HSA для разработчиков: гетерогенные вычисления для масс

Что общего у производителей микросхем, таких как AMD, ARM, Samsung, MediaTek, Qualcomm и Texas Instruments? Что ж, помимо очевидного сходства между этими гигантами по производству чипов, они также являются основателями HSA Foundation. Что такое HSA и почему для этого нужен фонд, поддерживаемый отраслевыми тяжеловесами?

В этом посте я попытаюсь объяснить, почему HSA может иметь большое значение в ближайшем будущем, поэтому я начну с основ: что такое HSA и почему вас это должно волновать ?

HSA расшифровывается как Heterogeneous System Architecture, что звучит немного скучно, но поверьте мне, это действительно может стать очень увлекательным. HSA — это, по сути, набор стандартов и спецификаций, предназначенных для дальнейшей интеграции ЦП и ГП на одной шине. Это не совсем новая концепция; ЦП для настольных ПК и мобильные SoC уже много лет используют интегрированную графику и единую шину, но HSA выводит ее на новый уровень.

Вместо того, чтобы просто использовать одну и ту же шину и общую память для ЦП и ГП, HSA также позволяет этим двум совершенно разным архитектурам работать в тандеме и совместно выполнять задачи . Это может показаться не таким уж большим делом, но если вы присмотритесь повнимательнее и изучите потенциальные долгосрочные последствия этого подхода, он начинает выглядеть очень «прикольно» в техническом смысле.

О нет! Вот еще один глупый стандарт, который разработчики должны реализовать

И да и нет.

Идея совместного использования одной и той же шины не нова, как и идея использования высокопараллельных графических процессоров для определенных вычислительных задач (которые не включают рендеринг снимков головы). Это было сделано раньше, и я думаю, что большинство наших читателей уже знакомы со стандартами GPGPU, такими как CUDA и OpenCL.

Однако, в отличие от подхода CUDA или OpenCL, HSA эффективно выводит разработчика из уравнения, по крайней мере, когда речь идет о назначении разных нагрузок разным процессорным ядрам. Аппаратное обеспечение будет решать, когда переносить вычисления с ЦП на ГП и наоборот. HSA не должен заменять устоявшиеся языки программирования GPGPU, такие как OpenCL, поскольку они также могут быть реализованы на оборудовании HSA.

В этом весь смысл HSA: он должен сделать весь процесс простым, даже бесшовным. Разработчикам не обязательно думать о переносе вычислений на GPU. Аппаратное обеспечение сделает это автоматически.

Для этого HSA придется пользоваться поддержкой нескольких производителей микросхем и поставщиков аппаратного обеспечения. Хотя список сторонников HSA впечатляет, Intel заметно отсутствует в этом истинном лидере индустрии чипов. Учитывая долю рынка процессоров Intel как для настольных компьютеров, так и для серверов, это большое дело. Еще одно имя, которого вы не найдете в списке, — это Nvidia, которая ориентирована на CUDA и в настоящее время является лидером рынка вычислений на GPU.

Однако HSA предназначен не только для высокопроизводительных систем и приложений на оборудовании, которое обычно имеет наклейку Intel Inside . HSA также можно использовать в энергоэффективных мобильных устройствах, где доля Intel на рынке незначительна.

Итак, HSA должен облегчить жизнь, но актуален ли он? Будет ли это зацепить? Это не технологический вопрос, а экономический. Это будет зависеть от невидимой руки рынка. Итак, прежде чем мы продолжим, давайте начнем с того, что подробнее рассмотрим, как обстоят дела сейчас и как мы сюда попали.

Разработка HSA, проблемы с прорезыванием зубов и проблемы с усыновлением

Как я сказал во введении, HSA не совсем новая концепция. Первоначально он был задуман компанией Advanced Micro Devices (AMD), которая была заинтересована в его реализации. Десять лет назад AMD купила специалиста по графике ATI, и с тех пор компания пытается использовать свой доступ к передовым технологиям графических процессоров для увеличения общих продаж.

На первый взгляд, идея была достаточно проста: AMD не только продолжит разработку и производство передовых дискретных графических процессоров, но и интегрирует технологию графических процессоров ATI в свои процессоры. Отдел маркетинга AMD назвал эту идею «Fusion», а HSA — Fusion System Architecture (FSA). Звучит здорово, правда? Получение приличного процессора x86 с хорошей встроенной графикой казалось хорошей идеей, и так оно и было.

