GPU

En GPU (graphics processing unit), på dansk en grafikprocessor, er en specialiseret komponent i en computer, der er bygget til at udføre de beregninger, som skal til for at vise billeder, video og andre grafiske data på en skærm. GPU’en adskiller sig fra en almindelig processor (CPU) ved at kunne behandle mange dataopgaver parallelt i stedet for én ad gangen. Den sidder enten integreret i computerens hovedprocessor eller på et separat grafikkort.

Når et computerspil viser en scene med bevægelige skygger og reflektioner i realtid, er det GPU’en, der beregner hver enkelt pixel på skærmen mange gange i sekundet. En almindelig processor kan godt udføre de samme beregninger, men fordi den arbejder mere sekventielt, vil billedopdateringen typisk blive langsommere og mindre jævn, jo mere grafisk krævende opgaven er.

Hvad er en GPU? Definition og grundlæggende funktion

En grafikprocessor er en elektronisk komponent designet til at fremskynde behandlingen af grafik og billeder på tværs af enheder som computere, videokort og mobiltelefoner. Den adskiller sig fra en CPU ved at have en arkitektur med mange mindre kerner, der arbejder samtidigt, mens en CPU typisk har færre, men kraftigere kerner, der løser opgaver i mere sekventiel rækkefølge.

GPU’ens grundlæggende opgave er at beregne og rendere grafik, herunder 3D-scener, ved at behandle store mængder pixels og teksturdata samtidigt. Det gør den velegnet til opgaver som farvebehandling, belysning og skyggeberegning i både spil og videoredigering. GPU’ens ydeevne afhænger blandt andet af clockhastighed, antal kerner og hukommelsesbåndbredde, men flere kerner og højere clockhastighed gør ikke automatisk GPU’en bedre til enhver opgave — det afhænger af, hvor godt opgaven kan opdeles i parallelle deloperationer.

GPU eller grafikkort: Hvad er forskellen?

I daglig tale bruges “GPU” og “grafikkort” ofte i flæng, men de dækker ikke det samme. GPU’en er selve chippen, der udfører de grafiske beregninger. Grafikkortet er det fysiske kredsløbskort, hvor GPU’en sidder sammen med dedikeret hukommelse (VRAM), strømforsyning og tilslutninger til skærmen.

Der findes overordnet tre typer GPU’er. En diskret GPU (dGPU) er en selvstændig chip på sit eget grafikkort, forbundet til resten af computerens hardware via en PCI Express-forbindelse, og bruges typisk til krævende opgaver som avanceret gaming eller professionel videobehandling. En integreret GPU (iGPU) sidder derimod direkte på samme kreds som CPU’en og deler computerens almindelige RAM i stedet for at have dedikeret VRAM, hvilket giver lavere strømforbrug og enklere design, men typisk også lavere ydeevne. Endelig findes virtuelle GPU’er (vGPU), som er software-baserede udgaver af en GPU, der stilles til rådighed via cloudtjenester uden at brugeren selv ejer den fysiske hardware.

GPU-teknologiens udvikling: Fra grafikrendering til kunstig intelligens

Før GPU’en blev opfundet i 1990’erne, lå ansvaret for at kombinere pixels til billeder hos computerens almindelige CPU, hvilket var langsomt til grafisk krævende opgaver. Med fremkomsten af pc-gaming og CAD-programmer i 1990’erne opstod behovet for en hurtigere og mere effektiv måde at behandle pixels på, og i 1999 udgav Nvidia det, der regnes som den første dedikerede GPU-chip, GeForce.

I 2007 introducerede Nvidia CUDA (Compute Unified Device Architecture), en softwareplatform, der gav udviklere direkte adgang til GPU’ens parallelle beregningskraft og dermed åbnede for langt flere anvendelser end grafikrendering. OpenCL er en tilsvarende, men platformuafhængig standard for parallel programmering, som fungerer på tværs af GPU’er fra forskellige producenter, mens CUDA er forbeholdt Nvidias egne GPU’er. I 2010’erne fik GPU’er yderligere funktioner som ray tracing og tensor cores, en type kredsløb designet specifikt til at accelerere deep learning-beregninger. Disse skridt har gjort GPU’en til en central komponent i udviklingen af kunstig intelligens og maskinlæring, fordi mange AI-modeller består af netop de matrixberegninger, som GPU’ens parallelle arkitektur er god til at udføre hurtigt.

Anvendelsesområder for moderne GPU

GPU’er bruges i dag langt bredere end til gaming alene. I gaming-pc’er muliggør de høj billedhastighed, realtidsrendering og understøttelse af ray tracing, som skaber mere realistiske lyseffekter og skygger. Inden for videoredigering og fotobehandling accelererer GPU’en tidskrævende renderingsprocesser, og i 3D-visualisering, som mange grafiske designere og arkitekter benytter, kan komplekse modeller opdateres og roteres i realtid uden lange ventetider.

