Bisher waren starke High-End Grafikkarten im Endkunden-Markt nur etwas für Gamer. In den letzten Monaten jedoch hat sich viel auf dem Gebiet GPGPU-Computing getan, General Purpose Graphics Processor Unit Computing, also allgemeine Berechnungen, die eigentlich eine CPU erledigen sollte, über die GPU laufen zu lassen. Vor allem NVIDIA mit seiner proprietären Schnittstelle namens CUDA legt hier derzeit ordentlich vor, während ATI bzw. AMD - auf die offene Schnittstelle OpenCL wartend, die kürzlich vorgestellt wurde - noch eine Weile brauchen werden, um den verlorenen Boden wieder gut zu machen.
Fragt sich was ein Endanwender, der nicht spielt, mit der enormen Rechenleistung einer aktuellen GPU anfangen soll. Neben Video-Encoding gibt es nicht sehr viele für Endkunden relevante Einsatzgebiete, wo eine hohe Dauerleistung gefragt ist. Außer natürlich bei den Distributed Computing Projekten wie SETI@Home, GPUGrid, Einstein@Home oder Folding@Home. Wenig überraschend haben sich just diese Projekte auf das Thema GPGPU-Computing gestürzt, um ihre Rechenleistung zu ver-x-fachen. Und noch weniger überraschend leistet NVIDIA fleißig Überstützung, um die Projekte zu "CUDA-fizieren", schließlich verspricht man sich so die Gunst der hundertausenden von Distributed-Computing Usern. Daher unsere Frage an die Leser:
Diesen Artikel bookmarken oder senden an ...