К сожалению, по пути AMD столкнулась с рядом проблем; Выделю несколько из них:

• Любая хорошая идея в сфере технологий обязательно будет подхвачена конкурентами, в данном случае — Intel.
• AMD уступила Intel технологическое преимущество, и ей стало все труднее конкурировать на рынке процессоров из-за лидерства Intel в области литейных технологий.
• Производительность AMD была проблематичной, и многие новые процессоры выходили на рынок с опозданием. Другие были полностью списаны.
• Экономический кризис 2008 года и последовавшая за ним мобильная революция не помогли.

Эти и ряд других факторов свели на нет преимущество AMD и помешали внедрению ее продуктов и технологий на рынке. AMD начала выпускать процессоры с интегрированной графикой Radeon нового поколения в середине 2011 года и начала называть их ускоренными процессорами (APU) вместо CPU.

Помимо маркетинга, первое поколение APU AMD (под кодовым названием Llano) потерпело фиаско. Чипы опаздывали и не успевали за предложениями Intel. Серьезные функции HSA также не были включены, но AMD начала добавлять их в свою платформу 2012 года (Trinity, которая, по сути, была сделана правильно Llano). Следующий шаг был сделан в 2014 году с введением APU Kaveri, которые поддерживали гетерогенное управление памятью (IOMMU графического процессора и MMU ЦП совместно использовали одно и то же адресное пространство). Kaveri также обеспечил большую архитектурную интеграцию, обеспечив согласованную память между ЦП и ГП (AMD называет это hUMA, что означает гетерогенный унифицированный доступ к памяти). Последующее обновление Carizzo добавило еще больше функций HSA, позволяя процессору контекстно переключать вычислительные задачи на графическом процессоре и выполнять еще несколько трюков.

Предстоящая архитектура ЦП Zen и построенные на ее основе APU обещают еще больше, если и когда она появится на рынке.

Так в чем проблема?

AMD была не единственным производителем чипов, реализовавшим потенциал встроенных графических процессоров. Intel также начала добавлять их в свои процессоры Core, как и производители чипов ARM, поэтому интегрированные графические процессоры в настоящее время используются практически во всех SoC для смартфонов, а также в подавляющем большинстве ПК/Mac. Тем временем позиции AMD на рынке процессоров пошатнулись. Падение доли рынка сделало платформы AMD менее привлекательными для разработчиков, предприятий и даже потребителей. На рынке просто не так много ПК на базе AMD, а Apple вообще не использует процессоры AMD (хотя использовала графику AMD, в основном из-за совместимости с OpenCL).

AMD больше не конкурирует с Intel на рынке высокопроизводительных процессоров, но даже если бы это было так, в этом отношении это не имело бы большого значения. Люди не покупают рабочие станции или игровые ПК за 2000 долларов, чтобы использовать интегрированную графику. Они используют дорогую дискретную графику и не особо заботятся об энергоэффективности.

Как насчет HSA для смартфонов и планшетов?

Но ждать. А мобильные платформы? Не может ли AMD просто выпустить аналогичные решения для чипов смартфонов и планшетов? Ну, нет, не совсем.

Видите ли, через несколько лет после приобретения ATI AMD оказалась в тяжелом финансовом положении, усугубленном экономическим кризисом, поэтому она решила продать свое подразделение мобильных графических процессоров Imageon компании Qualcomm. Qualcomm переименовала продукты в Adreno (анаграмма Radeon) и стала доминирующим игроком на рынке процессоров для смартфонов, используя недавно перекрашенные собственные графические процессоры.

Как некоторые из вас могут заметить, продажа графического оборудования для смартфонов как раз в тот момент, когда революция смартфонов вот-вот должна была начаться, не выглядит блестящим бизнес-ходом, но я предполагаю, что задним числом всегда 20/20.

Раньше HSA ассоциировался исключительно с AMD и ее процессорами x86, но это уже не так. На самом деле, если бы все члены HSA Foundation начали поставлять процессоры ARM для смартфонов с поддержкой HSA, их продажи превзошли бы процессоры AMD x86 в несколько раз, как с точки зрения доходов, так и с точки зрения отгруженных единиц. Так что же произойдет, если они это сделают? Что это будет означать для отрасли и разработчиков?

