GPU คืออะไร

หน่วยประมวลผลกราฟิก (GPU) เป็นวงจรอิเล็กทรอนิกส์ที่สามารถทำการคำนวณทางคณิตศาสตร์ด้วยความเร็วสูง งานประมวลผลต่างๆ เช่น การเรนเดอร์กราฟิก แมชชีนเลิร์นนิง (ML) และการตัดต่อวิดีโอนั้นต้องนำการดำเนินการทางคณิตศาสตร์ที่คล้ายกันในชุดข้อมูลขนาดใหญ่มาใช้ การออกแบบของ GPU ช่วยให้สามารถดำเนินการเดียวกันกับค่าข้อมูลหลายชุดในแบบคู่ขนานได้ ซึ่งจะเพิ่มประสิทธิภาพในการประมวลผลสำหรับงานต่างๆ มากมายที่เน้นการประมวลผล

เหตุใด GPU จึงมีความสำคัญ

GPU สามารถประมวลผลแบบขนานสำหรับวัตถุประสงค์ทั่วไปได้อย่างดีเยี่ยม แต่ในอดีตไม่ได้เป็นเช่นนั้นเสมอไป เดิมที GPU ได้รับการออกแบบมาสำหรับงานใดงานหนึ่งโดยเฉพาะ นั่นคือ การควบคุมการแสดงภาพ ตามชื่อของมัน

ต้นกำเนิดของ GPU

ก่อนที่จะมี GPU เรามีหน้าจอดอทเมทริกซ์ ซึ่งเปิดตัวในช่วงทศวรรษ 1940 และ 1950 การแสดงผลเวกเตอร์และแรสเตอร์เปิดตัวหลังจากนั้น จากนั้นจึงเปิดตัวคอนโซลวิดีโอเกมและพีซีเครื่องแรกในเวลาต่อมา ในขณะนั้น อุปกรณ์ที่ไม่สามารถตั้งโปรแกรมได้เรียกว่าตัวควบคุมกราฟิกที่ประสานการแสดงผลเข้ากับหน้าจอ ตัวควบคุมกราฟิกแต่เดิมต้องอาศัย CPU ในการประมวลผล แม้ว่าบางรุ่นจะมีตัวประมวลผลบนชิปรวมอยู่ด้วยก็ตาม

ในช่วงเวลาเดียวกันก็มีโปรเจ็กต์สร้างภาพ 3 มิติที่เกี่ยวข้องกับการสร้างพิกเซลเดียวบนหน้าจอด้วยตัวประมวลผลตัวเดียว เป้าหมายคือการสร้างภาพที่รวมพิกเซลจำนวนมากเข้าด้วยกันในระยะเวลาอันสั้น โปรเจ็กต์นี้เป็นต้นกำเนิดของ GPU ตามที่เราทราบ

จนกระทั่งปลายทศวรรษ 1990 ก็มีการเปิดตัว GPU ตัวแรก ซึ่งมุ่งเป้าไปที่ตลาดการเล่นเกมและการออกแบบโดยใช้คอมพิวเตอร์ช่วย (CAD) GPU ได้ผสานรวมกลไกการเรนเดอร์ที่ใช้ซอฟต์แวร์ก่อนหน้านี้ รวมถึงกลไกการแปลงและการจัดแสงเข้ากับตัวควบคุมกราฟิก ซึ่งทั้งหมดนี้อยู่บนชิปที่ตั้งโปรแกรมได้ 

วิวัฒนาการของเทคโนโลยี GPU

Nvidia เป็นเจ้าแรกที่นำ GPU แบบชิปเดี่ยว GeForce 256 มาวางตลาดในปี 1999 ทศวรรษที่ 2000 และ 2010 เป็นยุคแห่งการเติบโตโดยที่ GPU มีฟังก์ชันต่างๆ เช่น Ray Tracing, Mesh Shading และ Hardware Tessellation ซึ่งนำไปสู่การสร้างภาพและประสิทธิภาพของกราฟิกขั้นสูงยิ่งขึ้น 

จนกระทั่งปี 2007 Nvidia ได้เปิดตัว CUDA ซึ่งเป็นเลเยอร์ซอฟต์แวร์ที่ทำให้สามารถประมวลผลแบบขนานได้บน GPU ในช่วงเวลานี้ เห็นได้ชัดว่า GPU มีประสิทธิภาพมากในการทำงานที่มีความเฉพาะเจาะจงสูง โดยเฉพาะอย่างยิ่ง GPU เก่งในงานที่ต้องใช้พลังในการประมวลผลจำนวนมากเพื่อให้ได้ผลลัพธ์ที่เฉพาะเจาะจง

