Nvidia's David Kirk on CUDA 访谈与争议

David Kirk——CPUs and GPUs

　　David Kirk自1997年1月以来担任NVIDIA的首席科学官。负责NVIDIA图形技术开发，使其成为当今最流行的大众娱乐平台。2006年，由于在将高性能图形带入个人计算机领域的贡献，Kirk先生被选为美国国家工程院 (NAE) 院士。NAE院士是工程领域的最高专业成就荣誉。
   

不过在Nvidia名为G80的显示芯片发表之后，因为一项名为CUDA(which stands for Compute Unified Device Architeture)的指令技术令David的职责发生了一些小小的变化。 CUDA与Nvidia现有的图形处理技术不同，它是一项让程序可以把巨量并行计算放在在CUDA-enabled GPUs(i.e. members of the GeForce 8- and 9-series)上运行的技术(CUDA目前只支持C语言编译的程序)。因为主持了CUDA技术的开发与设计工作，David在业界被称为”CUDA 之父”。

　　CPU和GPU

　　目前IT产业讨论比较多的一个话题是“CPU和GPU”，而作为Nvidia的首席科技官的David认为：Nvidia的GPU技术降低了人们对高速多核处理器的需求这种说法是错的，像现在我们看到的许多支持GPU加速的应用——PhysX，RapiHD，这些应用均是使用CUDA来开发，我们可以看到正是CUDA技术令用户的这些体验变得更加精彩，而高速处理器在这之中还是一如既往的必要。

　　我们还有关注到目前有言论说”GPU会替代CPU在PC中的地位”，虽然我们也不赞成这种说法，但作为Nvidia一方是怎么的态度就比较有意思了。David说：GPU从一开始就是作为协从处理单元存在的PC结构中，虽然现在GPU的处理能力有了很大的发展，但从计算的领域来看GPU还是集中使用在多边形渲染(就是游戏应用为主)上，依然在尽力使普通的图形运算从CPU身上offload，因此GPU直到今天依然是作为协处理器存在在PC体系结构中，并且在未来也将会是这样的存在。

　　我们认为 GPU是做协同处理，叫co-processor，这个东西其实会有很长的一段时间都这样做。因为GPU是处理大量的并行运算，所以它的设计上并没有花很多的心血去做程序上的控制。所以还是用CPU做控制程序，然后把需要大量并行处理的任务放到GPU上。这个在可见的将来大概还是一个最好的组合。相信 David的以上两点言论可以作为目前”GPU和CPU”话题很好的参考。

用GPU来进行普通计算(GPGPU)

　　在之前Nvidia曾谈过使用硬件来支持双精度浮点计算，特别是在Tesla发表之后我们看到相关的信息越来越多，那时我们只能臆想着G9x GPUs会使用模拟的方式支持该项技术。David用一个案例来证实了我们的臆想。”会有一个模拟函数库提供给软件开发者，这并不是意味着去运行真实的应用程序，只是作为应用开发而使用，因为我们下一代产品将会支持双精度的浮点计算”，当我们聊到下一代产品是什么时候，David表示就是Tesla2(会在Financial Analyst’s Day上透露)。

　　如果Tesla2真的是支持双精度的话，那么这种产品会被用在哪些领域呢？它允许我们定义范围巨大的数据类型。而这种类型的数据我们之前在程序中是不会轻易去做定义的。但这些类型的数据普通的消费者一般是不会使用到的，双精度的浮点计算通常被应用在HPC领域改善计算的速度。这样的话时候会让 Tesla的消费类用户为每一片Tesla的芯片而多付额外的费用？

　　“我不能预测未来因为我不知道，但我可以想象双精度将会支持以上的产品，就像ECC(内存校验)功能一样，我能想象的到它仅会在专业系列的产品上被支持。”

　　好像话题有点撤远了，让我们把话题重新转向CUDA。目前AMD的显示卡是不能运行C代码的，我们曾经很真诚的邀请那些对CUDA感兴趣的合作伙伴和我们的竞争对手(AMD)来加入我们的计划，但最后我们没有能够与 AMD达成合作协议。CUDA并非一个纯软件的方案，它还需要在硬件(GPU)上做出相应的设计，在G80以及Nvidia的下一代产品中都会有CUDA 相关的硬件设计。

　　"I can't really comment on conversations we have with partners and competitors," said Kirk. "We do take every opportunity to discuss the ability to run CUDA with anyone who's interested. It's not exactly an open standard, but there's really not very much that is proprietary about it. Really, it's just C and there are these functions for distributing it.

　　"The pieces of the tools we build are made available to whoever is interested in using them. The fact is that other hardware vendors see it as competition rather than an opportunity – I think that's their mistake. That's why I always answer the question 'are you making CUDA a standard？' by saying we can't do it ourselves, but it's standard for us – other people have to adopt it though."

　　所以我们(Nvidia)致力于让CUDA成为一种标准,或者说至少让它能在GPU上运行用C写的通用计算的程序。在这之前，Nvidia曾说过会有一些基于CUDA的”杀手级”应用会推出，现在我们已经可以看到一些类似PhysX和RapiHD。其他的还有类似Photoshop加速插件等工具正在开发。

　　笔记参加了Intel今年上海的IDF，在IDF期间曾看到Intel关于SSE4的简报，其中有一份PPT就是说SSE4指令会显著改善视频解码的性能。当时我就在想，为什么视频解码不使用GPU来做呢？不是说GPU在这方面的表现速度要快很多吗？”当然，这用GPU来做要容易和快的多” David非常肯定的告诉笔者。”同样的结果也会体现在图片处理上，你可以问一下你哪些做CPU的朋友们，看他们回答是不是”

来自 “ ITPUB博客 ” ，链接：http://blog.itpub.net/14741601/viewspace-369058/，如需转载，请注明出处，否则将追究法律责任。

转载于:http://blog.itpub.net/14741601/viewspace-369058/