GPU (Bộ xử lý đồ họa), đúng như tên gọi, ban đầu được thiết kế để vẽ hình ảnh trên màn hình. Việc tính toán màu sắc của hàng triệu điểm ảnh trong mỗi khung hình của một trò chơi đòi hỏi cùng một thao tác đơn giản phải được thực hiện trên một lượng dữ liệu khổng lồ cùng một lúc. Sức mạnh xử lý song song đó đã khiến GPU trở nên không thể thiếu trong các lĩnh vực từ tính toán khoa học đến trí tuệ nhân tạo.
Sự khác biệt giữa CPU và GPU
Bộ xử lý trung tâm (CPU) giống như "tổng giám đốc" của máy tính: với các lõi mạnh mẽ, thường từ vài đến vài chục lõi, nó chạy hệ điều hành và xử lý các tác vụ phức tạp, tuần tự đòi hỏi phải đưa ra quyết định. GPU được tạo thành từ hàng ngàn lõi đơn giản hơn và vượt trội trong việc thực hiện cùng một thao tác trên nhiều dữ liệu đồng thời. Ví dụ: CPU giống như một vài giáo sư chuyên gia, trong khi GPU giống như một lớp học khổng lồ với các học sinh cùng thực hiện các phép tính đơn giản tại cùng một thời điểm.
Cách GPU thâm nhập vào AI
Huấn luyện các mạng thần kinh nhân tạo về cơ bản là nhân các bảng số khổng lồ (ma trận) — chính xác là loại công việc song song mà GPU thực hiện rất nhanh. Vào giữa những năm 2000, các công cụ giúp lập trình GPU cho tính toán chung (như nền tảng CUDA của Nvidia) trở nên phổ biến. Sự thành công của AlexNet, một mô hình được huấn luyện trên GPU, trong một cuộc thi nhận dạng hình ảnh năm 2012 được coi là sự khởi đầu của kỷ nguyên học sâu (deep learning). Ngày nay, các mô hình ngôn ngữ lớn được phát triển thông qua các đợt huấn luyện kéo dài hàng tuần hoặc thậm chí hàng tháng trên hàng ngàn GPU được kết nối với nhau trong các trung tâm dữ liệu.
GPU trung tâm dữ liệu và sự cạnh tranh toàn cầu
Các GPU trung tâm dữ liệu được thiết kế cho AI, với bộ nhớ băng thông cao và kết nối chip-to-chip nhanh, rất khác biệt — và đắt đỏ hơn nhiều — so với các card đồ họa chơi game. Nhu cầu về những con chip này đã đưa các nhà sản xuất chip vào hàng ngũ những công ty giá trị nhất thế giới, và các quốc gia như Mỹ đã hạn chế xuất khẩu các loại chip AI tiên tiến nhất vì lý do an ninh quốc gia.
Chọn GPU cho máy tính của bạn
- Tích hợp hay rời? Đồ họa tích hợp sẵn trong bộ xử lý là đủ cho công việc văn phòng, duyệt web và xem video. Chơi game, thiết kế 3D, chỉnh sửa video hoặc chạy các mô hình AI cục bộ đòi hỏi một card đồ họa rời.
- VRAM: Bộ nhớ của card đồ họa mang tính quyết định đối với các trò chơi độ phân giải cao và các mô hình AI lớn.
- Nguồn và làm mát: Các card mạnh mẽ tiêu thụ nhiều năng lượng; hãy đảm bảo bộ nguồn và vỏ máy của bạn phù hợp.
- NPU: Các máy tính xách tay mới cũng bao gồm "bộ xử lý thần kinh" (NPU) giúp xử lý các tác vụ AI với mức tiêu thụ năng lượng thấp; chúng rất hữu ích cho các tính năng AI hàng ngày.
Nguồn và đọc thêm
- Nvidia, “Sự khác biệt giữa CPU và GPU là gì?”.
- Krizhevsky, Sutskever và Hinton, “Phân loại ImageNet với mạng thần kinh tích chập sâu” (2012).
- Intel, “CPU so với GPU: Sự khác biệt là gì?”.
Để lại bình luận
Địa chỉ email của bạn sẽ không được công khai. Các trường bắt buộc được đánh dấu *