Domande e risposte con MotionDSP, continua
TH: Non molto tempo fa avevamo visto risultati che mostravano come gli utenti ottenevano la maggior parte delle prestazioni semplicemente con l'accelerazione tramite la GPU, senza necessariamente spendere un sacco di soldi per una scheda di fascia alta con supporto GPGPU. È cambiato qualcosa? Perché con le APU, il supporto è integrato.
SV: Ciò che è cambiato è che aziende come AMD ora vendono questi chip Fusion che combinano GPU e CPU sullo stesso die. Questo fa la differenza. Avete ragione, prima serviva una GPU dedicata per ottenere il meglio. Questo significava che dovevate acquistare un portatile di fascia alta o un desktop. Il bello di Fusion è che avete una GPU dannatamente buona. Per 500/600 euro un consumatore può acquistare un portatile che si comporta davvero bene con il nostro software. Prima dovevate acquistare un portatile da 1000 euro con GPU discreta per avere lo stesso livello di prestazioni.
NB: Proviamo a usare un metro di paragone diverso. Una CPU di fascia alta moderna di AMD o Intel costa tra 200 e 300 euro. Potete superare le prestazioni di quel processore di un fattore da tre a cinque volte con una GPU venduta allo stesso prezzo. Ora diciamo che spendiate 1000 euro su una CPU. Come ho detto, ci sono determinati frangenti dove il calcolo di più frame alla volta non può avvenire su quella CPU a causa del bandwidth di memoria e i colli di bottiglia nel calcolo. Siete al limite e diventa irrilevante quanti soldi investiate su una CPU. Potrete arrivare a una soglia di sei o sette frame al secondo e non potete andare più rapidamente. Questo perché avete raggiunto determinati limiti sulla CPU che la GPU non possiede.
Nik Bozinovic di MotionDSP
SV: Nik e io stiamo dicendo due cose diverse. Io dico che dal lato del consumatore, un portatile da 500/600 euro con chip Fusion vi darà le prestazioni di un vecchio prodotto da mille. E sul fronte della grafica discreta, lui dice che per lo stesso prezzo, avrete prestazioni per prezzo diverse volte maggiori grazie a una GPU rispetto a una CPU.
NB: Se gestite video a definizione standard, le CPU si comportano molto meglio delle GPU. Però oggi tutti mettono video a 720p o 1080p sui loro smartphone Android e iPhone, quindi la differenza tra CPU e GPU diventa molto più ampia. E come ha detto Sean, un portatile da 600 euro vi darà prestazioni di un PC desktop da 2000 euro prima dell'era del calcolo eterogeneo, solo perché non aveva la possibilità di fare computing parallelo.
TH: OpenCL è supportata dall'hardware AMD, Nvidia e ora anche Intel. Nvidia parla di CUDA come una soluzione più vicina all'hardware, e l'approccio di Intel sembra far funzionare OpenCL sui core delle proprie CPU. Come sviluppatore, dovete implementare un supporto più ampio possibile, ma tecnicamente, quanta differenza fanno queste differenti strategie?
NB: Dal punto di vista di uno sviluppatore software, ci piacerebbe avere uno standard che funziona ovunque. CUDA, essendo una tecnologia proprietaria, ci attrae meno di OpenCL in questo momento. È un fatto però che CUDA sia stata la prima soluzione ad andare verso il calcolo eterogeneo. Siamo rimasti colpiti dalla velocità nello sviluppo degli strumenti basati su OpenCL e dell'infrastruttura intera, dall'SDK agli strumenti di runtime, e come il tutto funziona con i driver. Abbiamo visto molto impegno, e parliamo dal punto di vista di sviluppatore software, poiché 12/18 mesi fa le cose non stavano così. In quel momento era molto difficile o impossibile realizzare un prodotto solido per il calcolo eterogeneo OpenCL. Lo scorso anno tutto è cambiato. In questo momento, è AMD l'azienda che sta dietro allo sviluppo e l'attuazione di OpenCL. Non sappiamo quello che raggiungerà Intel con Ivy Bridge, mentre ARM ha annunciato che sta per entrare nel mondo OpenCL.