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.