Ну, во-первых, процессоры смартфонов уже полагаются на гетерогенные вычисления. Гетерогенные вычисления обычно относятся к концепции использования различных архитектур в одном чипе, и, учитывая все компоненты современных высокоинтегрированных SoC, это может быть очень широкое определение. В результате почти каждый SoC можно считать гетерогенной вычислительной платформой, в зависимости от стандартов. Иногда люди даже называют разные процессоры, основанные на одном и том же наборе инструкций, гетерогенной платформой (например, мобильные чипы с ядрами ARM Cortex-A57 и A53, оба из которых основаны на 64-битном наборе инструкций ARMv8).

Многие наблюдатели согласны с тем, что большинство процессоров на базе ARM теперь можно считать гетерогенными платформами, включая чипы Apple A-серии, однокристальные системы Samsung Exynos и аналогичные процессоры других производителей, а именно таких крупных игроков, как Qualcomm и MediaTek.

Но зачем кому-то HSA на процессорах смартфонов? Разве смысл использования графических процессоров для общих вычислений не в профессиональных рабочих нагрузках, а не в Angry Birds и Uber?

Да, но это не означает, что почти идентичный подход нельзя использовать для повышения эффективности, что является приоритетом при проектировании мобильных процессоров. Таким образом, вместо выполнения бесчисленных параллельных задач на высокопроизводительной рабочей станции HSA можно также использовать для повышения эффективности и универсальности мобильных процессоров.

Мало кто присматривается к этим процессорам, обычно они проверяют спецификацию, когда покупают новый телефон, и все: смотрят на номера и бренды. Обычно они не смотрят на сам кристалл SoC , что говорит нам о многом, и вот почему: графические процессоры на высокопроизводительных процессорах для смартфонов занимают больше кремниевой площади, чем процессоры. Учитывая, что они уже есть, было бы неплохо использовать их в приложениях, отличных от игр, не так ли?

Гипотетический процессор для смартфонов, полностью совместимый с HSA, может позволить разработчикам использовать этот потенциал без значительного увеличения общих производственных затрат, реализовывать больше функций и повышать эффективность.

Вот что HSA может сделать для процессоров смартфонов, по крайней мере теоретически:

• Повышайте эффективность, передавая подходящие задачи на GPU.
• Повысьте производительность, разгрузив ЦП в некоторых ситуациях.
• Используйте шину памяти более эффективно.
• Потенциально снизить затраты на производство микросхем за счет одновременного использования большего количества кремния.
• Внедряйте новые функции, которые не могут эффективно обрабатываться ядрами ЦП.
• Оптимизация разработки за счет стандартизации.

Звучит неплохо, особенно если учесть, что разработчики вряд ли будут тратить много времени на реализацию. Это теория, но нам придется подождать, чтобы увидеть ее в действии, а это может занять некоторое время.

Как вообще работает HSA?

Я уже изложил основы во введении и не решаюсь вдаваться в подробности по нескольким причинам: никому не нравятся новеллы, опубликованные в техническом блоге, и реализации HSA могут отличаться.

Поэтому я постараюсь изложить концепцию в нескольких сотнях слов.

В стандартной системе приложение разгружало бы вычислительный GPU, передавая буферы на GPU, что включало бы вызов CPU перед постановкой в ​​очередь. Затем ЦП планировал задание и передавал его графическому процессору, который после завершения возвращал его обратно в ЦП. Затем приложение получит буфер, который снова должен быть отображен процессором, прежде чем он будет готов. Как видите, этот подход включает в себя множество возвратов и встреч.

В системе HSA приложение ставит задание в очередь, ЦП HSA берет на себя управление, передает его графическому процессору, возвращает его и передает приложению. Сделанный.

Это стало возможным благодаря совместному использованию системной памяти непосредственно между ЦП и ГП, хотя могут быть задействованы и другие вычислительные блоки (например, DSP). Для достижения такого уровня интеграции памяти HSA использует виртуальное адресное пространство для вычислительных устройств. Это означает, что ядра CPU и GPU могут обращаться к памяти на равных условиях , если они совместно используют таблицы страниц, что позволяет различным устройствам обмениваться данными через указатели.

Очевидно, что это хорошо для эффективности, потому что больше нет необходимости выделять память для GPU и CPU, используя для каждого виртуальную память. Благодаря объединенной виртуальной памяти они оба могут обращаться к системной памяти в соответствии со своими потребностями, обеспечивая превосходное использование ресурсов и большую гибкость.

