近年來,GPU繪圖處理器的發展有很大的轉變,從過去是玩3D電玩必備的繪圖加速卡,發展成為超級電腦的必備利器,甚至在接下來GPU深入商業應用發展的趨勢下,有一天你可能會說:我買了一臺超級電腦。

在最早的GPU產品發表會上,場景其實跟3D電玩的發表會沒什麼兩樣,因為早期GPU的主力戰場就是3D繪圖,歷年來的發展就是強調更快速的繪圖運算,能夠處理更逼真的材質,呈現出栩栩如生的3D虛擬世界。

接下來,GPU開始朝多核心發展。由於GPU的運算核心小,隨著半導體製程的進度,一顆GPU動輒能放上數百個運算核心,使得GPU具有處理大量簡單運算的優勢。

隨著GPU進一步再發展為可程式化的架構,高效能運算的應用開始採用GPU來加速運算,在全球超級電腦排行榜上,陸續出現採用GPU的超級電腦系統。直到近代,能夠衝上排行榜寶座的超級電腦,無一不採用GPU。

這幾年GPU發表會的場合中,GPU不再只是與3D電玩畫上等號,出現更多的是科學運算的景像,如DNA運算、氣候模擬、高能物理等等。

至此大概就是這幾年GPU的發展狀況,現在說起GPU,很多人都會想到科學運算、超級電腦,甚至是政府支持的秘密先進實驗室。但是,今年我們到Nvidia的GPU年度技術大會上,看到舞臺上登場的不再是讓人覺得高不可攀的超級電腦運算中心,卻是一個個我們再熟悉不過的網路公司,如SaaS雲端服務商Salesforce、App開發商Shazam、團購網站Groupon等等,他們是新一波探索GPU運算的企業先鋒。

這些公司都面臨了處理巨量資料(Big Data)的挑戰。Salesforce的行銷雲(Marketing Cloud)服務,因為提供社群監控(Social Listening)功能,必須要分析Twitter等社群網路的內容。Salesforce每天面對的挑戰是分析5億則推文(Tweets),而且速度要夠快,否則其客戶無法快速反應社群危機事件;提供歌曲查詢服務的Shazam,在行動裝置的推波助瀾下,用戶數量以2倍至3倍的速度快速增加,每當使用者上傳要查詢的聲音片段,Shazam就必須快速比對資料庫裏的2千7百萬筆聲紋資料,所要面對的資料處理挑戰不是一般企業所能比擬;而團購網站Groupon則投入GPU資料庫的研發,嘗試透過資料切割的方法,利用CPU本身的快取與GPU的記憶體,找出提升資料庫查詢速度的新方法。

上述作法大多是在既有的CPU架構下,再加入擁有平行運算優勢的GPU,利用如螞蟻雄兵的數百個GPU運算核心,快速處理資料運算。而令人訝異的是,他們所用的GPU有些根本就是消費型產品,而且也就靠幾臺伺服器就完成了。

不過,目前企業要投入GPU+CPU的應用開發有很高的門檻,但在廠商陸續投入研發之後,相關產品或許就能讓技術門檻降低。例如Hitachi研發的金融交易XML加速技術,利用一張GPU加速卡的500個運算核心,來提升XML處理速度。概念上看起來不難,但是當你有500個運算核心同時在處理時,如何協調與克服衝突就是個大難題了。不過,假以時日這些技術難題一一克服之後,就不是只有高端的學術研究機構才有辦法駕馭GPU,一般企業一樣也能使用。

GPU搭配CPU這種現代超級電腦的典型架構,如今已開始成為企業能用得上的方法,未來,你就有可能為公司買進超級電腦,只不過是規模小一些罷了。當然,企業就必須學習新的技能,過去只跟科學研究較有關係的平行運算程式,也許會成為接下來的顯學。

吳其勳/iThome電腦報周刊總編輯

專欄作者

熱門新聞

Advertisement