NVIDIA e GPU Computing al Computex 2009

Ancora una volta NVIDIA apre in anticipo i battenti del Computex Taipei 2009, tenendo una conferenza per la stampa specializzata il giorno precedente all'apertura ufficiale della manifestazione. Lo scorso anno fu Tegra il protagonista della giornata, quest'anno il focus si sposta sul più generale concetto di GPU Computing. A parlarne è niente meno che Jen-Hsun Huang, cofondatore e CEO di NVIDIA Corporation.

Innanzitutto ribadiamo nuovamente quale sia il concetto di GPU Computing: utilizzare la notevole potenza di calcolo messa a disposizione dai moderni processori grafici per eseguire compiti e calcoli non strettamente grafici, ma di tipo "general purpose", esattamente come farebbe un normale processore.

L'attenzione attorno al GPU Computing è quantomai elevata, dal momento che l'avvento di Windows 7 porterà il GPU Computing nelle case di tutti: la ricetta di NVIDIA per il GPU computing è CUDA, che di fatto trasforma la GPU in un normale processore general purpose. NVIDIA sottolinea come la sinergia tra CPU e GPU crea un ambiente di computazione partecipato dove ciascuna delle due parti può occuparsi di calcolare ciò che gli è maggiormente affine: la CPU destinata alla computazione di una certo spessore, la GPU per ciò che è definito come "massive computation".

Per meglio esemplificare la differenza tra il tipo di computazione operato dalla CPU e quello operato dalla GPU, il CEO di NVIDIA utilizza il simpatico esempio della consegna a domicilio delle pizze.

In questo caso la CPU è un furgone di notevoli dimensioni, che carica tutte le pizze da consegnare e compie il percorso in maniera sequenziale, studiando quale sia il cammino più conveniente da compiere. Ovviamente arrivando alla fine del giro, l'ultima pizza da consegnare sarà fredda; in altri termini, ci vuole molto tempo per portare a termine l'intera operazione. Per contenere questo inconveniente si potrà aumentare la velocità di spostamento del furgone (aumentare la frequenza operativa) con le ovvie ripercussioni sul consumo. La consegna delle pizze operata da una GPU è invece molto simile ad una flotta di scooter, ciascuno più piccolo e indubbiamente meno potente del camion. Ma, partendo tutti assieme possono raggiungere le rispettive destinazioni grossomodo nello stesso tempo, velocizzando pertanto l'intera operazone.

Tutta questa attenzione nei confronti del GPU Computing ha un motivo: le applicazioni consumer quali video e foto editing, visual web e gaming rappresentano infatti applicativi ideali per l'applicazione della computazione GPU computing. E, non certo di seconda importanza, si tratta di ambiti che hanno importantissime ricadute sul mercato, in quanto sono in grado di muovere volumi d'affari impressionanti.

A titolo di riferimento, si parla di circa 850 milioni di fotografie che vengono caricate su Facebook ogni mese e qualcosa come 15000 ore di video prodotte e condivise tramite Youtube tutti i giorni. Nel solo mese di Aprile Youtube ha effettuato lo streaming di cinque miliardi e mezzo di video mentre Hulu, servizio per lo streaming on-demand di trasmissioni televisive, ha effettuato ben 400 milioni di stream. Se si passa ai videogiochi le cifre sono ancora più impressionanti, se si considera di quanto viene speso negli USA a scopo d'intrattenimento, 1/3 circa è destinato ai videogames.

Con queste cifre in campo si capisce per quale motivo abbia senso promuovere un'architettura per supportare questo tipo di applicazioni, oltre a comprendere per quale motivo NVIDIA stia spingendo in questa direzione: attualmente il colosso californiano ha rilevato una base di installato di circa 100 milioni di GPU in grado di supportare pienamente la tecnologia CUDA e, pertanto, di permettere all'utente di fruire della potenza GPU Computing. Questo aspetto assume un significato estremamente importante pensando al fatto che i sistemi operativi di prossima generazione, quali Windows 7 e Mac OS X 10.6 "Snow Leopard" supporteranno nativamente il GPU Computing.