Представьте себе маломощную систему с 4 ГБ оперативной памяти, из которых 512 МБ выделены для встроенного графического процессора. Эта модель обычно не гибкая, и вы не можете изменить объем памяти графического процессора на лету. Вы застряли с 256 МБ или 512 МБ, и все. С HSA вы можете делать все, что захотите: если вы перегружаете много данных на GPU и вам нужно больше оперативной памяти для GPU, система может выделить ее. Таким образом, в приложениях, связанных с графикой, с большим количеством ресурсов высокого разрешения, система может в конечном итоге незаметно выделить 1 ГБ или более ОЗУ для графического процессора.

При прочих равных системах с HSA и без HSA будет использоваться одна и та же пропускная способность памяти , доступ к одному и тому же объему памяти , но система HSA может в конечном итоге использовать ее гораздо эффективнее, тем самым повышая производительность и снижая энергопотребление. Все дело в том, чтобы получить больше за меньшие деньги.

Для чего нужны гетерогенные вычисления?

Простой ответ? Гетерогенные вычисления, или HSA, как одна из его реализаций, должны быть хорошим выбором для всех вычислительных задач, которые лучше подходят для графических процессоров, чем для центральных процессоров. Но что это значит, в чем вообще хороши графические процессоры?

Современные интегрированные графические процессоры не очень мощны по сравнению с дискретной графикой (особенно высококлассными игровыми видеокартами и решениями для рабочих станций), но они намного мощнее своих предшественников.

Если вы не отслеживали, вы могли бы предположить, что эти интегрированные графические процессоры — шутка, и в течение многих лет они были именно таковыми: графика для дешевых домашних и офисных коробок. Однако ситуация начала меняться на рубеже десятилетий, когда интегрированные графические процессоры переместились из набора микросхем в пакет ЦП и умерли, став по- настоящему интегрированными .

Несмотря на то, что по сравнению с флагманскими графическими процессорами мощность по-прежнему крайне мала, даже интегрированные графические процессоры обладают большим потенциалом. Как и все графические процессоры, они превосходны при загрузке одной инструкции, нескольких данных (SIMD) и одной инструкции, нескольких потоков (SIMT). Если вам нужно обработать много чисел в повторяющихся параллельных нагрузках, вам должны помочь графические процессоры. С другой стороны, процессоры по-прежнему лучше справляются с тяжелыми разветвленными рабочими нагрузками.

Вот почему процессоры имеют меньше ядер, обычно от двух до восьми, и ядра оптимизированы для последовательной последовательной обработки. Графические процессоры, как правило, имеют десятки, сотни, а флагманские дискретные видеокарты — тысячи более мелких и эффективных ядер. Ядра графического процессора предназначены для одновременной обработки нескольких задач, но эти отдельные задачи намного проще, чем задачи, выполняемые центральным процессором. Зачем нагружать ЦП такими нагрузками, если ГП может справиться с ними с превосходной эффективностью и/или производительностью?

Но если графические процессоры так чертовски хороши в этом, почему мы не начали использовать их в качестве обычных вычислительных устройств много лет назад? Что ж, индустрия пыталась, но прогресс был медленным и ограничивался определенными нишами. Первоначально эта концепция называлась «Вычисления общего назначения на графических процессорах» (GPGPU). В прежние времена потенциал был ограничен, но концепция GPGPU была разумной и впоследствии была принята и стандартизирована в форме CUDA от Nvidia и OpenCL от Apple/Khronos Group.

CUDA и OpenCL имели огромное значение, поскольку позволили программистам использовать GPU другим и гораздо более эффективным способом. Однако они были привязаны к поставщику. Вы могли использовать CUDA на оборудовании Nvidia, в то время как OpenCL был зарезервирован для оборудования ATI (и был принят Apple). Microsoft DirectCompute API был выпущен с DirectX 11 и допускал ограниченный, независимый от поставщика подход (но был ограничен Windows).

Подведем итоги, перечислив несколько приложений для вычислений на GPU:

• Традиционные высокопроизводительные вычисления (HPC) в виде кластеров HPC, суперкомпьютеров, кластеров GPU для вычислительных нагрузок, вычислений GRID, балансировки нагрузки.

• Нагрузки, требующие физики , которые могут, но не обязательно, включать игры или графику в целом. Их также можно использовать для обработки гидродинамических расчетов, статистической физики и некоторых экзотических уравнений и алгоритмов.

• Геометрия , почти все, что связано с геометрией, включая расчеты прозрачности, тени, обнаружение столкновений и так далее.

• Обработка звука с использованием графического процессора вместо DSP, обработка речи, обработка аналоговых сигналов и многое другое.

