دوشنبه, ۱۷ اردیبهشت, ۱۴۰۳ / 6 May, 2024
زمانی برای مرگ CPU
وقتی شرکت اینتل پردازندههای ۳۲ نانومتری خود را با نام رمز Westmere عرضه کرد و از فشردهترین و کارآمدترین هستههای پردازنده که تا به حال تولید شده است استفاده نمود، ممکن است تصور کرده باشید به اوج فناوری محاسبه رسیدهایم. مطمئناً اینتل CPUهای جدید خود با این هدف عرضه میکند که قلب سیستمهای کامپیوتری نسل آینده باشند. اما همه بر سر این موضوع اتفاق نظر ندارند.
در حالی که اینتل مشغول جلب مشتری برای Westmere است، شرکت Nvidia خود را آماده میکند که سختافزار گرافیکی جدید خود را با نام رمز Fermi به بازار عرضه نماید و در عین حال وعده میدهد که نه تنها به رویاهای نسل بعدی تحقق بخشد؛ بلکه با قدرت محاسباتی پردازنده های سنتی نیز رقابت کند و حتی آنها را تحقیر نماید. در ظاهر به نظر میرسد که این امر به طرز محالی جاهطلبانه باشد. اما Nvidia استدلالهای فنی متقاعدکنندهای در دفاع از آن دارد و اثبات میکند که قدرت GPU اکنون میتواند برای اموری فراتر از بازیهای رایانهای مورد استفاده قرار گیرد. آیا سال ۲۰۱۰ سالی خواهد بود که در آن CPU تحتالشعاع سختافزار گرافیکی قرار میگیرد؟
● از CPU فاصله بگیرید
CPUهای فوقالعاده قوی که معمولاً در کامپیوترهای جدید یافت میشوند در واقع برای اکثر کاربردهای اداری و اینترنتی لازم نیستند. بله، اگر میخواهید پایگاه داده بزرگی از اعداد را به سرعت پردازش کنید یا یک فیلم دارای وضوح بالا را ویرایش نمایید، یک CPU پرسرعت به شما کمک خواهد کرد. اما ظهور پدیدهای چون نِتبوک به ما یاداوری میکند که برای بسیاری از امور روزمره پردازندهای به ارزانی و سادگی Intel Atom واقعاً کافی است.
با این وجود، نتبوکهای مبتنی بر پردازنده Atomمعمولاً از لحاظ تصویری رضایتبخش نیستند. آنها برای بازکردن و نمایش فایلهای رسانهای دارای وضوح بالا از قدرت پردازش کافی برخوردار نیستند. در مورد بازیهای جدید که اصلاً جای بحث نیست. Nvidiaبر این باور است که میتوان با ترکیب یک پردازنده Atom سبک وزن و یک GPU مجزا که مخصوص این امور است از قابلیتهای هر دو سختافزار به بهترین نحو استفاده کرد.
در مارس سال ۲۰۰۹، این شرکت چنین ترکیب سختافزاری را تحت عنوان Ion به بازار عرضه کرد. بِن بِراندو، مدیر بازاریابی این شرکت اظهار میکند که «Ion فیلمهایی مانند فیلمهای آنلاین یوتوب یا هولو را که با فلش ۱۰.۱ نمایش داده میشوند [از طریق یک سیستم Atom] به فیلمهای دارای وضوح و تفکیک بالا تبدیل میکند و از بازیهای محبوبی همچون The Simsو World of Warcraft پشتیبانی میکند.» بسیاری از صاحب نظران نیز تحت تأثیر قابلیتهای گرافیکی سیستمهای کمتوان مبتنی بر Ion از جمله نتبوک Samsung N۵۱۰ و نِتتاپ Asus Eee Box EB۱۵۰۱ قرار گرفتهاند.
به آسانی میتوان تصور کرد که در آینده CPU ممکن است با وجود یک سختافزار گرافیکی که مدلهای مختلف را به طور قابل توجهتری از هم متمایز میکند، در این بخش از بازار تقریباً از بحث خارج شود.
GPU همه منظوره اما این موضوع تنها بخشی از ماجراست. اگر GPU میتواند با رمزگشایی فیلم و تبدیل تصاویر سه بعدی به CPU کمک کند، دلیلی وجود ندارد که از قابلیتهای پردازش آن نیز نتوان برای اهداف دیگر استفاده کرد.
