我们把FOLDING@HOME的蛋白质折叠算法移植到GPU的并行计算架构上,就要求团队理解GPU的流处理器调度逻辑和显存访问规则,本质就是对GPU底层设计逻辑的反向优化与适配,这属于GPU设计的软件配套
开发!”
讲到这里,陈学兵都有点不敢置信了。
软件配套研发都有成果了?
CUDA ?
这不一步登天嘛?
“等等!你说...基于GPU架构的基础上?你们能接触到GPU架构?”
陈总此刻有种一脚踩到云朵上的飘飘感,赶紧确认哪一步会不会踩空。
“那当然是接触不上。”吴主任微微一笑:“能做GPU的公司虽然不开放架构,但会提供基础图形接口,我们做大量的图形任务测试,通过记录GPU的性能表现比如帧率、功耗、响应延迟,可以一定程度上反向推导 GPU的核
心特性,而且合作方有经验嘛,他们长期与NVIDIA、AMD等GPU厂商合作,虽然不掌握架构设计,但积累了许多让非图形算法适配GPU并行架构的经验,我们也学了一些。
“而且...外资厂商的核心目标是卖GPU硬件,从未刻意限制GPU的通用算力,他们也没想到移动端会有人尝试非图形计算,所以没有在硬件层面屏蔽通过图形接口调用并行算力的可能性,比如有一款PowerVR MBX GPU的流
处理器本身就支持浮点运算。”
他说着指了指一台电脑,一个工程师正在噼里啪啦调代码。
“他们只要没有彻底关上这扇窗,那到了晚上,咱们就有偷光的机会!”
陈学兵听着凝了凝眉,再次确认道:“这么摸,确定能摸到GPU的门槛?”
“能。”这次是卢韦冰开口:“我们把IC部召集起来为这件事反复开会论证,大家都认为通过这种反复验证,绝对能反哺设计能力,而且可以同步把软件调度框架做起来,否则我们也不会批这么多钱了,现在我们已经把研究DS
P图形单元那个IC设计组并过来了,一边攻软件,一边攻IC, DSP项目组就在旁边的2号办公室。”
“就是...这种项目吧...”卢总话锋一转。
陈学兵

本章未完，请点击下一页继续阅读->>>