انقلاب در تولید تراشه، فناوری واقعیت مجازی را تسهیل می کند

ایان تامپسون و دیوید کاسلین، بنیانگذاران شرکت واقعیت مجازی Angle Technologi، کار خود را نخست با استفاده از واحد پردازشگر مرکزی (CPU) رایانه آغاز کردند. از CPU برای ایجاد اشیاء جدید مثل درختان، بوته ها، سنگ ها برای حرکت و نقل مکان در دنیای واقعیت مجازی استفاده می شد، اما بارگذاری هر شیئ بر روی تراشه حدود یک پنجم میلی ثانیه زمان برد که بسیار طولانی بود.

به گفته کاسلین، بارگذاری 10 میلیون شیئ بر روی CPU بسیار کند و زمان بر بود؛ اما تراشه GPU یک راه میان بر بود که  فرآیند بارگذاری را با سرعت بسیار بالاتری انجام می داد.

کلمه GPU مخفف واحد پردازش گرافیکی (graphics processing unit) است؛ این تراشه ها، راه حل بهتری برای رندر گرافیکی برای بازی ها و نرم افزارهای مختلف هستند.

به گزارش سیناپرس، این تراشه ها قادر به انجام وظایف بی شماری از جمله محاسبات موازی هستند و هر تراشه می تواند به تنهایی این کار را انجام دهد. توانایی انجام دادن همزمان صدها وظیفه دیجیتالی توسط تراشه های GPU، تحقق فناوری واقعیت مجازی (virtual reality) را تسهیل می کند.

این رویکرد، بخشی از یک تغییر بسیار گسترده تر در دنیای سخت افزار و نرم افزار است. برای چند دهه، قدرت پردازش تراشه های رایانه ای هر 18 ماه یا بیشتر افزایش پیدا می کرد؛ اما در سال های اخیر، این روند آهسته شده است.

کاربردهای نرم افزاری مدرن، قدرت های پردازش بالاتری نسبت به قبل را طلب می کنند؛ از همین رو، شرکت ها و کدنویسان در حال حرکت از پردازنده اصلی (CPU) به سمت پردازنده های جایگزین جدید هستند که قدرت پردازش مورد نیاز را تنها بر روی یک تراشه عرضه کند.

این تغییرات از سوی مراکز داده های عظیم از جمله گوگل، فیسبوک، مایکروسافت و آمازون هدایت می شوند، چراکه ارائه خدمات آنلاین به تنهایی با استفاده از واحدهای پردازشگر مرکزی (CPUs) امکانپذیر نیست و شرکت ها در حال استفاده از گزینه های جایگزین از جمله تراشه های GPUs و تراشه های قابل برنامه ریزی موسوم به FPGAs و حتی تراشه های سفارشی ساز از جمله پردازشگر AI هستند.

این تغییر بسیار گسترده و بزرگ است و دامنه آن، سراسر بازار تراشه جهان را در برخواهد گرفت. در این بین، شرکت nvidia به عنوان بزرگترین تولیدکننده تراشه های GPU در جهان، آینده موفقی را پیش رو دارد.

اما اینتل، بازیگر اصلی در حوزه تراشه های GPUs نیست، چراکه میلیاردها دلار برای توسعه تراشه های FPGAs و انواع مختلف تراشه های AI سرمایه گذاری کرده است.

 

مترجم: معصومه سوهانی

منبع: wired

No tags for this post.