• Цифровая обработка изображений — это то, для чего предназначены графические процессоры (очевидно), поэтому их можно использовать для ускорения постобработки и декодирования изображений и видео. Если вам нужно декодировать видеопоток и применить фильтр, даже GPU начального уровня сотрет пол с CPU.

• Научные вычисления , включая исследования климата, астрофизику, квантовую механику, молекулярное моделирование и так далее.

• Другие вычислительно интенсивные задачи , а именно шифрование/дешифрование. Если вам нужно «майнить» криптовалюты, шифровать или расшифровывать ваши конфиденциальные данные, взламывать пароли или обнаруживать вирусы, GPU может помочь.

Это не полный список потенциальных приложений для вычислений на GPU, но читатели, незнакомые с этой концепцией, должны получить общее представление о том, чем отличаются вычисления на GPU. Я также исключил очевидные приложения, такие как игры и профессиональная графика.

В любом случае, исчерпывающего списка не существует, потому что вычисления на GPU можно использовать для самых разных вещей, от финансов и медицинских изображений до загрузки баз данных и статистики. Вы ограничены собственным воображением. Так называемое компьютерное зрение — еще одно многообещающее приложение. Мощный графический процессор полезен, если вам нужно «научить» беспилотный летательный аппарат или беспилотный автомобиль избегать деревьев, пешеходов и других транспортных средств.

Не стесняйтесь вставлять сюда свою любимую шутку о Линдси Лохан.

Разработка для HSA: время для плохих новостей

Это может быть скорее моим личным мнением, чем фактом, но я сторонник HSA. Я думаю, что эта концепция имеет большой потенциал при условии, что она будет правильно реализована и получит достаточную поддержку среди производителей микросхем и разработчиков. Тем не менее, прогресс был мучительно медленным, или, может быть, это только мое ощущение, с щепоткой принятия желаемого за действительное. Мне просто нравится видеть новые технологии в действии, и я совсем не терпеливый человек.

Проблема с HSA в том, что его пока нет. Это не значит, что он не взлетит, но это может занять некоторое время. В конце концов, мы говорим не только о новых программных стеках; HSA требует нового оборудования, чтобы творить чудеса. Проблема в том, что большая часть этого оборудования все еще находится на чертежной доске, но мы к этому идем. Медленно.

Это не означает , что разработчики не работают над проектами, связанными с HSA, но в этом отношении нет большого интереса или прогресса. Вот несколько ресурсов, которые вы должны проверить, если хотите попробовать HSA:

• HSA Foundation @ GitHub — это, очевидно, место для ресурсов, связанных с HSA. HSA Foundation публикует и поддерживает ряд проектов на GitHub, включая отладчики, компиляторы, важные инструменты HSAIL и многое другое. Большинство ресурсов предназначены для оборудования AMD.

• Ресурсы HSAIL, предоставляемые AMD, позволяют лучше понять спецификацию HSAIL. HSAIL расшифровывается как промежуточный язык HSA, и в основном это ключевой инструмент для разработчиков внутренних компиляторов и авторов библиотек, которые хотят ориентироваться на устройства HSA.

• Справочное руководство программиста HSA (PDF) включает в себя полную спецификацию HSAIL, а также подробное объяснение промежуточного языка.

• Ресурсы фонда HSA в настоящее время ограничены, и программа для разработчиков фонда «скоро появится», но есть ряд официальных инструментов для разработчиков, которые стоит проверить. Что еще более важно, они дадут вам хорошее представление о стеке, который вам понадобится для начала работы.

• Официальный блог AMD также содержит полезный контент HSA.

Этого должно быть достаточно для начала, если вы любопытный тип. Настоящий вопрос заключается в том, стоит ли вам беспокоиться с самого начала.

Будущее вычислений HSA и GPU

Всякий раз, когда мы освещаем появляющуюся технологию, мы сталкиваемся с одной и той же дилеммой: должны ли мы сказать читателям, чтобы они тратили на нее время и ресурсы, или держаться подальше, занимая выжидательную позицию?

Я уже дал понять, что я несколько предвзят, потому что мне нравится общая концепция вычислений на GPU, но большинство разработчиков пока могут обойтись без нее. Даже если HSA наберет популярность, она будет иметь ограниченную привлекательность и не заинтересует большинство разработчиков. Тем не менее, это может быть важно в будущем. К сожалению для AMD, вряд ли это изменит правила игры на рынке процессоров x86, но может оказаться более важным для мобильных процессоров на базе ARM. Возможно, это была идея AMD, но такие компании, как Qualcomm и MediaTek, лучше подготовлены к тому, чтобы предоставить оборудование с поддержкой HSA сотням миллионов пользователей.

