Radici eterogenee
A conti fatti, Fusion ha cambiato la rotta nella realizzazione dei computer moderni, almeno di quelli mainstream. Tutti sono d'accordo nel dire che la grafica dedicata manterrà il proprio ruolo nei computer di fascia alta, ma secondo IDC alla fine del 2011 quasi tre computer su quattro contavano sulla grafica integrata, e per AMD questo significa APU. L'azienda estende tale visione a tutti i dispositivi elettronici, e afferma che la metà di tutti i processori venduti, compresi quelli degli smartphone, oggi sono APU. Le APU (o le CPU ibride in generale) sono quindi ormai ubique, ma non è il punto finale; l'inizio, piuttosto.
L'obiettivo di AMD con Fusion è sempre stato quello di rendere il calcolo eterogeneo il più efficiente possibile. Usare CPU e GPU dedicate per far rendere al meglio attività specifiche è calcolo eterogeneo, e avere due core sullo stesso die è la stessa cosa, adattata a compiti specifici con risultati migliori, come ottenere alte prestazioni con consumi ridotti. Naturalmente il tutto nell'ipotesi che i programmi siano scritti in modo da sfruttare al meglio tali possibilità - ma la maggior parte non lo sono.
Clicca per ingrandire
Ageia fu una delle prime aziende a prendere in considerazione questo problema: nel 2004 quest'azienda (settore dei semiconduttori) comprò Novodex, che faceva un middleware specializzato nella fisica, e nacque così un nuovo settore dalla vita breve, cioè quello delle unità dedicate PPU (physics processing unit, i processori fisici). Queste schede potevano aumentare le prestazioni dei giochi, se questi contenevano il codice necessario per sfruttare il motore PhysX di Ageia. Non sorprende quindi che nel 2008 intervenne Nvidia, che comprò Ageia e lasciò cadere la produzione di schede PPU dedicate per integrare PhysiX su tutte le schede CUDA prodotte da quel momento in avanti.
La fama di Ageia aveva richiamato anche l'attenzione di Dave Orton e altri presso ATI, dove si era già lavorato al concetto di GPGPU (General Purpose GPU) prima dell'acquisto da parte di AMD. Nel 2006 la GPU R580 fu infatti il primo prodotto ATI GPGPU, etichettato con il nome Stream. Ci fu un po' di confusione all'epoca con i nomi, un fatto sintomatico di come la ricerca all'epoca si muovesse senza un timoniere preciso; in ogni caso, il progetto folding@home dell'Università di Stanford divenne il primo portabandiera del lavoro svolto da ATI, e la prima dimostrazione pratica della sua potenza.
Il problema è che Stream non decollò mai. Nvidia, tra il 2006 e il 2007, riuscì ad approfittare della confusione che regnava dentro AMD e a consolidare il ruolo di CUDA come la tecnologia preferita per il GPGPU. In ogni caso si trattava di una tecnologia rivolta a una nicchia di mercato molto ristretta, ignota ai più.
"AMD ha promosso e sostenuto il calcolo via GPU per molto tempo", ha spiegato Manju Hedge, ex AD di Ageia e oggi vicepresidente per le applicazioni eterogenee e soluzioni per sviluppatori di AMD, "ma otto anni fa non era la soluzione giusta. Non lo era nemmeno cinque anni fa. Oggi, con l'esplosione del mercato del basso consumo, smartphone e tablet, è la risposta giusta. E se gli sviluppatori vogliono ricreare ciò che oggi è possibile con i PC, devono scegliere il GPU computing - che però deve basarsi su qualcosa di più semplice dell'HSA".