单核游戏也挑配置，GPU的尽头在何方？ GPU正悄悄渗透到计算的方方面

GPU正悄悄渗透到计算的方方面面。就连单核CPU都可以玩的很爽的游戏，也开始投向了GPU的怀抱。随着云计算、XR、元宇宙的兴起， GPU、图形计算等会有哪些演进方向？希望此文能给大家一些新的启发和帮助。

文章图片
作者丨KurtCagle
译者丨布加迪
策划丨云昭

文章图片
我最近给女儿买了一台新电脑。我们把这台笔记本带回家，发现电脑开机后慢腾腾，本应花几分钟就能完成的设置却花了近一个小时。回到电脑店，这回对方指了指一台新的游戏本——键盘上有炫酷的彩色灯，更重要的是，还支持许多女儿爱玩的游戏，包括《我的世界》。
几天后，女儿把我叫到卧室，很快在《我的世界》中搭好了城堡。在上一台笔记本电脑上，同样的城堡会呈现更亮的橙黄色，从火的主色调反射出来。而通过她的新笔记本电脑(及中档NvidiaRTX图形卡) ，火焰在墙上投射了多个相互作用的阴影，包括角色站在火焰前投射到墙上的阴影。而当她把火扑灭，然后敬畏地站在那里，她的角色周围的房间在逐渐减弱的火光中真实地变暗时，我才意识到：GPU让它的老CPU兄弟黯然失色。
从“跑龙套”到“担纲主角”?
图形处理单元(GPU) ，一开始作为处理器的一部分，负责在早期的GUI环境中渲染画面。这其中许多操作都涉及到诸如矩阵操作等数学运算，因此，把它从CPU核心中分离出来，可以完成开销更大的操作，而CPU只需负责协调。
随着计算机软件变得更复杂(尤其是在游戏领域) ， GPU也变得功能更强大，因为需要大量的计算周期来管理3D渲染和合成。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，已经围绕流程并行化而建的GPU架构承担了其他角色。类似地，比特币挖矿涉及到诸如解决大素数来作为秘钥之类的问题，把这种极度稀缺性作为工作量算法的证据。
这对于英伟达来说，透露出这样一种信息：计算机执行的常规操作中，越来越多的部分涉及复杂的计算能力。到2010年代，英伟达和其他GPU制造商已经向云服务提供商销售用于高性能计算(HPC)的GPU 。这需要引入一个名为CUDA的软件层，它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：无论哪种操作系统或语言，都可以执行大量的数据中心计算。
然而，硬币有两面。 CUDA的另一面日益突显出来。随着更多的应用程序、操作系统以及Kubernetes等容器迁移到云端，人们期望以数据为中心的硬件，不仅能处理图形的繁重任务，还能处理查询的繁重任务。的确，查询已日益从“简单”的文本查询，转而涵盖从不同数据集提取上下文相关图的能力、查询机器学习模块用于分类(或分类训练)的能力，以及将传感器数据云视为可以查询、了解特定配置状态的张量场(tensorfield)的能力。
游戏助推：图形计算和GPU?
不难发现，这三种能力都需要图路径遍历的高速优化：从形成神经网络的递归图，到构成知识网络的超图，再到代表传感器网络的互连传感器节点。这些都是需要大规模并行性和高速计算的操作;由于它们在计算的各个方面变得越来越重要，组织对能将这些功能引入网络的硬件的需求也越来越大。
元宇宙最终也属于这一领域。如果将AR/VR的扩展现实(XR)视为时空网络和相关联的网络元数据云的结合体，那么这将再次推动最适合网络遍历和计算的硬件。我在其他地方说过，游戏行业是元宇宙的前身， GPU在很大程度上伴随游戏行业发展，成为最需要这些计算的“地方” 。