GPU

GPU (англ. Graphics Processing Unit, графический процессор) — это специализированное электронное устройство или микросхема, предназначенная для обработки и вывода графических изображений, а также для выполнения параллельных вычислений общего назначения. В отличие от центрального процессора (CPU), который оптимизирован для последовательной обработки задач с минимальной задержкой, GPU спроектирован для высокой пропускной способности при работе с большими объёмами однотипных данных, что делает его ключевым компонентом в системах компьютерной графики, видеоиграх, научных расчётах и машинном обучении.

История

Предпосылки и ранние разработки

До появления специализированных графических процессоров функции вывода изображения выполнялись центральным процессором и простыми видеоадаптерами (например, MDA, CGA, VGA), которые лишь преобразовывали цифровой сигнал в аналоговый для монитора. С ростом сложности графических интерфейсов и трёхмерной графики в 1980-х годах возникла потребность в аппаратном ускорении.

Первые графические ускорители

В 1990-х годах компании, такие как 3dfx Interactive с линейкой Voodoo и NVIDIA с RIVA 128, начали выпускать платы, берущие на себя часть вычислений (текстурирование, растеризацию). Термин «GPU» был введён компанией NVIDIA в 1999 году с выходом GeForce 256, которая позиционировалась как первый в мире «графический процессор», способный выполнять аппаратное преобразование и освещение (T&L) без загрузки CPU.

Эра унифицированных шейдеров

В середине 2000-х годов произошёл переход от фиксированного конвейера рендеринга к программируемым шейдерам. NVIDIA (GeForce 8 серии) и AMD (Radeon HD 2000) представили архитектуры с унифицированными шейдерными блоками, которые могли выполнять как вершинные, так и пиксельные программы. Это позволило разработчикам создавать более реалистичные визуальные эффекты.

Современный этап

С 2010-х годов GPU превратились в универсальные вычислительные ускорители. Компании NVIDIA (с архитектурой CUDA) и AMD (с ROCm) активно развивают технологии GPGPU (General-Purpose computing on Graphics Processing Units). В 2020-х годах GPU стали основой для обучения и инференса нейронных сетей, что привело к резкому росту спроса и дефициту на рынке.

Архитектура и устройство

Основные компоненты

Современный GPU состоит из нескольких ключевых блоков:

• Ядра CUDA / потоковые процессоры — сотни и тысячи простых арифметико-логических устройств (ALU), способных одновременно выполнять операции с плавающей запятой. Именно их массовость обеспечивает высокую производительность в параллельных задачах.
• Текстурные блоки (TMU) — занимаются выборкой и фильтрацией текстур.
• Блоки растеризации (ROP) — отвечают за вывод пикселей в кадровый буфер, сглаживание и тест глубины.
• Кэш-память — иерархия кэшей L1 и L2 для снижения задержек при обращении к видеопамяти.
• Контроллер памяти — управляет доступом к видеопамяти (VRAM), обычно GDDR6, HBM2e или GDDR6X.

Параллелизм

Ключевое отличие GPU от CPU — архитектура, ориентированная на массовый параллелизм (SIMT — Single Instruction, Multiple Threads). GPU может выполнять тысячи потоков одновременно, что эффективно для задач, где одни и те же операции применяются к большому массиву данных (матрицы, изображения, симуляции).

Видеопамять

GPU использует собственную высокоскоростную память (VRAM), которая отличается от системной ОЗУ низкой задержкой и высокой пропускной способностью. Объём видеопамяти варьируется от 2 ГБ (в бюджетных моделях) до 80 ГБ и более (в профессиональных ускорителях, например, NVIDIA H100).

Классификация

По типу использования

• Дискретные GPU — отдельные видеокарты, подключаемые к материнской плате через слот PCI Express. Обладают собственной памятью и системой охлаждения. Применяются в игровых ПК, рабочих станциях и серверах.
• Интегрированные GPU (iGPU) — встроены в центральный процессор (например, Intel UHD Graphics, AMD Radeon Graphics в APU). Разделяют системную память с CPU и обычно менее производительны, но энергоэффективны. Используются в ноутбуках и офисных компьютерах.
• Гибридные решения — системы, где дискретный и интегрированный GPU работают совместно (например, технология NVIDIA Optimus), переключаясь между производительностью и энергосбережением.

По сегменту рынка

• Потребительские (игровые) — ориентированы на геймеров и домашних пользователей. Примеры: NVIDIA GeForce RTX 40 серии, AMD Radeon RX 7000 серии.
• Профессиональные (для рабочих станций) — сертифицированы для CAD/CAM, рендеринга и научных расчётов. Примеры: NVIDIA Quadro (сейчас RTX A-серия), AMD Radeon Pro.
• Серверные и вычислительные (для ЦОД) — оптимизированы для машинного обучения, HPC и облачных игр. Примеры: NVIDIA A100, H100, AMD Instinct MI300X.
• Мобильные — встроенные в смартфоны и планшеты (Qualcomm Adreno, Apple GPU, ARM Mali). Отличаются низким энергопотреблением.

Применение

Компьютерная графика и игры

Основная историческая функция GPU — рендеринг трёхмерных сцен в реальном времени. Современные игры используют трассировку лучей (Ray Tracing) для реалистичного освещения и теней, что требует высокой вычислительной мощности. Технологии масштабирования (NVIDIA DLSS, AMD FSR) позволяют повысить производительность за счёт нейросетевого апскейлинга.