از موضوع استفاده از پردازنده گرافیکی برای محاسبات غیر گرافیکی تحت عنوان محاسبه GPU همه منظوره (GPGPU) یا به طور کوتاه محاسبه GPU یاد میشود. که تا حد زیادی هم قابل قبول است. بهترین پردازنده Core i۷ اینتل هشت هسته اجرایی را برای سیستم عامل فراهم میآورد (که چهار هسته آن هستههای مجازی هستند و از طریق فناوری Hyper-Threading شبیهسازی شدهاند). در حالی که یک کارت گرافیک ۳۰ پوندی ارزان ده برابر این تعداد واحدهای پردازش هسته اجرایی ارائه میدهد که هر یک بخشی از نیروی مصرفی به وسیله هسته CPU را دریافت میکنند.
تا پیشرفتهترین مدلها که پیش برویم با کارتهایی مانند ۲۹۵ Nvidia GTX مواجه میشویم که ۴۸۰ هسته را ادغام میکنند. بدیهی است که توسعهدهندگان با بهکارگیری این دستگاهها میتوانند میزانی از نیروی پردازش موازی را مهار کنند که CPU نمیتواند برای رقابت با آن امیدوار باشد. به زعم براندو «این صنعت در حال حاضر با گام نهادن از CPU به GPU شاهد سرعتهای بیسابقهای است. برای مثال، رمزگذاری فیلم از طریق GPU در مقایسه با CPU میتواند ده برابر سریعتر انجام شود؛ یا حتی بیشتر.»
محاسبه GPU کاربردهای جدیتری نیز دارد. برای مثال، Folding@home یک طرح محاسبه توزیعی است که در پی درمان بیماریهایی مانند سرطان، فیبروز کیستی و پارکینسون است. در سال ۲۰۰۸، Nvidia گزارش داد که بر اساس یک تحلیل، اجرای محاسبات Folding@home از طریق GPUهای این شرکت نتایج را ۱۴۰ برابر سریعتر از برخی CPUهای سنتی امروزی به دست میدهد.
به «کودا» خوش آمدید برگ برنده Nvidia چیزی به نام Compute Unified Device Architecture یا معماری دستگاه یکپارچه محاسباتی (CUDA) است که برای اولین بار در سال ۲۰۰۷ به عرضه گذاشته شد. CUDA زبانهای برنامهنویسی آشنا از جمله سی، جاوا و فورترن را توسعه میدهد و دارای عملکردهایی است که انتقال محاسبات به Nvidia GPU را برای توسعهدهندگان آسانتر میسازد. CUDA تنها راه ایجاد نرمافزار مبتنی بر GPU نیست.
برای مثال، نرمافزار DirectCompute API شرکت مایکروسافت و چارچوب فناوری OpenCL که در ابتدا توسط شرکت Apple توسعه یافت یک سری عملکردهای برنامهنویسی ارائه میدهند که بر روی هر گونه GPU جدید قابل اجراست. در واقع، AMD رقیب Nvidia استدلال میکند که این استانداردهای نامحدود نمایانگر آینده هستند؛ نه دنیای محدود CUDA (به مصاحبه با مدیر بازاریابی AMD توجه کنید.)
اما CUDA حدوداً دو سال زودتر از این واسطهای نامحدود عرضه شد و همان طور که سانفورد راسِل، مدیر کل CUDA در همایش فناوری GPU این شرکت در سال ۲۰۰۹ شرح داد، CUDA به دلیل پشتیبانی از زبانهای آشنا و به ویژه زبان سی اساساً گزینه جذابتری برای توسعهدهندگان است. راسل در حالی که از پنجره به طرف خیابانهای سیلیکون ولی اشاره میکرد گفت «اگر بیرون بروید و بگویید هر کسی که با زبان سی برنامهنویسی میکند در این طرف خیابان بایستد و هر کسی که از API استفاده میکند در آنجا بایستد، فقط تعداد کمی از مردم در طرف API میایستند؛ در حالی که مردم زیادی در طرف سی خواهند ایستاد.»
