Conclusioni
I risultati mostrano definitivamente che l'accelerazione basata sulla GPU dovrebbe essere obbligatoria per chiunque faccia molto editing fotografico. I creatori di contenuti devono tenere d'occhio l'hardware in grado di accelerare le loro applicazioni preferite, ma anche prestare attenzione a come il software usa quell'hardware.
E se gli strumenti non sfruttano ancora l'accelerazione basata sulla GPU, vale la pena scoprire perché. Non tutti i carichi di lavoro sono ideali per il tipo di parallelismo che introduce una GPU, ma quando si tratta di operazioni multimediali sono molti i benefici. Il cuore della questione è la rapidità con cui i produttori di software si adegueranno.
"Non penso che l'APU OpenCL sia di per sé difficile", ha dichiarato uno sviluppatore di software GIMP/GEGL. "Infatti secondo me è più trasparente per i calcoli generali rispetto ad altre API come OpenGL e CUDA. Le cose possono essere più complicate quando dovete integrare OpenCL in un'applicazione esistente che non si avvantaggia di prestazioni e parallelismo. Specialmente quando il calcolo dei dati è diviso in molte funzioni e dovete mettere tutto questo in un kernel, che può complicare le cose e questo spiegherebbe perché l'adozione di OpenCL è lenta".
Oliveira si aspetta che le API proprietarie mantengano l'attuale vantaggio nei mercati di nicchia verticali, come quello HPC, perché le organizzazioni tendono a essere più indulgenti verso i sistemi proprietari. Nel mondo consumer però si aspetta che le API open source diventino dominanti. Più i produttori di software intensificheranno i loro sforzi in questo settore, più rapidamente avverrà la transizione.
"Penso che sia molto positivo che AMD stia spingendo gli standard aperti", ha affermato Oliveira. "Questo aiuta realmente gli sviluppatori ad avere più fiducia in OpenCL, specialmente nel mondo open source".
"Con l'integrazione del supporto OpenCL che diventa più semplice, vedremo più applicazioni come GIMP usarlo, a partire da aree che possono facilmente trarre vantaggio dal modello di programmazione parallela: editing di immagini, video, audio, giochi e così via".
"Continueremo a osservare tutti i nuovi progressi nel GPGPU, come quelli nel settore della CPU, così da rendere i nostri prodotti più veloci", ha aggiunto Corel Jeff Stephen. "Più veloce non significa solo fare la stessa cosa in meno tempo, ma significa anche aprire nuove possibilità e opportunità".
Per noi questi cambiamenti non avvengono abbastanza in fretta; fino a che gli utenti contano sulla potenza di calcolo locale (del proprio PC) piuttosto che su quella online (cloud computing) c'è bisogno di sistemi con supporto GPGPU, specialmente in ambito mobile.
In passato non avremmo mai sognato di far girare questo tipo di lavoro grafico sui notebook, ma ora le piattaforme eterogenee sono in grado di gestirle in modo migliore. Nel periodo in cui realizzeremo il nostro prossimo articolo sul calcolo eterogeneo (un focus sugli strumenti di transcodifica multimediali), dovremmo già avere la prossima generazione di GPU e APU a disposizione, e ci aspettiamo grandi passi avanti.