Это должен быть идеальный симбиоз программного и аппаратного обеспечения. Если производители мобильных чипов сойдут с ума из-за HSA, это будет иметь большое значение. Новое поколение чипов HSA стирает грань между ядрами CPU и GPU. Они будут использовать одну и ту же шину памяти на равных условиях, и я думаю, что компании начнут продавать их по-разному. Например, AMD уже позиционирует свои APU как «вычислительные устройства», состоящие из различных «вычислительных ядер» (CPU и GPU).

Мобильные чипы могут в конечном итоге использовать аналогичный подход. Вместо того, чтобы продавать чип с восемью или десятью процессорными ядрами и такими-то и такими-то графическими процессорами, производители микросхем могли бы начать говорить о кластерах, модулях и блоках. Таким образом, процессор с четырьмя маленькими и четырьмя большими ядрами ЦП будет «двухкластерным» или «двухмодульным» процессором, либо «трехкластерным» или «четырехкластерным» дизайном, если они учитывают ядра графического процессора. . Многие технические характеристики со временем теряют смысл, например, DPI на вашем офисном принтере или количество мегапикселей на вашей дешевой камере смартфона.

Хотя дело не только в маркетинге. Если графические процессоры становятся такими же гибкими, как ядра ЦП, и способны получать доступ к системным ресурсам на тех же условиях, что и ЦП, почему мы вообще должны называть их настоящими именами? Два десятилетия назад в отрасли перестали использовать специализированные математические сопроцессоры (FPU), когда они стали обязательным компонентом каждого ЦП. Всего через пару циклов продукта мы забыли, что они когда-либо существовали.

Имейте в виду, что HSA — не единственный способ использовать GPU для вычислений.

Intel и Nvidia не участвуют, и их подход отличается. В последние годы Intel незаметно увеличила инвестиции в исследования и разработки графических процессоров, и ее последние интегрированные графические решения довольно хороши. По мере того, как встроенные графические процессоры становятся все более мощными и занимают все больше места в кремнии, Intel придется искать более изобретательные способы их использования для общих вычислений.

Nvidia, с другой стороны, несколько лет назад ушла с рынка встроенной графики (когда она прекратила производство чипсетов для ПК), но попытала счастья на рынке процессоров ARM со своими процессорами серии Tegra. Они не имели большого успеха, но все еще используются в некоторых аппаратных средствах, и Nvidia сосредоточила свои усилия на встроенных системах, а именно на автомобильных. В этом случае встроенный графический процессор работает сам по себе, поскольку его можно использовать для обнаружения столкновений, навигации в помещении, создания трехмерных карт и т. д. Помните Google Project Tango ? Некоторое аппаратное обеспечение было основано на чипах Tegra, что позволяло определять глубину и использовать некоторые другие хитрости. С другой стороны, линейка продуктов Tesla от Nvidia охватывает рынок высокопроизводительных вычислений на GPU и обеспечивает доминирование Nvidia в этой нише на долгие годы.

Нижняя линия? На бумаге GPU-вычисления — отличная концепция с большим потенциалом, но текущее состояние технологий оставляет желать лучшего. HSA должно иметь большое значение для решения большинства этих проблем. Более того, он поддерживается не всеми игроками отрасли, что неизбежно приведет к дальнейшему замедлению его внедрения.

Это может занять несколько лет, но я уверен, что графические процессоры в конечном итоге займут свое законное место на общей вычислительной арене, даже в мобильных чипах. Технология почти готова, остальное сделает экономика. Как? Ну, вот простой пример. Процессоры Intel Atom текущего поколения имеют от 12 до 16 исполнительных блоков графического процессора (EU), в то время как их предшественники имели всего четыре EU, основанных на более старой архитектуре. По мере того, как интегрированные графические процессоры становятся больше и мощнее, а площадь их кристаллов увеличивается, у производителей микросхем не остается иного выбора, кроме как использовать их для повышения общей производительности и эффективности. Если этого не сделать, это будет плохо для прибыли и акционеров.

Не волнуйтесь, вы по-прежнему сможете время от времени наслаждаться игрой на этом новом поколении графических процессоров. Однако, даже когда вы не играете, графический процессор будет выполнять множество операций в фоновом режиме, разгружая центральный процессор для повышения производительности и эффективности.

Я думаю, мы все можем согласиться, что это будет очень важно, особенно на недорогих мобильных устройствах.