Intel Broadwell 30 procent strömsnålare än Haswell

Sweet, jag vill ha en macbook Air med lägre strömförbrukning! Batteritid åt folket!

Något radikalt måste hända för att vi ska se detta. Simuleringar man gjort på hypotetiska CPUer som har oändlig stora interna buffertar, oändligt stora CPU-cacher etc visar att IPC (antal instruktioner per klockcykel) antagligen aldrig kommer nå över ~2.5-3.0 i genomsnitt. Haswell ligger redan på runt 2.5-2.6 i IPC på laster där saker och ting ligger i CPU-cachen, så eventuella framtida förbättringar i IPC kommer vara minimala. Enda undantaget är saker där man lägger till speciella instruktioner för specifika uppgifter, ett sådant exempel är att Intel/AMDs nya processorer har instruktioner för AES som ger en rejäl knuff om de används.

Klockfrekvensen lär inte heller gå speciellt mycket högre, givet de material vi använder idag verkar 2.0-2.5GHz vara gränsen för riktigt strömsnåla CPUer och 3.5-4.0GHz verkar vara gränsen innan strömförbrukningen och temperatur totalt åker genom taket.

Öka antalet CPU-kärnor fungerar fint på servers i många lägen, men effekten är väldigt liten på desktop efter 3-4 CPU-kärnor. Anledningen är att man på servers typiskt vill maximera "throughput" och den ökar med flera CPU-kärnor för många arbetslaster (dock inte alla), men på desktop/pekplattor/telefoner vill man typiskt minimera latens och den skalar i princip inte alls med antalet CPU-kärnor...

Förhoppningsvis kommer någon på något riktigt revolutionerade, annars kommer inte speciellt mycket hända på CPU-prestanda fronten framöver. Den utveckling som fortfarande sker är att vi kommer allt närmare desktop-prestanda i mobila enheter, skillnaden mellan rå CPU-prestanda i en desktop CPU och en laptop CPU har ju aldrig varit så liten som den är idag. Broadwell kommer krympa den skillnaden än mer.

(minst) två problem med ett sådant uttalande

1. vissa problem kan helt enkelt inte dra nytta av flera CPU-kärnor då de är vad man kallar "inherently sequential". Ett populärt exempel är: oavsett antalet kvinnor så kommer varje enskild graviditeten ta lika lång tid. Motsvarande i desktop-program är att flera CPU-kärnor sällan minskar latensen, i.e. hur mycket gladare blir du om din dator kan lösa 10st problem på X sekunder (t.ex. lösa ett problem per CPU-kärna) när ditt problem är att du tycker X är för stort och du har bara ett problem du är intresserad av?
   Det finns många problem som rent teoretiskt går att dela upp, men p.g.a. av att det är väldigt dyrt att kommunicera mellan CPU-kärnor (jämfört med att jobba med data lokalt) så ger det väldigt liten, ingen eller till och med negativ effekt att köra med flera CPU-kärnor.

2. det är mycket svårare att korrekt/effektivt designa program som ska använda många CPU-kärnor, det är brutalt mycket svårare att felsöka program som kör på flera CPU-kärnor jämfört med strikt sekventiella program. Detta betyder att det är mycket dyrare att utveckla sådana program, en kostnad någon måste betala och kunderna tenderar att välja det som upplevs som billigast...

Att använda GPUn även för icke-grafik är däremot något som säkert kan utnyttjas bättre i framtiden. Men en GPU har väldigt mycket gemensamt med specifika instruktioner: det blir extremt snabbt, men det fungerar bara på ett väldigt smalt spektrum av problem. Styrkan i en "vanlig" CPU är just att den är så extremt generell och hanterar problem som spänner över ett väldigt stort område, en CPU är en typisk jack-of-all-trades

OpenCL/DirectCompute lämpar sig bara för problem som är "embarrassingly parallel", i.e. varje del-resultat kan beräknas helt isolerat och problemet går att bryta ner i ett väldigt stort antal isolerade problem. Nu för tiden går det i alla fall att skriva program för en GPU där olika delproblem till viss del tar olika vägar genom koden. Men man måste undvika sådant då tiden det tar att beräkna N delproblem blir lika med den tid det tar att beräkna det dyraste problemet inom ett block av GPU-stream-processorer.