Ungenutzte GPU-Leistung: Der Weg zu einem besseren Parallelrechner
Obwohl GPUs eine immense Rechenleistung für Echtzeit-Grafik und maschinelles Lernen bieten, bleibt ihr Potenzial für die allgemeine Datenverarbeitung ungenutzt. Dieser Artikel untersucht die Grenzen aktueller GPU-Architekturen und analysiert die Erfolge und Misserfolge wegweisender Parallelrechner-Designs wie Connection Machine, Cell und Larrabee. Der Autor schlägt mehrere Wege für die Zukunft vor, darunter den Aufbau großer Kern-Arrays, die Ausführung von Vulkan-Befehlen auf der GPU-Seite, die Verbesserung von Arbeitsgraphen oder die Weiterentwicklung der Parallelrechenfähigkeiten von CPUs. Das ultimative Ziel ist ein leistungsstärkerer und leichter programmierbarer Parallelrechner, um das Potenzial neuer Algorithmen und Anwendungen zu erschließen.
Mehr lesen