Bis heute wissen wir nicht, ob NVIDIA ist ein Unternehmen, das Hardware für künstliche Intelligenz mit der Fähigkeit zur Anzeige von Grafiken oder umgekehrt herstellt. Und es ist so, dass diese Computerdisziplin in den letzten Jahren populär geworden ist und exponentiell gewachsen ist. All dies dank der Implementierung von Einheiten, die Matrixberechnungen mit wenigen Taktzyklen ausführen können. Das nächste Auftreten von denen von Jen Hsen Huang? Grafiktreiber mit KI erstellen. Stehen wir vor einem Problem in der Entstehung oder der endgültigen Lösung für ein allgemeines Problem?
Treiber oder Grafikcontroller sind eines der größten Probleme für Grafikkartenhersteller und insbesondere für GPU Designer. Eine schlechte Qualität kann deutlich schlechtere Ergebnisse in Benchmarks und Spielen bedeuten, was für die Wirtschaft fatal ist. Schließlich kann niemand ein Stück Hardware für einen Preis verkaufen, der höher ist als seine Leistung. Der Grund? Sie verkaufen weniger Wert für einen höheren Preis.
Grafiktreiber und KI?
Einer der Mythen, die wir nicht aufhören zu lesen, ist, dass künstliche Intelligenz am Ende viele Jobs wie Computerprogrammierung eliminieren wird, aber was sie im Bereich der Computersoftware bewirken werden, ist die Eliminierung von sich wiederholenden und mechanisierten Aufgaben. Die Tatsache, dass wir über Grafiktreiber mit KI sprechen, bedeutet nicht, dass sie für die Erstellung dieser Programme verantwortlich sind. Vielmehr bezieht es sich auf die Tatsache, dass die Verwaltung von Prozessen und GPU-Ressourcen von einem solchen Programm gesteuert wird, das von dem Controller verwaltet wird.
Eine GPU besteht aus Dutzenden von Kernen und gleichzeitig Tausenden von Ausführungsthreads. Das Problem besteht jedoch darin, dass ihre Steuereinheit nicht der von Zentralprozessoren entspricht. Ihre Verwaltung muss von dem Fahrer durchgeführt werden, der für die Organisation des gesamten Prozesses verantwortlich ist. Stellen Sie es sich wie ein riesiges Paketunternehmen vor, das die verschiedenen Sendungen so effizient wie möglich den entsprechenden Zielen zuordnen muss.
In jedem modernen Grafikchip ist die Belegung der verschiedenen Register und die gleichzeitige Verwendung der größten Anzahl von Kernen entscheidend für die Leistung. Schlechte Organisation kann dazu führen, dass nicht die maximal mögliche Anzahl an Ressourcen genutzt wird und z. B. eine Erhöhung der Taktrate und damit eine Erhöhung des Verbrauchs erzwingt.
NVIDIA würde es bereits in seiner RTX 40 verwenden
Eines der Verhaltensweisen, die wir bei der neuen Generation von NVIDIA-Grafikkarten gesehen haben, ist die Art und Weise, wie sie sich bei der Verwaltung von Spielen verhalten, die wenig Ressourcen benötigen. Was der RTX 30 und früher tat, war, ein paar Kerne einzuschalten, aber als sich die Arbeit ansammelte, liefen sie mit Boost-Geschwindigkeiten und schalteten die Lüfter ein. Stattdessen besseres Treibermanagement auf ihren neuen GPUs. Was es bewirkt, ist, dass diese Titel mehr Ressourcen des Chips verbrauchen, jedoch aufgrund der von ihnen bereitgestellten Leistung mit einer niedrigeren Taktrate und damit mit geringeren Auswirkungen auf die Stromrechnung.
Einer der Schlüssel könnte in jedem Fall auch der Einsatz von Compilern mit KI sein, um besseren Binärcode zu generieren, der von der GPU auf der Grafikkarte ausgeführt wird. Oft kommt es vor, dass der beim Kompilieren generierte Code nicht der effizienteste ist und bestimmte Kombinationen von Anweisungen in Hochsprache nicht in die besten Kombinationen von Anweisungen für den Prozessor übersetzt werden. Obwohl dies eher etwas ist, das alle Programme betrifft.
Zusammengefasst zahlt sich das Bekenntnis von NVIDIA zu KI für Gaming-Grafikkarten seit einiger Zeit aus und ist gegeben AMDBei all der Sorglosigkeit gegenüber diesem Thema und seinen Treiberproblemen ist es möglich, dass die grüne Marke in Bezug auf die Leistung noch etwas weiter nach vorne dreht.