Nvidia همچنین قصد دارد با عرضه انواع جدیدی از کارتهای گرافیک مبتنی بر معماری ابتکاری Fermi خود CUDA را به قابلیتهای بیشتری مجهز سازد. به گفته یکی از مدیران انویدیا کارتهای Fermi اولین کارتهایی هستند که «در آنها به گرافیک و رمز به طور یکسان توجه شده است.» پیشرفتهای فنی شامل یک حافظه مشترک L۲ و یک زمانبند رشته (thread) آنبورد میشود که به Fermi در اجرای رمز به طور کارآمدتر از هر گونه GPU موجود کمک خواهد کرد.
همه اینها به تصویری از آینده میانجامد که در آن CPU به تدریج به یک کالای سبک وزن و مصرفی در کل معماری کامپیوتر تبدیل میشود؛ در حالی که عملیات تصویری و ریاضی به وسیله یک GPU کاملاً قابل برنامهریزی موازی حجیم اداره میشود. آیا به سوی این هدف حرکت میکنیم؟ آیا قرار است تولیدکنندگان CPU نقش اندکی در صنعت کامپیوتر داشته باشند؟
● محدودیتهای GPU
فناوری GPU هنوز نمیتواند در برخی از زمینهها با CPU سنتی رقابت کند. CPUهای جدید دارای مجموعه فرمانهای عظیم و ویژگیهای پیشرفتهای مانند اجرای همزمان چند دستور غیر وابسته و انشعاب فرضی هستند که عدم اتلاف چرخههای ساعت را تضمین میکنند. بنابراین، CPU در اجرای رمز تکرشتهای پیچیدهای که معرف اکثر برنامههاست، بسیار موفقتر است. در حالی که پردازش دادههای با مقیاس بزرگ شاید فقط برای طرحهای تحقیقاتی و کاربردهای تجاری مورد نیاز باشد، در حوزه کاربردهای خانگی و تجاری غیر از مثالهای نامآشنای ویرایش فیلم و تبدیل رمز، امور زیادی وجود ندارند که واقعاً از آن بهرهمند شوند. این نکته مهم از دید اینتل پوشیده نیست.
وقتی از مایک آبِل، مهندس بازاریابی تولید این شرکت پرسیده شد که آیا این شرکت CUDA را یک تهدید در نظر میگیرد، وی به طور آشکار ترس خود را ابراز نکرد. وی تصدیق کرد که «در برخی موارد ممکن است بگویید CUDA از CPU مفیدتر است، اما وقتی DirectCompute و چیزهایی مانند آن را در نظر میگیرم، به اعتقاد من آنها برای ایستگاههای کاری پیشرفته در نظر گرفته شدهاند. محاسبه با کارایی بالا بخش کاملاً متفاوتی با محاسبه متوسط است و در مورد محاسبه متوسط راههای مختلف زیادی وجود دارد که یک برنامه نرمافزاری کارایی داشته باشد، مانند تردینگ چندگانه» آبِل نمیتوانست به طور دقیق درباره محاسبه GPU برای برنامههای کاربردی با کارایی بالا صحبت کند.
اما این طور نیز انتظار میرفت؛ زیرا اینتل فعلاً مشغول جبران خسارتهای ناشی از عدم موفقیت Larrabee است؛ کارت گرافیکی که به سبک GPU تولید شده است و تولید آن در ماه دسامبر متوقف شده است. اما این شکست به خودی خود تا حد زیادی نشاندهنده محدودیتهای محاسبه GPU است: هستههای Larrabee از پردازندههای جریانی Nvidia پیشرفتهتر بودند که این امر اجرای امور پیچیدهتر را برای آنها میسر میساخت و موجب گرانتر شدن، مصرف برق بیشتر و دشوارتر شدن برنامهریزی آنها نیز میشد.
اما آبِل درباره محاسبه متوسط با خرسندی توضیح داد که تا جایی که به اینتل ارتباط دارد قدرت CPUهای آن برای نامرتبط دانستن محاسبه GPU کافیست. وی اظهار داشت که «CPU در عرصه کامپیوتر شخصی در رده اول قرار دارد و به اعتقاد ما در همین رده نیز باقی خواهد ماند. اگر کسی میخواهد بازی کند، میتواند یک کارت گرافیک مجزا تهیه کند. اما در مورد تبدیل رمز، آیا باید یک کارت گرافیک ۲۰۰ دلاری بخرم یا اینکه CPU من به قدر کافی خوب است؟ بر اساس مشاهدات و آزمایشات ما CPU کاملاً یک محصول رقابتی است و در برخی موارد کارایی بهتری نسبت به Nvidia و AMD دارد.» وی تصدیق کرد که DirectCompute نیز ممکن است در برخی موارد مفید باشد.
