Nvidia explica cuál es la diferencia entre una CPU y una GPU

Se dice que la CPU (unidad central de procesamiento) es el cerebro de una PC. La GPU es su alma. Sin embargo, durante la última década las GPU superaron los límites de la PC.

“Las GPU han impulsado el boom mundial de la IA, por lo que se han convertido en una parte clave de la supercomputación moderna. Se han integrado en nuevos y extensos data centers de hiperescala. Estos dispositivos, muy apreciados por los jugadores, se han convertido en aceleradores que potencian todo tipo de tareas, desde la encriptación hasta la red y la IA”, destacó Marcio Aguiar, Director de Nvidia Enterprise Latinoamérica.

Si bien las GPU (unidad de procesamiento de gráficos) ahora son mucho más que las PC, en comparación con sus primeros modelos, siguen ancladas a una idea mucho más antigua llamada "computación paralela". Esto es lo que hace que las GPU sean tan potentes.

“Las CPU son rápidas, versátiles y realizan una serie de tareas que requieren mucha interactividad. Por ejemplo, buscar información en el disco duro como respuesta a las pulsaciones del teclado por parte del usuario”, relató el ejecutivo.

Por el contrario, las GPU dividen los problemas complejos en miles o millones de tareas separadas y las completan a la vez.

“Esto las hace ideales para los gráficos, donde las texturas, la iluminación y la renderización de formas deben realizarse a la vez para mantener las imágenes volando a través de la pantalla”.

“Esta capacidad de deep learning se acelera gracias a la inclusión de los dedicados Núcleos Tensor en las GPU de NVIDIA. Los Núcleos Tensor aceleran las operaciones de matrices grandes, en el corazón de la IA, y realizan cálculos de multiplicación y acumulación de precisión mixta en una sola operación. Esto no solo acelera las tareas tradicionales de IA de todo tipo, sino que ahora se aprovecha para potenciar los juegos”, informó Aguiar.

En la industria automotriz, las GPU proporcionan incomparables capacidades de reconocimiento de imágenes. Pero también son clave para crear vehículos de conducción autónoma capaces de aprender de una gran cantidad de situaciones diferentes del mundo real y adaptarse a ellas.

En robótica, las GPU son clave para que las máquinas perciban su entorno. Sus capacidades de IA se han convertido en un aspecto fundamental para que las máquinas puedan aprender tareas complejas, como navegar de forma autónoma.

En la salud y las ciencias naturales, son ideales para las tareas de generación de imágenes. Sin embargo, el deep learning basado en la GPU acelera el análisis de esas imágenes. Pueden procesar datos médicos y convertir esos datos, mediante deep learning, en nuevas capacidades.

En resumen, las GPU se han vuelto esenciales. Comenzaron acelerando los juegos y los gráficos. Ahora, están acelerando cada vez más áreas donde la potencia de computación marcará la diferencia, resaltó Marcio.