Definition

GPU (Graphics Processing Unit, Grafikprozessor)

Ein Grafikprozessor – auf Englisch Graphics Processing Unit (GPU) – ist ein Computerchip, der mathematische Berechnungen besonders schnell durchführt, in erster Linie zum Zweck der Bildwiedergabe. In den Anfängen der Informatik führte der Hauptprozessor (CPU) diese Berechnungen selbst durch. Als jedoch grafikintensivere Anwendungen wie AutoCAD entwickelt wurden, überlasteten deren Anforderungen die CPU und verschlechterten die Leistung. GPUs wurden erfunden, um diese Aufgaben zu übernehmen und Rechenleistung freizusetzen.

Heute werden Grafikchips außerdem eingesetzt, um CPUs weitere Arbeiten abzunehmen und neuronale Netze für KI-Anwendungen (künstliche Intelligenz) zu trainieren. Ein Grafikprozessor kann sich zusammen mit einer CPU auf demselben Schaltkreis, auf einer Grafikkarte oder in der Hauptplatine eines PCs oder Servers befinden. NVIDIA, AMD, Intel und ARM sind einige der Hauptakteure auf dem GPU-Markt. 

GPU versus CPU

Eine GPU ist aufgrund durch parallele Verarbeitung in der Lage, Bilder schneller zu rendern als eine CPU, da sie mehrere Berechnungen gleichzeitig durchführen kann. Eine einzelne CPU verfügt nicht über diese Fähigkeit. Mehrkernprozessoren können jedoch Berechnungen parallel ausführen, indem sie mehr als eine CPU auf dem gleichen Chip kombinieren.

Eine CPU hat auch eine höhere Taktfrequenz, das heißt sie kann eine einzelne Berechnung schneller ausführen als ein Grafikprozessor, so dass sie für grundlegende Rechenaufgaben oft besser gerüstet ist.

Im Allgemeinen ist ein Grafikprozessor für Datenparallelität und die Anwendung derselben Operation auf mehrere Datenelemente (SIMD) ausgelegt. Eine CPU ist für Aufgabenparallelität und die Ausführung verschiedener Operationen ausgelegt.

Wie eine GPU funktioniert

CPU- und GPU-Architekturen werden auch nach der Anzahl der Kerne unterschieden. Der Kern ist im Wesentlichen der Prozessor innerhalb des Prozessors. Die meisten CPUs haben zwischen vier und acht Kerne, einige haben jedoch bis zu 32 Kerne. Jeder Kern kann seine eigenen Aufgaben oder Threads verarbeiten. Da einige Prozessoren über Multithreading-Fähigkeiten verfügen, bei denen der Kern virtuell unterteilt ist, so dass ein einzelner Kern zwei Threads verarbeiten kann, kann die Anzahl der Threads viel höher sein als die Anzahl der Kerne. Dies kann bei der Videobearbeitung und Transkodierung nützlich sein. CPUs können zwei Threads (unabhängige Anweisungen) pro Kern (die unabhängige Prozessoreinheit) ausführen. GPUs können vier bis 10 Threads pro Kern haben.

Beispiel für einen Grafikprozessor.
Abbildung 1: Grafikprozessor von ATI.

Geschichte der GPUs

Spezialisierte Chips für die Grafikverarbeitung gibt es seit dem Aufkommen von Videospielen in den 1970er Jahren. Schon früh gab es sogenannte Videokarten, die als diskrete, dedizierte Leiterplatten, mit Siliziumchips und der notwendigen Kühlung, 2D- und 3D-Berechnungen und manchmal sogar GPGPU-Berechnungen (General Purpose Graphics Processing) durchführten. Moderne Karten mit integrierten Berechnungen für Dreiecksaufbau, Transformation und Beleuchtungsfunktionen für 3D-Anwendungen werden üblicherweise GPUs genannt. Einst seltene, höherwertige GPUs sind heute weit verbreitet und werden manchmal in die CPUs selbst integriert.

In den späten 1990er Jahren kamen Grafikprozessoren in leistungsstarke Unternehmenscomputer, und 1999 führte NVIDIA den ersten Grafikprozessor für Personal Computer ein, den GeForce 256.

Im Laufe der Zeit machte die Rechenleistung der GPUs die Chips zu einer beliebten Wahl für andere ressourcenintensive Aufgaben, die nichts mit Grafiken zu tun haben. Zu den ersten Anwendungen gehörten wissenschaftliche Berechnungen und Modellierung; Mitte der 2010er Jahre wurde das GPU-Computing auch für maschinelles Lernen und künstliche Intelligenz eingesetzt.

Im Jahr 2012 brachte NVIDIA einen virtualisierten Grafikprozessor auf den Markt, der die Grafikverarbeitungsleistung von der Server-CPU in einer virtuellen Desktop-Infrastruktur entlastet. Eine unzureichende Grafikleistung ist eine der häufigsten Beschwerden von Benutzern virtueller Desktops und Anwendungen, und virtualisierte GPUs zielen darauf ab, dieses Problem zu lösen.

Jüngere Entwicklungen auf dem GPU-Markt

Im Laufe des Jahres 2019 hat es sich weitgehend durchgesetzt, dass GPU-Anbieter auch virtuelle GPUs im Angebot haben. Die zunehmende Beliebtheit von GPUs außerhalb von Einsatzgebieten für Video- und Grafikberechnungen hat dazu geführt, dass sich die Entwicklungen am Markt stark beschleunigt haben und immer mehr spezialisierte GPUs für KI, Maschinelles Lernen, Augmented Reality und andere Anwendungen angeboten werden.

NVIDIA hat seine Ray-Tracing-Fähigkeiten als Teil seiner RTX-Plattform weiter vorangetrieben. Ray-Tracing gilt als der nächste Schritt in der Entwicklung der Grafikwiedergabe nach der Rasterung. Während bei der Rastergrafiken Objekte, die aus einem Netz von Dreiecken erstellt werden, zur Darstellung eines 3D-Modells verwendet werden, erzielt Ray Tracing realistischere Beleuchtungseffekte, indem das physikalische Verhalten von Licht simuliert wird, indem der Lichtweg als Pixel in einer Bildebene nachgezeichnet und die Effekte simuliert werden.

Rechenzentrums-GPUs der Enterprise-Klasse unterstützen Unternehmen bei der Nutzung von Parallelverarbeitungsfunktionen durch Hardware-Upgrades. Auf diese Weise können Unternehmen Arbeitsabläufe und grafikintensive Anwendungen beschleunigen.

Diese Definition wurde zuletzt im November 2020 aktualisiert

Erfahren Sie mehr über Business-Software

ComputerWeekly.de
Close