Werbung
Sowohl AMD als auch NVIDIA arbeiten verstärkt an Lösungen für das GPU-Computing. AMDs CAL (Compute Abstraction Layer) bietet eine Möglichkeit sehr hardwarenah auf der GPU zu rechnen, allerdings ist die Umsetzung für den Programmierer sehr schwierig. NVIDIAs CUDA (Compute Unified Device Architecture) ist hier dank einfacher Programmiersprache in Anlehnung an C einfacher gestaltet und wirkt auch deutlich flexibler.
Zum jetzigen Zeitpunkt sind nur wenige Programme in der Lage von CUDA zu profitieren. Wir verwendeten eine angepasste Version von Folding@Home und den Media Converter BadaBOOM. Als System kam nicht unser normales Testsystem für die Grafikkarten zum Einsatz, sondern ein leicht modifiziertes bestehend aus:
Beginnen wollen wir mit einem Test des Media Converter BadaBOOM. Dieser kann zur Transcodierung einer Video-Datei entweder auf die Grafikkarten zurückgreifen oder aber wie es normalerweise bisher üblich ist, auf die CPU. Die Quelldatei hat eine Länge von 2 Minuten. Das Ergebnis zeigt deutlich, dass NVIDIA hier vielleicht eine Anwendungslücke gefunden hat, denn die Berechnung über die GeForce GTX 280 dauerte nur knapp über 20 Sekunden, während der Intel Core 2 Extreme X9770 @ 4,00 GHz fast genau eine Minute benötigte.
Beeindruckend ist die Performance auch bei Folding@Home. Nur 600 Nanosekunden pro Tag benötigt die GeForce GTX 280, eine ATI Radeon HD 3870 X2 erreicht einen Wert von 180 Nanosekunden pro Tag. Schlusslich bildet unser Intel Core 2 Extreme X9770 @ 4,00 GHz mit 39 Nanosekunden pro Tag.
Die beiden Programme Folding@Home und BadaBOOM zeigen sehr deutlich welches Potenzial in der GPU-Computing-Technologie steckt. Über die Anwendungsgebiete lässt sich sicher streiten und sicherlich hat NVIDIA in den letzten Wochen und Monaten auch sehr stark seine Hardware optimieren können, sei es durch Einflussname auf die Programmierung der Programme oder auf die der Treiber. Wir sind gespannt welche Möglichkeiten hier in Zukunft noch geboten werden.