Annabelle Stephenson
在科技快速发展的今天，对于游戏而言，如SLI和CrossFire之类的多GPU技术已经过时。然而，双GPU的潜力在其他应用领域仍然具有价值，正如FluidX3D演示所展示的那样。在ProjectPhysX品牌下，开发人员Moritz Lehmann博士展示了将Intel A770与Nvidia Titan Xp相结合的配置，这个系统已经接近七岁了。尽管这种组合可能看起来很奇特，但结果表明，两个GPU的搭配产生了强大的合作效果。
多GPU演示非常简单。Lehmann博士使用了Acer的Predator A770 16GB和Nvidia的Titan Xp，每个GPU模拟和渲染了模拟的一半。尽管DX12和Vulkan是最受欢迎的多GPU操作的API，但FluidX3D运行在OpenCL上，这是Khronos Group开发的，与Vulkan的创建者相同。
虽然没有提供精确的性能数据，但Moritz博士声称双GPU设置比单个GPU效率提高了70%，这是有道理的，因为A770和Titan Xp在FluidX3D中提供了类似的结果。模拟花费了1小时13分钟，渲染大约持续了14分钟。这意味着每张卡单独进行模拟仅需要约两小时。
虽然这种组合可能令人发笑，但它是有合理解释的。正如开发人员强调的那样，将极强大的GPU与明显较弱的GPU结合在一起是没有意义的。在FluidX3D的情况下，GPU具有相似的存储容量和带宽是有益的。A770拥有16GB的内存和560GB/s的带宽，而Titan Xp则提供12GB的内存和548GB/s的带宽。因此，这种组合是一个明智的选择。
很难相信游戏行业已经放弃了多GPU技术，考虑到FluidX3D演示中展示的性能提升达到70%。在演示期间，评论员迅速指出DX12和Vulkan对此技术有很大的支持，并且GPU到GPU的连接比以往更可靠，这要归功于最新的PCIe版本的极快速度。
针对这些评论，Moritz博士提出了他的分析，并强调了与游戏中的多GPU配置相关的几个问题。主要问题围绕着为游戏开发多GPU解决方案的成本。在过去，这个负担由Nvidia和AMD承担，但随着DX12和Vulkan的出现，责任已经转移到了游戏开发人员身上。这些API提供了强大的多GPU功能，但需要进行手动优化才能发挥作用。然而，游戏开发人员并没有从实施多GPU支持中得到利益，因为它一直是一个小众特性，即使在PC发烧友中也是如此。
与其投资于多GPU技术，业界已经朝着实现更高性能的不同方向发展。现在的重点更多地集中在单个GPU配置上，创建了如此庞大以至于“你甚至无法将其中之一放入常规计算机箱中，更不用说两个了”的旗舰型号，正如Moritz博士所说。考虑到许多GPU，如RTX 4090 Founders Edition，占据了三个插槽，我们很容易赞同这一观点。目前，多GPU技术在数据中心、超级计算机和面向AI的系统中得到了广泛应用，因为其实施成本是有合理性的。
FAQ:
1. 多GPU技术在演示中的用途是什么？
多GPU技术被用于在FluidX3D程序中模拟和渲染模拟。
2. 在双GPU设置中使用了哪些显卡？
演示中使用了Acer Predator A770 16GB和Nvidia Titan Xp显卡。
3. 演示中使用了哪个API？
演示中使用了OpenCL API，这是由Khronos Group开发的。
4. 使用双GPU设置的预估性能提高是多少？
根据开发者的演示，双GPU设置比单个GPU效率提高了70%。
5. 多GPU配置在游戏中存在哪些主要问题？
主要问题是开发多GPU游戏解决方案所带来的高成本，以及实施多GPU支持对游戏开发人员来说没有盈利能力。
6. 目前行业关于GPU性能的趋势是什么？
目前业界更关注单个GPU配置，创建更大的旗舰型号，而不是使用多GPU技术。
定义：
– 多GPU：一种允许同时使用多个图形卡来提高性能的技术。
– SLI：Scalable Link Interface，由Nvidia开发的一种技术，可以连接两个或更多图形卡以提高性能。
– CrossFire：由AMD开发的一种技术，可以组合多个图形卡以提高性能。
– GPU：图形处理器，负责处理图形的单元。
– 演示：演示或展示。
– API：应用程序编程接口，用于构建软件应用程序的一组协议和工具。
– DX12：DirectX 12，适用于Windows系统中的应用程序编程的API。
– Vulkan：一种用于高效跨平台工作的API。
– OpenCL：开放计算语言，一种可以运行在各种设备上的并行编程的开放标准。
– Khronos Group：负责规范多媒体技术的组织。
– PCIe：外部设备互联总线Express，一种主要用于计算机的计算机总线标准。
– 双GPU：一个具有两个图形卡的计算机配置。
– 超级计算机：能够执行复杂计算的高性能计算机。
来源：
– Nvidia: https://www.nvidia.com/
– AMD: https://www.amd.com/
– Khronos Group – OpenCL: https://www.khronos.org/opencl/
The source of the article is from the blog tvbzorg.com