เมื่อ Nvidia เปิดตัว CUDA ก็เป็นการเปิดการเขียนโปรแกรม GPU ให้กับกลุ่มเป้าหมายในวงกว้างยิ่งขึ้น จากนั้นนักพัฒนาก็สามารถเขียนโปรแกรมเทคโนโลยี GPU สำหรับแอปพลิเคชันเชิงปฏิบัติที่เน้นการประมวลผลทุกประเภท การประมวลผลด้วย GPU เริ่มกลายเป็นที่นิยมมากขึ้น

GPU เป็นชิปซึ่งเป็นที่ต้องการสำหรับบล็อกเชนและแอปพลิเคชันเกิดใหม่อื่นๆ โดยนำไปใช้กับปัญญาประดิษฐ์และแมชชีนเลิร์นนิง (AI/ML) มากขึ้นเรื่อยๆ

GPU สามารถนำไปใช้งานได้จริงในด้านใดบ้าง

GPU สามารถใช้กับแอปพลิเคชันที่เน้นการประมวลผลได้หลากหลาย รวมถึงการเงินในวงกว้าง แอปพลิเคชันการป้องกัน และกิจกรรมการวิจัย ต่อไปนี้คือการใช้งาน GPU ที่แพร่หลายที่สุดในปัจจุบัน

การเล่นเกม

การใช้งาน GPU ที่ขยายขอบเขตไปไกลกว่าการแสดงข้อมูลด้วยภาพสำหรับธุรกิจขนาดใหญ่และภาครัฐคือในการเล่นเกมส่วนตัว โดยมีการนำ GPU มาใช้ในคอนโซลเกมในช่วงทศวรรษ 1980 และยังคงใช้ในพีซีและคอนโซลเกมจนถึงปัจจุบัน GPU เป็นสิ่งจำเป็นสำหรับการแสดงผลกราฟิกที่ซับซ้อน

การแสดงข้อมูลด้วยภาพอย่างมืออาชีพ

GPU นำมาใช้ในการใช้งานระดับมืออาชีพ เช่น การเขียนแบบ CAD, การตัดต่อวิดีโอ, การแนะนำผลิตภัณฑ์และการโต้ตอบ, ภาพถ่ายทางการแพทย์ และการสร้างภาพแผ่นดินไหว นอกจากนี้ยังนำไปใช้กับการตัดต่อภาพและวิดีโอ รวมถึงการแสดงข้อมูลด้วยภาพที่ซับซ้อนอื่นๆ แอปพลิเคชันบนเบราว์เซอร์สามารถใช้ประโยชน์จาก GPU ผ่านไลบรารีเช่น WebGL ได้เช่นกัน

แมชชีนเลิร์นนิง

การฝึกโมเดลแมชชีนเลิร์นนิง (ML) ต้องใช้พลังการประมวลผลจำนวนมาก ซึ่งตอนนี้สามารถทำงานบน GPU เพื่อผลลัพธ์ที่รวดเร็วยิ่งขึ้น แม้ว่าการฝึกโมเดลเกี่ยวกับฮาร์ดแวร์ที่ซื้อเองอาจใช้เวลานาน แต่คุณก็สามารถบรรลุผลได้อย่างรวดเร็วโดยใช้ Cloud GPU

บล็อกเชน

สกุลเงินดิจิทัลถูกสร้างขึ้นบนบล็อกเชน บล็อกเชนประเภทใดประเภทหนึ่งซึ่งเป็น Proof of Work โดยทั่วไปแล้วจะต้องอาศัย GPU เป็นอย่างมากในการทำงาน วงจรรวมเฉพาะแอปพลิเคชัน (ASIC) ซึ่งเป็นชิปที่คล้ายกันแต่แตกต่างกัน ปัจจุบันเข้ามาแทนที่การประมวลผล GPU สำหรับบล็อกเชนโดยทั่วไป

การพิสูจน์อัลกอริธึม Proof of Stake ของบล็อกเชนช่วยให้ไม่จำเป็นต้องใช้พลังในการประมวลผลจำนวนมหาศาล แต่ Proof of Work ยังคงแพร่หลายอยู่

การจำลอง

การใช้งานในการจำลองขั้นสูง เช่น ที่ใช้ในพลศาสตร์โมเลกุล การพยากรณ์อากาศ และฟิสิกส์ดาราศาสตร์ ล้วนสามารถทำได้ผ่าน GPU นอกจากนั้น GPU ยังอยู่เบื้องหลังการใช้งานมากมายในยานยนต์และการออกแบบยานพาหนะขนาดใหญ่ รวมถึงพลศาสตร์ของไหล

