Warum stehen wir vor dem Ende des Grafiktreiberproblems?

Wir haben seit mehreren Jahren auf den Markt gebracht, in denen Grafikkarten, die viel versprochen haben, aufgrund schlechter Grafiktreiber weniger als versprochen wurden. Dieses Problem könnte jedoch mit der Implementierung bestimmter Hardwareänderungen, die wir im Detail erläutern werden, ein Ende haben und das könnte das Ende einer der größten Geißeln sein, die beim Spielen auf einem Computer erlitten werden.

Das ewige Problem der Grafiktreiber auf dem PC

Die GPUs in Grafikkarten haben eine viel höhere Anzahl von Kernen als das, was wir im Zentralprozessor sehen, also sind sie viel einfacher und das macht ihre Steuereinheit viel einfacher. Da es sich um ein Zubehörelement handelt, ist der Treiber für die Verwaltung der Ressourcen und die Erstellung der Befehlslisten verantwortlich, die die Grafikkarte ausführt.

Idealerweise sollte der Code, der die Grafiken generiert, so weit wie möglich optimiert werden mit dem Ziel, jederzeit möglichst viele Ressourcen möglichst effizient zu belegen. Das heißt, ohne jede der Ressourcen zu überlasten und ohne einige ungenutzt zu lassen. Dies erfordert jedoch nicht nur eine Optimierung für jede Architektur, sondern auch für jede Grafikkartenkonfiguration. Betrachtet man die Anzahl der verfügbaren Modelle, kann man bereits verstehen, dass es sich um ein Werk von Sisyphos für Entwickler handelt.

Nun, vor ein paar Tagen haben wir Ihnen bereits gesagt, wie NVIDIA plant, KI in seinen Treibern einzusetzen, kann jedoch keine Funktion nutzen, die nicht zuvor in Hardware implementiert wurde. Hier kommt der andere Teil unserer Geschichte ins Spiel, der mit der Verwendung von RISC-V auf GPUs zu tun hat.

RISC-V wird seit langem auf GPUs verwendet

Wir müssen davon ausgehen, dass RISC-V ein völlig kostenloser ISA und daher anders ist ARM, bedeutet dies nicht nur, dass diejenigen, die es verwenden, keine Lizenzgebühren zahlen müssen, sondern schränken auch die Verwendung nicht ein. Dies bedeutet, dass Prozessoren für spezielle Zwecke verwendet werden können, die nicht alle Anweisungen eines herkömmlichen haben CPU obwohl sie gleich funktionieren und dadurch in bestimmten Szenarien verwendet werden können.

Und im Fall von NVIDIA stellen wir fest, dass die Marke RISC-V-Prozessoren in ihren Grafikkarten hat. Seit wann? Nun, ab der GTX 1000 mit Pascal-Architektur. Und auf bestimmten Elementen, wie jetzt:

• Der GPU-Befehlsprozessor selbst ist seit mindestens 5 Jahren RISC-V.
• Die Cacheverwaltungsprozesse der zweiten Ebene werden von einem oder mehreren Prozessoren dieses Typs ausgeführt.
• Wenn wir über Verbrauchs-, Spannungs- und Taktmanagementmechanismen sprechen, werden diese nicht nur von Temperatursensoren getragen, sondern auch von Kernen dieser Art.

Es handelt sich also um spezielle Aufgaben, bei denen dieser Kerntyp zum Einsatz kommt. Die Verwendung von RISC V auf GPUs ist also nicht neu.

Und wie kann RISC-V auf GPUs das Treiberproblem lösen?

Nun, mit der einfachen Tatsache, die Arbeit auf die CPU herunterzuladen, müssen die verschiedenen Prozesse verwaltet werden, die parallel auf der ausgeführt werden müssen GPU. Insbesondere wäre es eine Weiterentwicklung des aktuellen Befehlsprozessors, der Inferenzalgorithmen durch Deep Learning, eine der Disziplinen der künstlichen Intelligenz, und daher evolutionäre Algorithmen verwenden würde, um die GPU besser verwalten zu können Ressourcen.

In jedem Fall hat es die folgenden Vorteile, die Arbeit der Treiber einem RISC-V-Prozessor für die im Befehlsprozessor desselben platzierte GPU anzuvertrauen:

• Es entlastet die CPU davon, die Ereignisse selbst verarbeiten zu müssen, wodurch ihre Zeit in jedem Frame verringert und somit die FPS-Rate erhöht wird.
• Sie sind für die Vorkompilierung von Shadern verantwortlich, von denen sie auch ein Element auf den zentralen Prozessor auslagern.
• Es ermöglicht das viel einfachere Hinzufügen neuer Funktionen sowie eine effizientere Fehlerbehandlung.
• Für Programmierer bietet es ihnen eine genauere Debugging-Fähigkeit von Programmen, die auf den Grafikchipkernen ausgeführt werden.
• Es ermöglicht die Kommunikation mit den Zubehörblöcken der GPU, ohne dass der Prozessor eingreifen muss. Das heißt, es macht die Verwendung von Video-Codecs, die Verwendung der DMA-Einheit oder des Display-Controllers effizienter. Konkret ermöglicht es Ihnen, die unterschiedlichen Latenzen effizienter zu reduzieren.
• Sie können lernen, wie jedes Spiel auf unserem PC funktioniert, und die Grafikeinstellungen automatisch verwalten.

Abschließend kommt es also auf die Verwendung von KI durch RISC-V-Kerne auf der GPU an.

Das große gemeinsame Problem von Intel, NVIDIA und AMD

Das Problem bei Grafikkarten ist der große Personal- und Kapitalaufwand allein für die Erstellung von Controllern oder Grafiktreibern. Gerade wenn diese am Ende nicht funktionieren, wirkt sich das auf die Performance der Hardware und damit auf deren Preis aus, da man ein System mit weniger Performance nicht zum gleichen oder höheren Preis verkaufen kann. Das heißt, ein schlechter Fahrer kann dazu führen, dass Sie viel Geld verlieren.

Diese Art der Optimierung erfordert jedoch Änderungen in der Hardware und daher die Schaffung neuer Chips. Alles deutet darauf hin, dass dies der große Vorteil ist, den NVIDIA gegenüber seinem größten Konkurrenten hat, und dass sie ihn voll ausnutzen werden, um in den Leistungstests zu gewinnen und ihren enormen Marktanteil weiter zu festigen. Andererseits ist es die Demonstration der Folgen durch AMD den Markt für künstliche Intelligenz ignoriert und seine Anwendung in Gaming-Grafikhardware unterschätzt zu haben.

Glücklicherweise ist RISC-V ein völlig kostenloser ISA, der verwendet werden kann, und solche Lösungen werden nicht nur von NVIDIA durchgeführt. Darüber hinaus implementieren andere Unternehmen wie Imagination Technologies sie bereits in ihren mobilen GPUs, wo die Probleme denen auf PCs ähneln.