互联网+ 电子商务 智能家居 地理信息 高端装备 信息安全 3D打印 工业4.0 人工智能 光伏 新能源汽车 消费品 集成电路 移动支付 汽车 数据中心
2017中国百强县创新发展论坛
当前位置:首页 > 产业观察 > 信息化 > 电子信息 > 正文

下一代计算:GPU的新黄金时代

发布时间: 2016-04-28 09:38   作者: 宋宇   来源: 赛迪顾问

  ——2016 GTC观感
  今年以来,如果问IT领域最火爆的关键词有哪些?虚拟现实、人工智能、深度学习无疑会成为提到最多的答案,这些领域当之无愧地成为了下一代计算的突出代表。然而,为什么这些出现数年甚至数十年的技术领域,在近两年突然变得愈发炙手可热?资本市场高度热捧、相关会议场场爆满、媒体话题密切关注。毫无疑问,关键支撑技术的快速发展,是让虚拟现实、人工智能、深度学习等领域在经历了起伏之后,真正迎来走向实际应用的最重要因素,而GPU则肯定是关键技术中的突出代表。在有力推动着这些新兴领域突飞猛进的同时,GPU也将因此迎来自己新的黄金时代。
  作为GPU行业的领导者,英伟达在4月5日美国硅谷开幕的2016 GTC(GPU技术大会)上,密集发布了数款重磅新品,并为与会者生动展示了虚拟现实、人工智能、深度学习的未来前景,藉此我们可以清晰地预见GPU的发展之路和未来前景。
  性能飞速提升是成就GPU的杀手锏
  从1999年第一款提出GPU概念的产品——英伟达的Geforce 256发布,GPU逐渐找到了自己的定位,即面向图形计算,给予用户更真实、更舒适的视觉体验,也让GPU成为独立自主的产品,并逐渐走向通用计算领域,GPU也凭借在显卡领域的优异表现成就了自己的第一个黄金时代。英伟达全球副总裁兼中国区总经理张建中认为,“从没有一个行业十年内性能提高1000倍,但GPU做到了。”
  GPU性能的飞速提升从此次英伟达发布的新品也可见一斑。其中,Tesla P100借助全新的Pascal架构、NV Link、16nm Fin FET工艺、高达153亿晶体管、720GB/s超高带宽,实现了GPU之间、GPU与CPU之间的高速互联,达到21 Teraflops的峰值人工智能运算性能。
  基于Tesla P100构建的NVIDIA DGX-1,全球首款用于深度学习训练的超级计算机,可以提供高达170 Teraflops的深度学习计算性能,相当于250台双路CPU服务器节点运算性能总和,比一年前问世的NVIDIA Maxwell架构四路解决方案快12倍以上,同样的训练任务,以前最快需要25个小时,现在只要2个小时。短短一年时间性能如此大幅提升,对深度学习的实际应用将产生巨大的推动作用。
  目前GPU的性能已经越来越强大,除了众所周知的高端游戏应用外,非常适合地质勘探,生物学,流体力学,金融建模等大运算量的科学应用,并为地球科学、分子生物学和医学诊断领域实现重大的发现提供了可能,而这些发现可能会改变数十亿人的生活。
  GPU市场未来增长点日渐清晰
  从GPU厂商当前的业务构成来看,无论是英伟达还是AMD,其整个业务表现中游戏业务都仍然是主要的营收来源,也是主要的业务驱动引擎。虽然从未来的发展来看,全球游戏市场仍处于上升期,仍将是GPU厂商业务的主要构成,但虚拟现实、人工智能必定将成为GPU市场重要的新增长点。
  在短期的未来,虚拟现实将成为GPU厂商业务突破的重要带动力量。一方面,VR的发展,会带动游戏领域和高端显卡的增长,这对GPU厂商尤其是显卡市场占有率遥遥领先的英伟达来说可能是一触即发的机会。另一方面,随着2016 GTC上Nvidia VR头显技术的发布,很好地解决了VR发展中最大的一个障碍——眩晕问题,VR的应用热潮有望真正来临。眩晕产生的原因是人眼中看到的景象和体内平衡系统的感觉不符造成的。纵观解决头晕的途径,大致有通过算法优化降低延迟、提高刷新率、提高分辨率、提升景深的逼真程度、提升声场的逼真程度这五点。而英伟达的技术无疑最大限度增强了用户的体验感。就市场规模来看,比起游戏领域,房地产、汽车、电商等商业领域应用让人们对VR市场产生更多期待。
