AMD och ARM samarbetar i HSA Foundation

Extremt förenklat och antagligen en hel del faktafel, men för att ge en bild av skillnanden.

Så gott som alla former av beräkningar som kan parallelliseras. Grafikkort i dag består av mängde med streamprocessorer eller liknande enheter beroende på arkitektur som i sig är rätt klena men är rätt många.

x86 arkitekturen bygger på en rad instruktioner för specialiserade beräkningar vilket har sin plats i linjära beräkningar. x86 kärnan är som en pipeline där du trycker in en fråga i ena ändan och får ett svar i andra ändan, röret är ganska långt och hanterar en sak i sänder men klarar av rätt avancerade uppgifter.

Grafikkärnan kan snabbt utföra enklare mattematiska beräkningar, och då det är många kärnor blir det väldigt mycket gjort.

Exempel på parallella beräkningar kan vara packa/packa upp filer, encoda video/musik, Folding@home, Photoshop filter och generellt där du har massa beräkningar som är från förutsägbar data.

Ett spel tex (spelmotorn inte grafiken) är inte särskilt linjär utan beräkningarna som skall göras beror helt beroende på realtidsinput etc.

En grafikprocessor är i allmänhet duktig på uppgifter som går att parallellisera väldigt hårt, och där varje enskild beräkning är minimalt beroende av andra. Det leder till att stora problem kan brytas upp i små delar, där bokstavligt talat tusentals kan behandlas på samma gång mot endast ett fåtal på "vanliga" x86-kärnor. Belastningar klassade som "Embarrassingly parallel" brukar lyftas fram.

EDIT: För långsam.

Konvertera videos tex kan dra nytta av en GPU. Här så är ett HD5770 snabbare än en överklockad i7 960 som tickar på i 3.75ghz tex. Det är med andra ord oftast betydligt mer effektivt att använda en GPU sett till tiden det tar och strömförbrukningen. Sen finns där inte ett jättestort användningsområde för att använda GPU än men det kommer förhoppningsvis ta fart med denna alliansen.

http://www.guru3d.com/article/radeon-hd-5770-review-test/23

Jag vet inte om man testat detta med nyare grafikkort? Sen har Intel Quicksync också som är väldigt snabbt. Vet inte hur mycket olika saker man kan använda den till dock.

Ska bli spännande att följa denna alliansen!

Grafikkärnan kan snabbt utföra enklare mattematiska beräkningar, och då det är många kärnor blir det väldigt mycket gjort.

Riktigt bra förklaring, enda invändningen är att det ska INTE vara enklare mattematiska beräkningar för att vara riktigt effektivt. Tiden det tar att skicka in-data och ut-data mellan CPU och GPU blir endast försumbar om det är en relativt komplicerad beräkning som utförs på varje kvanta.

Om det är en enklare beräkning så kommer tiden för kommunikations-overhead dominera och det blir då snabbare att göra beräkningen direkt på CPUn. En stor fördel med APU:er jämfört med CPU+diskret GPU är att tiden det tar att kommunicera mellan dessa två komponenter är lägre i en APU, så fler problem borde effektivt gå att avlasta till GPUn i en APU.

Sedan finns en begränsning till: det är ju redan nämnt att problemet ska vara väldigt parallellsebart, gärna embarissingly parallel. Men varje oberoende del-problem som körs på samma grupp av GPU-processorer (i KTH rapporten som länkas ovan så nämns att nVidia 8800 GTX har 8 processorer per grupp) bör vara ungefär lika stora och komplicerade då ett jobb som kan köra på 1 till 8 av dessa processorer alltid tar tiden för det längsta jobbet innan man får resultatet.

Till sist får man inte glömma att alla moderna x86 (och även ARM) CPUer har s.k. SIMD (Single Instruction Multiple Data) enheter (SSE/AVX på x86, NEON på ARM) som program definitivt borde använda mer än vad som görs idag. Fördelen med dessa enheter jämfört med en GPU är att tiden för kommunikation till dessa är i praktiken noll då det är del av CPUn. Den råa beräkningsprestandan är dock inte alls lika hög som en GPU, men rätt använt så kan SSE och NEON ge en prestandaförbättring på upp till ca 4 gånger och AVX upp till 8 gånger jämfört med att använda motsvarande skalära operationer.