GPGPU-teknologien (General-Purpose GPU) har gjort det muligt at bruge GPU’ens parallelle regnekraft til opgaver, der ikke handler om grafik. Det gælder blandt andet træning af neurale netværk inden for maskinlæring, videnskabelig simulering og til dels kryptovalutaminedrift. GPU’er indgår desuden i udstyr til virtual reality, hvor de skal levere høj billedhastighed og lav forsinkelse for at undgå ubehag hos brugeren, samt i almindelige computere og bærbare, hvor en integreret GPU ofte er tilstrækkelig til hverdagsbrug.

GPU’ens hukommelse og ydeevne

En GPU har sin egen hukommelse, kaldet VRAM (Video RAM), som bruges til at gemme teksturer, modeller og andre grafiske data, mens de behandles. To udbredte hukommelsestyper er GDDR6 og den nyere GDDR6X. GDDR6X bruger omkring 15 procent mindre strøm per overført bit end GDDR6, men fordi den samtidig er hurtigere, kan det samlede strømforbrug alligevel blive højere.

Mængden af VRAM har betydning for, hvilke opgaver en GPU kan håndtere uden at gå i stå. Mere VRAM gør det muligt at arbejde med højere opløsninger, mere komplekse teksturer og større datasæt, hvilket især mærkes ved 4K-videobehandling eller professionel 3D-modellering. Hvor meget VRAM der reelt er behov for, afhænger dog helt af opgaven og programmet, og et kort med meget VRAM er ikke automatisk hurtigere, hvis andre dele af GPU’en, som clockhastighed eller antal kerner, er begrænsningen.

Cloud-baserede GPU’er

Ud over fysiske grafikkort kan GPU-kraft i dag også lejes som en cloudtjeneste. En virtuel GPU stiller den samme regnekraft til rådighed via en cloududbyder uden, at brugeren selv skal eje eller vedligeholde hardwaren. Udbydere som Google Cloud, AWS, Microsoft og IBM Cloud tilbyder denne type løsninger, hvilket kan være relevant for virksomheder eller forskere, der har brug for GPU-kraft til afgrænsede projekter uden at investere i eget udstyr.

Fremtidens GPU-teknologier

Både Nvidia og AMD investerer fortsat i GPU-arkitekturer, der er optimeret til AI-arbejdsbelastninger, blandt andet gennem videreudvikling af tensor cores og softwareplatforme som CUDA. Ray tracing bliver desuden gradvist mere udbredt og effektivt i takt med, at hardwaren til at understøtte det bliver hurtigere. Nogle forskningsmiljøer undersøger, om principper fra quantum computing på sigt kan kombineres med GPU-arkitekturer, men der findes endnu ingen kommercielle produkter på markedet, der reelt gør dette.

Ofte stillede spørgsmål om GPU’er

Hvad er forskellen mellem en CPU og en GPU?

En CPU er bygget til generelle opgaver og har typisk færre, men kraftfulde kerner, der løser opgaver i mere sekventiel rækkefølge. En GPU har til gengæld hundredvis til tusindvis af mindre kerner, som gør den velegnet til opgaver, der kan opdeles i mange parallelle deloperationer, som grafikrendering eller AI-beregninger.

Hvordan vælger jeg det rette grafikkort til min computer?

Det afhænger af, hvad computeren primært skal bruges til. Til almindelig brug er en integreret GPU ofte tilstrækkelig, mens krævende gaming, videoredigering eller 3D-arbejde typisk kræver et diskret grafikkort. Relevante specifikationer at kigge på er mængden af VRAM, clockhastighed, strømforbrug og om grafikkortet er kompatibelt med computerens øvrige hardware.

Kan en GPU bruges til andet end grafik?

Ja. Gennem GPGPU-teknologi bruges GPU’er i dag også til maskinlæring, videnskabelig simulering og til dels kryptovalutaminedrift, fordi den parallelle arkitektur egner sig godt til denne type beregninger.

Hvad er CUDA og OpenCL?

CUDA (Compute Unified Device Architecture) er en softwareplatform fra Nvidia, der giver udviklere direkte adgang til GPU’ens parallelle regnekraft, men den virker kun på Nvidias egne GPU’er. OpenCL (Open Computing Language) er en tilsvarende standard for parallel programmering, som til gengæld fungerer på tværs af GPU’er fra forskellige producenter.

Hvad er ray tracing?

Ray tracing er en teknik, der simulerer, hvordan lys bevæger sig i en scene, ved at spore lysstråler gennem den virtuelle model. Det gør det muligt at skabe mere realistiske reflektioner, brydninger og skygger i spil og 3D-visualiseringer, men det kræver til gengæld mere regnekraft end traditionelle renderingsmetoder.