  从更长期的发展来看,以深度学习为技术支撑的人工智能领域无疑将成为GPU市场更重要的增长点,也将带来更多的市场机会和更大的市场规模。计算机视觉、语音识别、自然语言处理、无人驾驶等的发展都与深度学习密切相关。
  通过这种像素级的学习,不断总结规律,计算机就可以实现像人一样思考。NVIDIA总裁黄仁勋表示,“大数据、GPU和革新的算法,掀起了现代人工智能的革命。从研究机构、大学、新兴企业,到行业领袖都开始AI的研究。”目前,包括国内的阿里巴巴、腾讯、百度,国外的IBM、微软、丰田、谷歌、Facebook等巨头的深度学习都在使用GPU进行相关的研究,而看好人工智能广泛的应用前景正是他们巨资投入的前提。
  生态建设将是GPU成功的关键
  现阶段,走出单纯的产品生产向生态建设转型已成为众多领导厂商的成功模式。以芯片巨头Intel为例,在从嵌入式系统到智能系统,再到物联网的战略转型中,英特尔通过向合作伙伴提供完整平台及配套的软件解决方案,帮助合作伙伴开发新设备、系统和服务,提高运作和生产效率,从而营造更广泛的生态系统。而把这一模式发展到极致的MTK,更是以软硬结合的手机Turnkey方案,利用天时、地利成就了上游硬件销售的新模式。
  同样,虚拟现实、人工智能等新热点领域更需要系统生态建设。一方面,VR、人工智能等新兴领域的技术实现更复杂,需要上游硬件更多产品技术支持,另一方面,上述新兴领域应用小而多,通用基础硬件更需要有灵活、实用的软件相配合。
  对GPU而言,生态系统建设同样重要,这一点英伟达的认识很透彻。一直以来英伟达都认为自己是一家软件驱动的公司。此次GTC,无论是前面提到的游戏、VR还是深度学习、无人驾驶,NVIDIA都提供了开放的SDK,方便合作伙伴能够在GPU的生态中找到自己的位置。这些SDK,包括面向游戏开发者的GameWorks,面向设计师的DesignWorks,面向VR开发者的VRWorks,面向高性能计算的ComputeWorks,以及面向汽车的DriveWorks等等,将有效帮助开发者更加轻松的打造出深度学习、加速计算、自动驾驶汽车、设计视觉、无人机、游戏以及VR等方面新的应用。
  GPU与CPU未来仍是合作伙伴
  GPU与CPU未来的关系一直备受关注。从过去的发展来看,从CPU独大,到GPU+CPU,再到GPU独立成为某些领域的领导者,GPU和CPU一直是密切的合作伙伴,而且在未来的很长时间内,这种态势仍将延续下去。
  从本质上讲,CPU与GPU的设计初衷或者说目标不同,CPU是计算机的运算核心和控制核心,其功能主要是解释计算机指令以及处理计算机软件中的数据,主要采用串行的计算方式;而GPU是特别为计算密集、高并行度计算(如图像渲染)设计的,将更多晶体管用于数据处理,没有CPU那么多的缓存和流控,GPU逻辑简单,单个线程的开销小,在同样的资源下可以发动更多的线程。正是基于两者目标的不同,GPU与CPU的应用场景和技术评价体系也不同,即使在同一系统中,两者承担的角色和作用也不同。因此未来应用中,根据设计应用的性能要求,以及设计产品的性价比要求,合理选择GPU或CPU或CPU+GPU,将是切实可行的产品路径。例如在无人机领域,必然是采用CPU的简单功能类型,与采用GPU的针对特定行业应用的高性能类型长期共存。
  从1999年第一款GPU概念产品问世到现在,GPU走过了从CPU的辅助,到独立通用计算,再到目前全面成就高性能计算的发展道路。随着虚拟现实、人工智能等热点市场的快速成长,作为技术支撑的GPU即将迎来黄金时代,成为引领下一代计算发展的重要驱动力。然而,如何以持续的技术创新和提升,彻底打破新兴领域的技术障碍;如何通过生态建设,挖掘更多的新兴应用;如何助力新兴领域企业创新创业,尤其是如何助力中国相关领域创新企业成长,将成为GPU获得市场成功的关键。
  GPU的未来之路,我们有理由也有信心给予更多期待。

收藏