Научные и инженерные расчёты

Благодаря массовому параллелизму GPU применяются для моделирования физических процессов (аэродинамика, климат, молекулярная динамика), обработки сигналов и геномных исследований. Фреймворки CUDA (NVIDIA) и OpenCL (кроссплатформенный) позволяют программистам использовать GPU для неграфических задач.

Машинное обучение и искусственный интеллект

GPU стали стандартом для обучения глубоких нейронных сетей. Операции умножения матриц, лежащие в основе нейросетей, идеально параллелизуются на тысячах ядер GPU. Крупные модели (например, GPT-4, LLaMA) обучаются на кластерах из тысяч GPU. Инференс (вывод) также часто выполняется на GPU для снижения задержек.

Криптовалюты и блокчейн

В 2010-х годах GPU активно использовались для майнинга криптовалют (Ethereum, Monero) из-за эффективности при решении хеш-функций. Это привело к дефициту и росту цен на видеокарты. С переходом Ethereum на Proof-of-Stake в 2022 году спрос на GPU для майнинга резко упал.

Производители и рынок

Основные игроки

• NVIDIA (США) — доминирующий производитель дискретных GPU, особенно в сегменте высокопроизводительных вычислений и ИИ. Архитектуры: Tesla, Fermi, Kepler, Maxwell, Pascal, Turing, Ampere, Ada Lovelace, Blackwell.
• AMD (США) — прямой конкурент NVIDIA. Архитектуры: GCN, RDNA, RDNA 2, RDNA 3. Также производит интегрированные GPU в APU Ryzen.
• Intel (США) — после долгого перерыва выпустила дискретные GPU Arc (Alchemist, Battlemage), ориентированные на средний сегмент. Также является крупнейшим производителем интегрированной графики.
• Qualcomm, ARM, Imagination Technologies — лидеры в сегменте мобильных GPU (Adreno, Mali, PowerVR).

Доля рынка

По данным на 2024 год, NVIDIA занимает около 80-90% рынка дискретных GPU для ПК и более 95% рынка вычислительных ускорителей для ЦОД. AMD удерживает оставшуюся часть потребительского сегмента. В мобильном сегменте доли распределены между Qualcomm, ARM и Apple.

Технологии и стандарты

Интерфейсы подключения

• PCI Express — основной интерфейс для дискретных GPU (x16 слот).
• Thunderbolt / USB4 — для внешних видеокарт (eGPU).

Программные интерфейсы (API)

• DirectX (Microsoft) — основной API для Windows, версии 11 и 12.
• Vulkan (Khronos Group) — кроссплатформенный низкоуровневый API.
• OpenGL (Khronos Group) — устаревающий, но широко используемый API.
• CUDA (NVIDIA) — проприетарная платформа для GPGPU, доминирует в ИИ.
• ROCm (AMD) — открытая платформа для GPGPU.
• Metal (Apple) — API для macOS и iOS.

Трассировка лучей

Аппаратная поддержка трассировки лучей (Ray Tracing) появилась в GPU NVIDIA Turing (2018) и AMD RDNA 2 (2020). Специализированные блоки (RT-cores) ускоряют вычисление пересечений лучей с геометрией.

Масштабирование изображения

• DLSS (NVIDIA) — нейросетевой апскейлинг с использованием тензорных ядер.
• FSR (AMD) — апскейлинг на основе пространственных алгоритмов.
• XeSS (Intel) — апскейлинг с использованием ИИ.

Критика и проблемы

Энергопотребление и тепловыделение

Современные флагманские GPU (NVIDIA RTX 4090, AMD RX 7900 XTX) потребляют до 450 Вт и более, что требует мощных систем охлаждения и блоков питания. Это вызывает критику со стороны экологов и пользователей, обеспокоенных ростом энергопотребления.

Дефицит и ценообразование

В 2020–2022 годах рынок GPU столкнулся с острым дефицитом из-за пандемии, криптомайнинга и роста спроса на ИИ. Цены на видеокарты превышали рекомендованные в 2–3 раза. После спада майнинга ситуация нормализовалась, но цены на топ-модели остаются высокими (свыше 1000 долларов США).

Зависимость от проприетарных технологий

Доминирование NVIDIA и её экосистемы CUDA создаёт барьеры для конкуренции и портирования ПО. AMD и Intel пытаются продвигать открытые стандарты (ROCm, OneAPI), но их доля в вычислительном сегменте незначительна.

Интересные факты

• Самый мощный потребительский GPU на 2024 год — NVIDIA GeForce RTX 4090, содержащий 16 384 ядра CUDA и 24 ГБ видеопамяти GDDR6X.
• Первый GPU с поддержкой трассировки лучей в реальном времени — NVIDIA Quadro RTX 6000 (2018).
• В суперкомпьютере Frontier (США) используется более 37 000 ускорителей AMD Instinct MI250X.
• Крупнейший производитель GPU в мире по объёму поставок — Intel, за счёт интегрированной графики в процессорах для ноутбуков и ПК.

Источники

• NVIDIA Corporation. «NVIDIA GeForce RTX 40 Series Architecture Whitepaper». 2022.
• AMD. «AMD RDNA 3 Architecture Whitepaper». 2022.
• Intel. «Intel Arc Graphics Architecture Overview». 2023.
• John L. Hennessy, David A. Patterson. «Computer Architecture: A Quantitative Approach». 6th Edition. Morgan Kaufmann, 2019.
• Статистика рынка GPU: Jon Peddie Research, Mercury Research (отчёты за 2023–2024 годы).
• Документация Khronos Group по Vulkan и OpenGL.