Grafické procesory (GPU) a jejich výkon

GPU (Graphics Processing Unit) je specializovaný elektronický obvod navržený pro rychlou manipulaci s pamětí a urychlení vytváření obrazů v paměťovém rámci (framebufferu) určeném pro výstup na displej. Na rozdíl od CPU, které je navrženo pro sériové zpracování složitých úloh, je GPU optimalizováno pro masivně paralelní výpočty.

1. Architektura: Proč je GPU jiné než CPU?

Zatímco CPU (procesor) má několik výkonných jader optimalizovaných pro sekvenční logiku (rozhodování „pokud-pak“), GPU se skládá z tisíců menších, efektivních jader navržených pro současné provádění stejné matematické operace nad velkým množstvím dat.

Paralelismus: Ideální pro grafiku (každý pixel na obrazovce lze vypočítat nezávisle) a maticovou algebru (základ AI).
Video RAM (VRAM): GPU má vlastní dedikovanou paměť s extrémně vysokou propustností (standardy GDDR6, GDDR6X, HBM3).
Specializovaná jádra: Moderní GPU obsahují specifické bloky:
- RT jádra (Ray Tracing): Pro simulaci fyzikálního chování světla.
- Tensor jádra: Pro akceleraci výpočtů hlubokého učení (AI).

2. Klíčové parametry výkonu

Při posuzování výkonu GPU sledujeme několik metrik:

TFLOPS (Teraflops): Počet bilionů operací s plovoucí desetinnou čárkou za sekundu. Je to hrubé měřítko výpočetního výkonu.
Počet jader (CUDA cores / Stream Processors): Čím více jader, tím více paralelních výpočtů najednou.
Propustnost paměti (Memory Bandwidth): Udává se v GB/s. Určuje, jak rychle může GPU přistupovat k datům ve VRAM.
TDP (Power Limit): Spotřeba energie, která přímo koreluje s tepelným vyzařováním a potenciálním výkonem.

3. GPGPU: GPU jako obecný procesor

Koncept GPGPU (General-Purpose computing on Graphics Processing Units) umožnil využít výkon grafických karet pro úlohy, které nesouvisejí s grafikou:

Umělá inteligence (AI): Trénování velkých jazykových modelů (LLM) probíhá téměř výhradně na GPU.
Kryptografie: Těžba kryptoměn založených na Proof-of-Work.
Simulace: Předpověď počasí, dynamika kapalin, molekulární modelování.

4. Softwarová rozhraní (API)

Aby mohl software s GPU komunikovat, potřebuje standardizované rozhraní:

Grafická API: DirectX (Windows), Vulkan (open-source), Metal (Apple).
Výpočetní API: CUDA (uzavřená platforma NVIDIA, standard v AI), OpenCL (otevřený standard).

5. Integrovaná vs. Dedikovaná grafika

Typ	Umístění	Výhody	Nevýhody
Integrovaná (iGPU)	Součást balení CPU.	Nízká spotřeba, nízká cena.	Sdílí RAM s CPU, nízký výkon.
Dedikovaná (dGPU)	Samostatná karta v PCIe slotu.	Obrovský výkon, vlastní VRAM.	Vysoká cena, velká spotřeba a teplo.

Související články:

Tagy: hw gpu hardware graphics ai cuda nvidia amd