单核游戏也挑配置，GPU的尽头在何方？( 二 ) GPU正悄悄渗透到计算的方方面

与此同时， CPU作为独立处理器的角色正在转变成为“后脑”处理器：它处理启动GPU云的“大脑皮层”的引导过程，管理虚拟化(当虚拟化也不是由GPU管理时) ，并与专用数字信号处理器(DSP)协调，以管理“感官”信号的采集，并将信号传输到这同一个GPU环境的更庞大语境中。

文章图片
DPU、数据pod和GPU网络可能是GPU的下一大步
DPU是GPU的下一个版本吗??
“感官”数据集成的原因，迫使CPU和GPU再次演进，但这并不算是巨大的飞跃。处理和聚合信号(在广义上)常常是一种综合功能，通常需手动完成，成本昂贵，十分复杂。因此，市面上开始流行自主数据处理单元(DPU)的概念，它可用于聚合信号，并转换成可查询的存储内容。
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中，利用现有知识和软原型，以一致的面向硬件的方法实现深度数据处理。 GPU可以很好地处理这一问题，尤其是现代GPU可以很容易地将自己的一部分分割出来，专门用于特定但类似的任务，尽管DPU的要求也可能可以通过具有不同体系结构的芯片来解决。
W3C提出了一个比较有趣的想法：DataPod(又称SolidPod) 。 Pod本质上是通过GPU控制和调解的虚拟图数据库，通过标准协议进行通信，这项创新有望深刻地改变数据处理格局。该类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，而DPU本身就是GPU的定制化产品) ，因此数据存储方面的大多数理念都将被彻底改写。
GPU网络的未来?
业界一直在朝网络化的方向发展，网络化是扩建不同规模、不同延迟的功能单元网络的过程，以便解决单个单元无法解决的问题。毫无疑问，作为图形处理器， GPU很好地契合这种用途。 GPU集群(具有相对较低的延迟协调连接)正在取代通用超级计算机和分布式CPU集群，而GPU则被分割出去，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(一些运行在GPU上，如亚马逊的Neptune)和即将出现的W3CSolid标准，使在分布式网络上存储此类设备之间的状态和元数据成为可能，但上述趋势仍在发生。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，云计算很可能会成为动态、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控制器进行调节， CPU主要负责引导设备。
写在最后?
【单核游戏也挑配置，GPU的尽头在何方？】四、五年前，一提到GPU ，人们往往想到“挖矿”、人工智能、大型游戏等这些高端词汇。而如今大街小巷都在谈论“数字化转型”的今天， GPU已经开始从“跑龙套”蜕变到“担纲主角” ，迎来属于自己的时代。