Зачем нужна видеокарта: почему для графики придумали отдельный мозг — GPU

Процессор — это один гениальный профессор, а видеокарта — стадион из тысяч школьников, и для покраски миллионов пикселей толпа школьников бьёт профессора вчистую.

Секрет GPU не в том, что он «умнее» процессора. Наоборот, его ядра проще. Сила в количестве: тысячи простых ядер делают одно и то же одновременно, а графика — ровно такая задача.

Экран — это сетка из миллионов пикселей, и в игре каждый из них нужно пересчитать и перекрасить десятки раз в секунду. Это чудовищный объём вычислений. Но есть нюанс: вычисления для всех пикселей однотипные и независимые — посчитать цвет одной точки никак не мешает считать другую. Именно под такие задачи и создан GPU.

Профессор против толпы

Сравним два подхода. Обычный процессор (CPU) — это несколько очень умных и быстрых ядер. Каждое умеет решать сложнейшие, запутанные задачи с кучей ветвлений, но их мало — обычно от 4 до 16. Это горстка гениев: блестящи в трудных одиночных задачах, но физически не могут делать тысячи дел разом.

Видеокарта (GPU) идёт от обратного. Её ядра проще и не такие сообразительные по отдельности, зато их тысячи. Это не команда профессоров, а целый стадион работников. Каждый умеет немного, но когда нужно выполнить одну и ту же операцию над миллионом элементов, толпа разносит её мгновенно. Дайте профессору и стадиону задачу «покрасьте миллион клеток одинаковой кистью» — толпа победит с разгромным счётом.

Магическое слово: параллельность

Ключ ко всему — параллельные вычисления. CPU решает задачи в основном по очереди, одну за другой, пусть и очень быстро. GPU делает тысячи одинаковых вычислений одновременно. Для графики это идеально: все пиксели можно красить разом. Поэтому видеокарта рисует сложную трёхмерную сцену в сотни раз быстрее, чем справился бы процессор, честно перебирая пиксели один за другим.

Как видеокарта строит трёхмерный мир

В играх мир состоит из тысяч треугольников — из них собраны все модели, от персонажей до гор. Видеокарта берёт эти треугольники, проецирует их на плоскость экрана (как тень на стену), а затем для каждого пикселя считает его цвет: учитывает текстуру, свет, тени, отражения. Всё это — одинаковые расчёты, размноженные на миллионы пикселей. Ровно та работа, под которую заточена армия простых ядер.

Почему GPU вдруг понадобился искусственному интеллекту

Тут случился неожиданный сюжетный поворот. Оказалось, что обучение нейросетей по своей сути — это горы одинаковых операций над огромными таблицами чисел (перемножение матриц). А это в точности то, для чего создан GPU: тысячи однотипных вычислений параллельно. Видеокарты, придуманные для игр, внезапно стали главным инструментом искусственного интеллекта. Современные модели обучают на тысячах GPU именно потому, что их армия простых ядер идеально перемалывает математику нейросетей.

А ещё майнинг и наука

По той же причине GPU полюбили майнеры криптовалют и учёные: расчёт климата, моделирование молекул, обработка научных данных — везде, где нужно выполнить миллионы одинаковых операций, видеокарта обгоняет процессор. Из узкого инструмента для красивых игр GPU превратился в универсальный ускоритель массовых вычислений.

Кому что доверить

Это не соперничество, а разделение труда. Процессор остаётся дирижёром: запускает программы, ведёт сложную логику, координирует систему. А когда возникает задача «сделать одно и то же миллион раз» — рисунок, нейросеть, расчёт, — он перебрасывает её видеокарте. Так в одном компьютере уживаются гениальный профессор и неутомимый стадион, и каждый занят тем, что у него получается лучше всего.