高性能计算的未来：GPU还是CPU？

在高性能计算世界，GPU(通用图形处理芯片)现在正处在最热话题顶端。但是这些争论正在影响GPU在未来更大的计算中的地位。

我们正在不顾一切地、尽可能快地去追寻未来高性能计算的真正面目，所以现在我们在有超级计算机需求的任何地方大量投资。这世界上并没有一个水晶球可以让我们回顾过去犯过的错误，从而为未来得到更多经验。假设产品X成功了，为什么Y技术成为了关键，Z公司失败的故事等都会告诉我们目前哪些产品、技术或者公司将会失败，哪些则会在技术更新浪潮中破浪前进。

现在在高性能计算领域最大的问题就是：到底如何看待GPU？而更大的问题是：软件怎么办？不过可以确信的是，GPU正在受到更多的关注。

众核时代的设备

为了简便起见，在这里我用GPU代替所有的众核计算设备，这意味着GPU或者加速处理器。是不是GPU日后会成为占据主导地位的高性能处理器呢？又或者GPU会不会像人们想象得那样由于编程困难的问题慢慢消失在计算领域？哪种GPU或者加速处理器会成为这个市场强而有力的选择呢？

现在在高性能计算市场占据优势的是——我们通常用超级计算机Top500来作为衡量标准——英特尔至强X86处理器，英特尔只有在AMD推出64位处理器的时候失去了一些份额。AMD牢牢抓住机会，研发出了自己的64位处理器架构，命名为x86-64，并一度在高性能计算市场领先，但是现在的英特尔64位的X86处理器已经成为Top500用户的优先选择。

最后英特尔的至强基本上赢过了AMD的皓龙，从这个历史中我们发现，那些最终主导市场的技术可能不会是率先领先的技术。

因此，即便是Nvidia的CUDA开创了高性能计算使用GPU的先河，但是我们并不能肯定当图形处理器成为主流的时候，Nvidia仍然会是最主要的技术供应商。AMD、英特尔以及Nvidia都在推出不同于CPU、但是又能满足HPC当前需求的产品。

关键势头

第二个关键点是，无论是AMD的64位X86处理器还是Nvidia的GPGPU，编译器都会成为其生态系统中关键的部分，ACML、CUDA或者是社区对于技术之上的势头领先非常关键。有人甚至说，成功是因为软件和社区的完善，而非其它类似的对于硬件问题的解决。

第三点是，最早的使用者认为X86集群是HPC最现实的技术——提供了更好的性价比，相比那些高端机器来说，尽管有的高端机器用户认为性价比不能代表一切，他们坚持认为超级计算机应该使用最好的解决方案。

CPU VS GPU的争论现在看起来就跟上面的争论如此相似。看起来，价格在过去的争论中取胜。比如，另外一种试图取代RISC优势的是英特尔的64位处理器安腾。安腾在某些地方可能有更好，但是有些溢价，而X860—64弥补可能在某些方面不够好，但是够便宜。

这一次有所不同

Top500中有关X86-64的争论与CPU-GPU之争有什么不同吗？也许是。新的X86-64位处理器与RISC不同，不仅从风格上，从编译风格上更是迥异。当然，计算方法不同，产生的最佳计算方式也不同，所以造就了不同的超级计算机和不同的生态系统。

由于工具是现成的，因此用现有用户需要超越X86的软件编程的话，X86-64是个不错的演变，尽管从从RISC迁移到X86并不算容易，但是他们做到了。然而GPU却面临着与CPU完全不同的编程环境，在高性能计算中GPU还不算成熟，但是已经有越来越多不同领域的编译器和函数库。

也许最关键是，融合是两种处理器最简单的选择。我们从过去学到的经验是，长寿命的代码是能够运行在不同平台上的。

投资工作

如果我们要开发一个大型应用程序的化，为了使其有较长的寿命，我们不得不作出是OpenMP还是CUDA或者是OpenCL的选择，如果GPU是通用的，意味着其产品在运行时间能够努力获取投资回报的性能成本。

然而一旦标准化，从历史中得到的教训就是，对最佳成本的选择会出现偏差，有时候成本决定一切会获胜。

作者Andrew Jones，是Numerical Algorithms Group负责高性能计算的副总裁，负责该公司高性能计算服务和顾问业务，在并行计算、集群扩展方面有非常强的领导力。同时他在超级计算社区也颇具盛名，他有至少十年的HPC使用经验。
 

微信扫一扫实时了解行业动态

微信扫一扫分享本文给好友