«ممکن است در زمینههای خاصی استفاده از آن معقول باشد. من نمیگویم اینتل هرگز از آن پشتیبانی نخواهد کرد. امروز یک راهحل کاملاً رقابتی در اختیار داریم، اما همیشه سعی میکنیم از همه منابع موجود در یک پردازنده به بهترین نحو استفاده کنیم و اگر روشهای خلاقی برای انجام این کار وجود داشته باشد، مطمئناً آنها را ارزیابی خواهیم کرد.»
چنین موضعی مسلم و قطعی است اما همان طور که راجِر کِی تحلیلگر Endpoint Technologies اشاره میکند، اینتل به زحمت میتواند چیز دیگری بگوید. کِی میگوید: «تولید یک تراشه با کارایی و قدرتی که امکان رقابت در یک فضای محاسبه فوقالعاده موازی را فراهم کند، به زمان بیشتری نیاز دارد.»
● راند بعدی
مشاهده نحوه عملکرد راهکارهای مختلف اینتل و Nvidia در سال ۲۰۱۰ جالب توجه خواهد بود. اما قبل از اینکه به این بحث خاتمه دهیم، لازم به ذکر است که هر دو شرکت چند طرح دیگر برای ارائه دارند. Nvidia تاکنون نشان داده است که CUDA در بین سختافزارهای موجود بازار خوبی دارد و Fermi در صدد شکوفایی امکانات بیشتر برنامهنویسی مبتنی بر GPU است. ضمناً اینتل امیدوار است با ارتقای مداوم پردازندههای خود از محاسبه GPU پیشی بگیرد و به آنها در انجام امور رسانهای که منبع درآمد GPUهای مجزاست کمک کند.
رادوسلا والزیک، مدیر روابط عمومی شرکت اینتل تأیید کرد که «قبلاً اعلام شده بود که در Sandy Bridge (معماری نسل بعدی اینتل که در سال ۲۰۱۱ به بازار عرضه میشود) از دستورالعملهای جدید Advanced Vector Extensions استفاده خواهد شد. این میتواند کارایی محاسبات ممیز شناور را به طور قابل توجهی بهبود بخشد. ما طرحهای دیگری نیز در دست اقدام داریم که فعلاً درباره آنها صحبت نخواهیم کرد.
اما میتوانید مطمئن باشید که همگام با نسلهای جدید سختافزار، اینتل فناوریهای جدیدی را عرضه خواهد کرد که قطعاً از عملیات چندرسانهای برخوردار خواهند بود.» اما در نهایت هر تغییر و تحولی هم که صورت بگیرد، تردیدی وجود ندارد که محاسبه GPU وضعیت را برای همیشه تغییر داده است. همان طور که راجِر کِی نتیجهگیری میکند «مردم عادی به این زودیها از محاسبه GPU استفاده نخواهند کرد، اما بلافاصله از دستاوردهای آن بهرهمند خواهند شد: جلوههای انیمیشنی ساخته شده توسط استودیوهای مهم، داروهای کشف شده با استفاده از محاسبه GPU و شاید حتی هزینه پرداختی بابت مصرف انرژی؛ زیرا شرکتهای نفت و گاز از این فناوری برای اکتشاف استفاده خواهند کرد.»
● AMD، وزنه تعادل
به عنوان تنها شرکت مهم تولیدکننده CPU و کارت گرافیک مجزا (با مارک ATI)، از AMD انتظار میرود دیدگاه بیطرفانهای داشته باشد. درهمین باره نشریه PC PRO با ساشا مارینکویچ، مدیر بازاریابی این شرکت گفتوگویی داشتهاست که در زیر میخوانید:
● آیا به نظر شما GPU دنیا را متحول خواهد کرد؟
انجام محاسبات از طریق GPU قطعاً تغییر الگوی بزرگی در شیوه حل مشکلات دنیای واقعی خواهد بود. تاکنون شاهد استقبال شرکتهایی مانند CyberLink، ArcSoft و Adobe از GPU بودهایم. برای دستیابی توسعهدهندگان به این فناوری اقدامات اندکی لازم است، اما انتظار داریم شاهد برنامههای مبتنی بر GPU بیشتری در سالهای ۲۰۱۰ و ۲۰۱۱ باشیم.
