这张卡是处理器。你在Visual Studio 10中用CUDA C语言编写代码,在GPU上编译并运行它。为GPU编写代码要比为CPU编写代码难得多。你需要添加在GPU上分配内存的命令(通常没有多少),将数据从CPU传输到GPU内存,特殊的并行命令,然后将数据改写回来,释放内存,等等。有很多不同的微妙之处,但你可以使用3000个核心。请看这里
With the CUDA Toolkit from NVIDIA, you can accelerate your C or C++ code by moving the computationally intensive portions of your code to an NVIDIA GPU. In addition to providing drop-in library acceleration, you are able to efficiently access the massive parallel power of a GPU with a few new syntactic elements and calling functions from the...
这张卡是处理器。你在Visual Studio 10中用CUDA C语言编写代码,在GPU上编译并运行它。为GPU编写代码要比为CPU编写代码难得多。你需要添加在GPU上分配内存的命令(通常没有多少),将数据从CPU传输到GPU内存,特殊的并行命令,然后将数据改写回来,释放内存,等等。有很多不同的微妙之处,但你可以使用3000个核心。请看这里
EE Times connects the global electronics community through news, analysis, education, and peer-to-peer discussion around technology, business, products and design
因此,在未来,将会有专门为用户和台式机而建的计算场,而手持设备将只是与主机进行通信的终端。
因此,其寓意是:英特尔将比以往任何时候都更忙,因为即使是那些可用的处理器也会被越来越多地需要,我没有预见到这个行业会出现任何停滞(我认为)。
逻辑电路元件的功耗是用公式计算的。
P = f*C*V^2
其中f是频率,C是负载电容(下一个元件的输入电容+金属连接的电容),V是电源电压。在过去的5-10年中,频率已经停止增加,2-3GHz。更小的晶体管尺寸导致了更低的负载电容(更低的输入晶体管电容和更短的晶体管之间的连接)和更低的电源电压。当我开始从事这个行业时,电源电压是5V,然后是3V、1.5V、1V,现在是0.5V。现在每一代新的硅技术都会导致电压降低0.1-0.2V。当摩尔定律停止时,功率停止下降,内核数量停止增长。
很少有人知道,所有的集成电路技术都是由英特尔开发的。世界上每个公司都在模仿英特尔。他们在10年前发明了FinFET,并花了这10年时间将其投入生产。我在英特尔的朋友告诉我,他们没有任何更多的想法。我们公司正在资助各大学的研究,但到目前为止还没有回应。世界正处于摩尔定律结束的一些相当可怕的后果的边缘。在经济困难时期,通常会发生世界大战,导致各国对新技术的投资激增,随后为和平目的开发这些技术。二战期间就是这种情况--艾伦-图灵发明了计算机来解码德国的军事信息。25-30年前,作为计算机革命的结果,有必要将计算机联网,互联网就这样诞生了。在过去10年中,互联网基本上没有什么变化。今天,智能手机可以以几乎与家用电脑相同的速度连接到互联网。我无法想象什么新技术会取代计算机和互联网的位置,让全世界的经济增长 继续下去。
你能推荐一个有256个核心的CPU吗?
2020年的发展极限
你怎么能如此肯定,如果你看不到前景,就没有前景?
我承认,有可能成为一个行业的优秀专家,并对2-5年内等待它的情况有很好的了解(尽管在技术领域,这是太遥远的地平线,我认为)。
但一个人不可能了解所有相关领域的所有研究,不是吗?
如果达到了千兆赫兹或千兆比特/秒的上限,那么就会找到一些替代物(肯定是更强大的一个数量级),世界将继续发展。当然,除非这种发展是必要的。
这就像争论水电生产,对5年后所有河流都将被尽可能有效地利用而感到不安,但没有看到有很多更强大的替代品,从热泵到核能。
为什么忧郁?)
NVidia最新的>2000个核心
我找不到他们的任何处理器,只有卡片。
这张卡是处理器。你在Visual Studio 10中用CUDA C语言编写代码,在GPU上编译并运行它。为GPU编写代码要比为CPU编写代码难得多。你需要添加在GPU上分配内存的命令(通常没有多少),将数据从CPU传输到GPU内存,特殊的并行命令,然后将数据改写回来,释放内存,等等。有很多不同的微妙之处,但你可以使用3000个核心。请看这里
https://developer.nvidia.com/how-to-cuda-c-cpp
这张卡是处理器。你在Visual Studio 10中用CUDA C语言编写代码,在GPU上编译并运行它。为GPU编写代码要比为CPU编写代码难得多。你需要添加在GPU上分配内存的命令(通常没有多少),将数据从CPU传输到GPU内存,特殊的并行命令,然后将数据改写回来,释放内存,等等。有很多不同的微妙之处,但你可以使用3000个核心。请看这里
https://developer.nvidia.com/how-to-cuda-c-cpp
你怎么能这么肯定,如果你看不到一个观点,就没有一个观点呢?
我承认,你可以成为一个行业的优秀专家,并对这个行业在2-5年内的前景有很好的了解(尽管在技术领域,这太遥远了,我认为)。
但一个人不可能了解所有相关领域的所有研究,不是吗?
如果达到了千兆赫兹或千兆比特/秒的上限,那么就会找到一些替代物(肯定是更强大的一个数量级),世界将继续发展。当然,除非这种发展是必要的。
这就像争论水电生产,对5年后所有的河流都将被尽可能有效地利用而感到不安,但没有看到有很多更强大的替代品,从热泵到核能。
为什么忧郁?)
没有忧郁,有的只是对未来的恐惧,包括我自己和别人的恐惧。当你相信科学家会找到问题的解决方案、新技术、癌症的治疗方法或全球变暖的解决方案时,生活当然是如此轻松。 摩尔定律的结束是相当有意义的。阅读最近关于这个问题的文章。 我的观点可能是悲观的,但它是基于对半导体技术的深刻了解,以及凭借我的专业,对该领域的最新研究。将一项新技术推向大规模生产大约需要10年时间,到目前为止,还没有这种技术出现在公司或大学的实验室里。所以我预计计算机技术会有5-10年的停滞期,甚至更长。有一个世界性的组织ITRS(国际半导体技术路线图),它由主要半导体公司的雇员组成,并公布了近期的半导体路线图(他们对技术走向的看法)。自1965年以来,他们一直在发布这一路线图,每两年一次。最后一份是2014年的报告。下一份报告应该在今年夏天公布。该领域的每个人都在期待这份报告,但它从未问世,该组织被改名为国际设备和系统路线图(IRDS),并隶属于IEEE。这个新组织将公布计算机和通信系统、软件等的路线图。这份报告将包括哪些内容是相当模糊的。
http://www.eetimes.com/document.asp?doc_id=1329604
我问的是处理器,不是扩展卡,它们有不同的安装槽。
GPU=图形处理单元(主要由Nvidia生产)。
CPU = 中央处理单元(由英特尔或AMD制造)。
两者都是处理器。你不明白吗?称GPU为卡或任何你想要的东西,但如果你有最新的模型,它就是一个有3000个内核的处理器。如果你有一台电脑,它也是一个GPU,请阅读文件,你有什么型号,它有多少个核心。