Hva er egentlig en GPU?
En GPU (Graphics Processing Unit) – tidligere kjent som skjermkort – er en spesialisert datakomponent designet for å håndtere bilder, video og grafikk. I motsetning til datamaskinens hovedprosessor (CPU), som er laget for å håndtere et bredt spekter av oppgaver, er GPU-en spesifikt konstruert for å utføre én type beregning svært raskt: nemlig å behandle store mengder visuelle data samtidig.
Den utrolige mengden beregninger i moderne grafikk
For å illustrere hvor kraftige moderne GPU-er er, kan man se på hva som skjer når et moderne dataspill spilles i 4K-oppløsning:
En 4K-skjerm har en oppløsning på 3840 × 2160 piksler. Det betyr at skjermen består av:
3840 × 2160 = 8 294 400 piksler
For hvert bilde som vises på skjermen, må GPU-en beregne fargen for hver av disse 8,3 millioner pikslene. Men dette er bare begynnelsen.
Hvis spillet kjører med 60 bilder per sekund (60 fps), som anses som standard for en god spillopplevelse, betyr det at GPU-en må utføre følgende beregninger:
8 294 400 piksler × 60 bilder per sekund = 497 664 000 pikselberegninger per sekund
Nesten en halv milliard pikselberegninger hvert sekund! Og selv dette representerer bare overflaten av arbeidet.
For hver piksel må GPU-en utføre en rekke komplekse beregninger:
- Bestemme hvilke objekter som er synlige fra spillerens perspektiv
- Beregne hvordan lys reflekteres fra overflater
- Legge til skygger og spesialeffekter
- Beregne teksturer, farger og dybde
Hver av disse oppgavene kan kreve mange matematiske operasjoner for hver enkelt piksel. I moderne spill med avansert grafikk kan hver piksel kreve hundrevis eller tusenvis av beregninger.
La oss anta at et avansert spill i gjennomsnitt krever 1000 beregninger per piksel (som faktisk er et konservativt anslag for de mest avanserte spillene). Da får man:
497 664 000 pikselberegninger × 1000 beregninger per piksel = 497 664 000 000 beregninger per sekund
Det er nesten 500 milliarder beregninger per sekund bare for å vise spillgrafikk i 4K ved 60 fps!
Hvorfor GPUer er perfekte for jobben
En moderne CPU ville hatt store vanskeligheter med å håndtere disse beregningene alene. GPU-er er imidlertid spesielt utviklet for denne typen arbeid, fordi:
- De har et stort antall beregningskjerner: Mens en vanlig CPU kanskje har 8-16 kraftige kjerner, har en moderne Nvidia-GPU tusenvis av mindre, spesialiserte kjerner.
- De er bygget for parallelle beregninger: Alle disse tusenvis av kjernene kan arbeide samtidig med forskjellige deler av bildet – nesten som å ha tusenvis av små regnemaskiner som hver tar for seg sin lille del av det store regnestykket.
For å illustrere dette: Tenk deg at et enormt veggmaleri skal males. En CPU ville tilsvare å ha én svært dyktig kunstner som maler hele maleriet, mens en GPU er som å ha tusenvis av malere der hver maler en liten del av bildet samtidig.
Fra spillgrafikk til kunstig intelligens
Det bemerkelsesverdige er at denne evnen til å utføre enorme mengder parallelle beregninger viste seg å være nøyaktig det som trengs for å trene kunstig intelligens-modeller.
En AI-modell som ChatGPT består i praksis av milliarder av matematiske «vekter» eller parametere som må justeres gjennom trening på millioner av eksempler. For hver justering må det utføres matematiske beregninger – nettopp den typen beregninger GPU-er er eksperter på.
Nvidia innså tidlig denne muligheten og utviklet programvare (CUDA) som gjorde det enkelt for forskere og utviklere å bruke GPU-er til generelle beregninger, ikke bare grafikk. Dette strategiske valget posisjonerte dem ideelt for AI-revolusjonen.
Hvorfor Nvidia leder an
Nvidia har utviklet verdens mest avanserte GPU-er, spesielt designet for AI-bruk, som deres H100-serie. Disse brukes i store datasentre over hele verden for å trene og kjøre de største AI-modellene. En enkelt H100-brikke kan utføre over 1000 billioner (1 000 000 000 000 000) beregninger per sekund – det er 1000 ganger mer enn eksempelet fra 4K-spillet!
Dette har ført til at alle store teknologiselskaper er avhengige av Nvidias produkter for å utvikle og kjøre sine AI-tjenester, noe som forklarer selskapets enorme vekst og verdi.
Konklusjon
Nvidias suksess er resultatet av en perfekt kombinasjon av faktorer: De hadde utviklet GPU-er for spillindustrien som viste seg å være akkurat det AI-industrien trengte. De identifiserte denne muligheten tidlig, investerte strategisk og bygde et komplett økosystem av maskinvare og programvare som muliggjør utvikling av kunstig intelligens i en skala som tidligere var utenkelig.
Fra å beregne hvordan lyset treffer en digital karakter i et dataspill, til å drive verdens mest avanserte AI-systemer – Nvidias GPU-er har blitt selve kjernen i vår tids største teknologiske revolusjon.