● فکر میکنید مدل برنامهنویسی CUDA مزیتی را برای آن فراهم میکند؟
نمیخواهم درباره روش کسی اظهار نظر کنم، اما در گذشته شاهد شکست بسیاری از سیستمهای اختصاصی بودهایم. استانداردهای نامحدود OpenCL و DirectCompute در واقع تازه در چند ماه گذشته در دسترس قرار گرفتهاند، اما هماکنون صنعت به این استانداردها روی آورده است. زیرا توسعهدهندگان میخواهند از تلاشهای مهندسی خود به بهترین نحو استفاده کنند و ما میخواهیم این استانداردهای صنعتی را در جهت فراهم کردن شرایط لازم برای سرمایهگذاران و توسعه پلتفرمها هدایت کنیم.
حذف پردازشگر Larrabee شرکت اینتل فرصتی را برای AMD فراهم میکند؟ در چند سال گذشته به طور بیوقفه برای افزایش کارایی کارتهای گرافیک مجزا پیشقدم بودهایم و من متوجه نمیشوم که Larrabee چگونه میخواست این وضعیت را تغییر دهد. بنابراین ما فقط بر اجرا و وارد کردن ویژگیهای ابتکاری به بازار تمرکز میکنیم.
● آیا ظهور محاسبه به طریق GPU بدین معناست که از ارج و قرب CPU کاسته خواهد شد؟
AMD به یک پلتفرم متعادل اعتقاد دارد. یک GPU با تعداد زیادی پردازنده شاید قدرتمندترین سختافزار محاسباتی در بازار باشد، اما GPU بیشتر برای بارگذاریهای سری مناسب است. انتقال برنامههای مختلف به جای مناسب کاربر نهایی را از لحاظ کارایی بهرهمند میسازد که این در مورد کامپیوترهای همراه احتمالاً به معنای افزایش طول عمر باتری خواهد بود. ما تنها شرکتی هستیم که هم CPU و هم GPU تولید میکنیم و توانایی ما برای تولید یک پلتفرم واقعاً متعادل ما را نسبت به رقبایمان برتر میسازد.
منبع: ماهنامه PC PRO، آوریل ۲۰۱۰
نویسنده: دارین گِراهام اِسمیت
مترجم: احمد شریفی
نمایندگی زیمنس ایران فروش PLC S71200/300/400/1500 | درایو …
دریافت خدمات پرستاری در منزل
pameranian.com
پیچ و مهره پارس سهند
تعمیر جک پارکینگ
خرید بلیط هواپیما
غزه ایران آمریکا شورای نگهبان مجلس شورای اسلامی انتخابات دولت حسین امیرعبداللهیان حجاب جنگ دولت سیزدهم حسن روحانی
سلامت هواشناسی اصفهان شهرداری تهران تهران قتل فضای مجازی سیلاب سامانه بارشی سازمان هواشناسی آموزش و پرورش باران
بانک مرکزی خودرو بنزین بازار خودرو قیمت دلار قیمت طلا قیمت خودرو دلار یارانه مسکن ایران خودرو حقوق بازنشستگان
تلویزیون نمایشگاه کتاب سینمای ایران صدا و سیما دفاع مقدس مسعود اسکویی موسیقی سریال مهران غفوریان
معماری
اسرائیل رژیم صهیونیستی حماس فلسطین جنگ غزه روسیه اوکراین امیرعبداللهیان طوفان الاقصی ایالات متحده آمریکا نوار غزه جنگ اوکراین
فوتبال پرسپولیس استقلال لیگ برتر جواد نکونام رئال مادرید سپاهان بارسلونا بازی لیگ برتر انگلیس باشگاه استقلال باشگاه پرسپولیس
باتری اپل گوگل اینستاگرام آیفون مایکروسافت ناسا عکاسی سامسونگ
کاهش وزن دیابت توت فرنگی سیگار فشار خون کبد چرب