GPGPU computing: Video Transcoding e NVIDIA PhysX

Le applicazioni possibili della tecnologia CUDA finora mostrate, saranno apparse sicuramente interessanti ai fini di ricercatori e professionisti, tuttavia è pur vero che non è chiaro quale sia il vantaggio reale a fini pratici per l’utente comune.

CUDA, infatti, non si limita ad essere un’espressione moderna dedicata a pochi, ma apre nuovi spazi e obiettivi anche durante l’every day computing, con applicativi ed effetti usati ormai frequentemente da un pubblico sempre più attento alle nuove tecnologie.

Operazioni estremamente parallelizzabili sono l’ideale per un’architettura quale quella di una GPU: un esempio ne è la codifica dei filmati, task sempre più comune in un mondo dove HD è diventata una parola d’uso comune. Stando ai grafici NVIDIA, è possibile ottenere un aumento di prestazioni fino a 18 volte maggiore, sfruttando le capacità di GPGPU computing offerte dai software che sfruttano CUDA, benché essi non siano ancora molto diffusi.

Per quanto la stima possa ritenersi ottimistica, è senza dubbio importante riconoscere i vantaggi di un’architettura parallela programmabile: in futuro potrebbe accadere che sempre più applicazioni spostino il proprio asse verso la GPU, o almeno è questo il trend che si augura NVIDIA.

Un altro esempio della potenzialità di CUDA è la piattaforma NVIDIA PhysX, che include l’ambiente di sviluppo avanzato APEX (Applied PhysX EXtensions) più un SDK (Software Development Kit) per la simulazione di effetti fisici differenti in grado di sfruttare le potenzialità GPGPU intrinseche dei chip NVIDIA: si tratta, in realtà, di tecnologie derivate dalla tristemente nota Ageia, la casa produttrice delle PPU PhysX che includevano, oltre al supporto hardware, anche un motore fisico software.

Oltre ad essere facilmente implementabile, NVIDIA PhysX è una tecnologia basata su API cross-platform in grado quindi di lavorare su diverse piattaforme. Può essere utilizzato su sistemi PowerPC, Cell (ad esempio, PlayStation 3), PPU, CPU e, ovvimente, GPGPU.

Il vantaggio, in questo caso, è duplice: intanto si sgrava la CPU da parte dei calcoli fisici, in secondo luogo i dati elaborati sono disponibili direttamente on-board e non devono transitare né attraverso il chipset (come nel caso di un’elaborazione via CPU), né attraverso il bus PCIe (come nel caso di un’elaborazione via PPU) risultando in un aumento delle prestazioni globali.