GPU ทำงานอย่างไร

โดยทั่วไปแล้ว GPU สมัยใหม่จะมีตัวประมวลผลแบบหลายตัวจำนวนหนึ่ง โดยแต่ละตัวมีบล็อกหน่วยความจำที่ใช้ร่วมกัน พร้อมด้วยตัวประมวลผลและรีจิสเตอร์ที่เกี่ยวข้องจำนวนหนึ่ง GPU นั้นมีหน่วยความจำคงที่ รวมถึงหน่วยความจำของอุปกรณ์บนบอร์ดที่ติดตั้งอยู่ 

GPU แต่ละตัวทำงานแตกต่างกันเล็กน้อย โดยขึ้นอยู่กับวัตถุประสงค์ ผู้ผลิต ข้อมูลเฉพาะของชิป และซอฟต์แวร์ที่ใช้ในการประสานการทำงานของ GPU ตัวอย่างเช่น ซอฟต์แวร์ประมวลผลแบบขนาน CUDA ของ Nvidia ช่วยให้นักพัฒนาสามารถตั้งโปรแกรม GPU ได้อย่างเฉพาะเจาะจง โดยคำนึงถึงแอปพลิเคชันการประมวลผลแบบขนานทั่วไปเกือบทุกประเภท 

GPU อาจเป็นชิปแบบสแตนด์อโลน ที่เรียกว่า GPU แบบแยก หรือผสานรวมกับฮาร์ดแวร์ประมวลผลอื่นๆ ที่เรียกว่า GPU แบบรวม (iGPU)

GPU แบบแยก

GPU แบบแยกอยู่ในรูปของชิปซึ่งมีหน้าที่ทำงานที่มีอยู่โดยเฉพาะ แม้ว่างานนั้นจะเป็นงานกราฟิกแบบเดิมๆ แต่ตอนนี้ GPU แบบแยกสามารถใช้เป็นการประมวลผลเฉพาะสำหรับงานต่างๆ เช่น ML หรือการจำลองที่ซับซ้อนได้

เมื่อใช้ในกราฟิก โดยทั่วไปแล้ว GPU จะอยู่ในการ์ดจอที่เสียบเข้ากับเมนบอร์ด ในงานอื่นๆ GPU อาจอยู่บนการ์ดหรือช่องอื่นบนเมนบอร์ดโดยตรง 

GPU แบบรวม

ในช่วงต้นทศวรรษ 2010 เราเริ่มเห็นการเลิกใช้ GPU แบบแยก ผู้ผลิตต่างนำ CPU และ GPU แบบรวมมาใช้กับชิปที่เรียกว่า iGPU iGPU ตัวแรกสำหรับพีซีก็คือกลุ่มผลิตภัณฑ์ Celeron, Pentium และ Core ของ Intel ซึ่งยังคงได้รับความนิยมในแล็ปท็อปและพีซี 

iGPU อีกประเภทหนึ่งคือระบบบนชิป (SoC) ที่มีส่วนประกอบต่างๆ เช่น CPU, GPU, หน่วยความจำ และเครือข่าย ชิปประเภทนี้มักพบในสมาร์ทโฟน

ออนไลน์

GPU ก็สามารถจำลองเสมือนได้ เช่นเดียวกับโครงสร้างพื้นฐานฮาร์ดแวร์คอมพิวเตอร์ประเภทอื่นๆ GPU แบบจำลองเสมือนคือการแสดง GPU ที่ใช้ซอฟต์แวร์ซึ่งใช้พื้นที่ร่วมกับ GPU เสมือนอื่นๆ บนอินสแตนซ์เซิร์ฟเวอร์ระบบคลาวด์ คุณสามารถใช้ GPU นี้เพื่อรันเวิร์กโหลดของคุณได้โดยไม่ต้องกังวลกับการบำรุงรักษาฮาร์ดแวร์พื้นฐาน

GPU และ CPU แตกต่างกันอย่างไร

ความแตกต่างที่สำคัญระหว่าง CPU และ GPU คือวัตถุประสงค์การใช้งานในระบบคอมพิวเตอร์ ทั้งสองอย่างมีบทบาทที่แตกต่างกันไปโดยขึ้นอยู่กับระบบ ตัวอย่างเช่น ทั้งสองมีวัตถุประสงค์ที่แตกต่างกันในอุปกรณ์เล่นเกมแบบมือถือ พีซี และซูเปอร์คอมพิวเตอร์ที่มีตู้เซิร์ฟเวอร์หลายตู้

โดยทั่วไปแล้ว CPU จะดูแลการควบคุมระบบเต็มรูปแบบ รวมถึงการจัดการและงานตามวัตถุประสงค์ทั่วไป ในทางกลับกัน GPU จะดูแลงานที่ต้องใช้การประมวลผลสูง เช่น การตัดต่อวิดีโอหรือแมชชีนเลิร์นนิง

