GPUs revolutionieren das Rechenzentrum

Die Tesla-Produkte sind für Rendering, medizinische Forschung und komplexe Datenverarbeitung gedacht, wie sie im Rechenzentrum Standard sind. “Bei den Prozessoren geht es nicht mehr um Grafik, sondern um reine Rechenleistung. Diese wird insbesondere im professionellen Bereich zur Berechnung von Simulationen und Modellen benötigt”, erklärte Nvidia-Sprecher Jens Neuschäfer im Gespräch mit silicon.de. Laut Keane ist die Lösung bereits bei einer Reihe von großen Industrieunternehmen im Einsatz. Eine Beschränkung für den Einsatz kann er nicht ausmachen: “GPUs sind bei paralleler Verarbeitung von Daten wesentlich effektiver als Standard-Prozessoren – egal von wem sie genutzt werden.”

Ölfirmen etwa führen damit bereits jetzt komplexe geografische und seismische Analysen durch. Auch Wettersimulationen sollen sich mit Tesla um den Faktor 50 beschleunigen lassen. “In einer aktuellen CPU sind etwa 80 Millionen Transistoren verbaut, die Rechenoperationen hintereinander abwickeln. Eine Tesla-GPU verfügt über 700 Millionen Transistoren, wodurch sie mehr Rechenschritte parallel abarbeiten kann”, so Neuschäfer.

Welche Performance-Vorteile Stream-Computing bieten kann, zeigt auch das Distributed-Computing-Projekt Folding@home. Ziel ist es, die Faltung von Proteinen zu simulieren. So wollen Mediziner mehr über die Entstehung und Heilungsmöglichkeiten von Krankheiten wie Alzheimer, Creutzfeldt-Jakob oder Krebs in Erfahrung bringen. Auf der Projekt-Website stehen Clients für verschiedene Betriebssysteme und Plattformen zum Download.

Die Übersicht vom 4. Juli 2007 zeigt, dass 773 GPUs eine Leistung von 46 Teraflops liefern. 24.487 CPUs der an dem Projekt teilnehmenden Linux-Desktops stellen dagegen nur 42 Teraflops zur Verfügung. 185.880 Prozessoren in Windows-Maschinen schaffen 177 Teraflops und 15.361 Intel- und Power-PC-basierte Macs 23 Teraflops. Setzt man diese Zahlen ins Verhältnis, zeigt sich, dass eine GPU in diesem Anwendungsfall ungefähr die 35-fache Leistung bietet.