个问题，特别是因为现代GPU可以很容易地分割出自己的一部分并将自己的一部分专门用于特定但相似的任务，尽管DPU的要求也可以通过具有不同架构的芯片来解决。W3C提出了一个更有趣的想法：DataPod（也称为SolidPod）。Pod本质上是由GPU控制和调解的虚拟图形数据库，通过标准协议进行通信，这是一项有望深刻改变数据处理格局的创新。这种类型的Pod有望成为数字孪生和物联网集成战略不可或缺的一部分（可能与DPU协同工作，DPU本身就是GPU的定制），因此大多数关于数据存储的想法将被完全重写。GPU网络的未来?业界一直在向网络化方向发展。组网是将不同规模和时延的功能单元网络进行扩展，以解决单个单元无法解决的问题的过程。毫无疑问，作为图形处理单元，GPU非常适合这一用途。GPU集群（具有相对低延迟的协调连接）正在取代通用超级计算机和分布式CPU集群，而GPU被分拆出来并专门用于渲染、深度学习、图形查询和协调等任务。尽管图形数据库（一些在GPU上运行，例如亚马逊的Neptune）和即将推出的W3CSolid标准使得在分布式网络上的此类设备之间存储状态和元数据成为可能，但这种趋势仍在发生。到2035年，独立处理器的概念可能会像独立数据库的概念一样过时。相反，云计算很可能成为动态、可配置网络中的GPU海洋——数据存储在基于图形的节点中，由GPU控制器调节，而CPU主要负责引导设备。写在最后?四五年前，提到GPU，人们往往会想到“挖矿”、人工智能、大型游戏等高端词汇。在大街小巷都在谈论“数字化转型”的今天，GPU开始从“玩转”向“唱主角”转型，迎来属于自己的时代。关于GPU，目前你怎么看？欢迎扫描下方海报二维码添加51CTO小助手，加入我们的读者群与您共同探讨。原文链接：https://www.datasciencecentral.com/is-the-gpu-the-new-cpu/