กล่าวอย่างเจาะจงคือ CPU ได้รับการปรับให้เหมาะสำหรับการทำงานในลักษณะต่อไปนี้

  • การจัดการระบบ
  • การทำงานหลายอย่างพร้อมกันในแอปพลิเคชันต่างๆ
  • การดำเนินการอินพุตและเอาต์พุต
  • การทำงานของเครือข่าย
  • การควบคุมอุปกรณ์ต่อพ่วง
  • หน่วยความจำและระบบจัดเก็บข้อมูลแบบมัลติทาสก์

GPU และการ์ดจอแตกต่างกันอย่างไร

ชื่อหน่วยประมวลผลกราฟิกและการ์ดจอมักใช้สลับกัน แต่ทั้งสองอย่างไม่เหมือนกัน

การ์ดจอเป็นบอร์ดเสริม (AIB) ที่เสียบเข้ากับเมนบอร์ดของคอมพิวเตอร์ การ์ดจอไม่ได้ติดตั้งอยู่ในคอมพิวเตอร์ โดยเป็นการ์ดที่สามารถเปลี่ยนได้ การ์ดจอมาพร้อมกับ GPU

GPU เป็นส่วนประกอบหลักในการ์ดจอ โดยอยู่ควบคู่กับส่วนประกอบอื่นๆ เช่น Video RAM (VRAM) สำหรับหน่วยความจำวิดีโอ, พอร์ต (เช่น HDMI หรือ DisplayPort) และส่วนประกอบสำหรับระบายความร้อน อย่างไรก็ตาม เราสามารถติดตั้ง GPU เข้ากับเมนบอร์ดได้โดยตรงหรือรวมเป็นชิปแบบออลอินวันร่วมกับส่วนประกอบอื่นๆ

AWS จะช่วยเรื่องข้อกำหนด GPU ของคุณได้อย่างไรบ้าง

Amazon Web Services (AWS) นำเสนอ Amazon Elastic Compute Cloud (Amazon EC2) ซึ่งเป็นแพลตฟอร์มการประมวลผลที่กว้างและลึกที่สุด

Amazon EC2 มีอินสแตนซ์มากกว่า 500 รายการและมีตัวเลือกตัวประมวลผล พื้นที่เก็บข้อมูล ระบบเครือข่าย ระบบปฏิบัติการ และโมเดลล่าสุดให้คุณเลือก โดยสามารถตอบโจทย์เวิร์กโหลดที่คุณต้องการได้อย่างง่ายดาย

Amazon EC2 ช่วยให้คุณสามารถเช่าและเรียกใช้ GPU ในระบบคลาวด์ได้ง่ายดาย ใช้ประโยชน์จาก GPU สำหรับพลังการประมวลผลในการตัดต่อวิดีโอ เรนเดอร์กราฟิก ปัญญาประดิษฐ์ (AI) และความสามารถในการประมวลผลแบบขนานอื่นๆ

Amazon EC2 instance สามารถรองรับเวิร์กโหลดได้เกือบทุกประเภท:

  • อินสแตนซ์ P2 มีไว้สำหรับแอปพลิเคชันการประมวลผล GPU ที่มีจุดประสงค์โดยทั่วไป
  • อินสแตนซ์ Amazon EC2 P5 มี GPU ในตัวจำนวน 8 ตัว ซึ่งเป็นอินสแตนซ์ที่ใช้ GPU รุ่นล่าสุด โดยมีประสิทธิภาพสูงสุดใน Amazon EC2 สำหรับดีปเลิร์นนิงและการประมวลผลประสิทธิภาพสูง (HPC)
  • อินสแตนซ์ Amazon EC2 G5 ขับเคลื่อนโดยตัวประมวลผล AWS Graviton2 และมี NVIDIA T4G Tensor Core GPU โดยมีประสิทธิภาพต่อราคาดีที่สุดใน Amazon EC2 สำหรับเวิร์กโหลดกราฟิก เช่น การสตรีมเกม Android

เริ่มต้นใช้งาน GPU บน AWS โดยสร้างบัญชีวันนี้

ขั้นตอนต่อไปบน AWS

ดูแหล่งข้อมูลเกี่ยวกับผลิตภัณฑ์เพิ่มเติม
ดูบริการเกี่ยวกับการประมวลผล 
ลงชื่อสมัครใช้บัญชีฟรี

รับสิทธิ์การเข้าถึง AWS Free Tier ได้ทันที

ลงชื่อสมัครใช้งาน 
เริ่มต้นการสร้างในคอนโซล

เริ่มต้นสร้างในคอนโซลการจัดการของ AWS

ลงชื่อเข้าใช้