Tanie karty Nvidii nie na serwerach: licencyjny zakaz uderza w naukowców

Producent najszybszych na świecie układów graficznychuaktualnił warunkilicencjonowania swoich sterowników dla kart GeForce GTX i Titan,wprowadzając kolejne ograniczenie: żadnych wdrożeń w centrachdanych – za wyjątkiem obciążeń związanych z przetwarzaniemblockchaina (czyli przede wszystkim wykopywania kryptowalut). Jeśliwięc ktoś chce wykorzystać w swojej serwerowni gamingowe kartyNvidii do np. obliczeń inżynierskich czy analityki biznesowej, tocóż, złamie w ten sposób warunki licencjonowania sterowników. Abez tych własnościowych sterowników nie wykorzysta dostępnej mocyobliczeniowej kart.

Według Nvidii, gamingowe karty graficzne nie były projektowane zmyślą o obciążeniach, z jakimi można spotkać się w centrachdanych. Zrobienie wyjątku dla wyliczania blockchaina sprawia, żetrudno uwierzyć w te tłumaczenia – przecież karty graficznepracują wówczas pod maksymalnym obciążeniem non-stop, zwyklenawet bez przerw technicznych. W porównaniu obliczenia naturyinżynierskiej czy naukowej są znacznie mniej obciążające dlasprzętu.

Jeśli nie wiadomo o co chodzi, to chodzi o pieniądze. Za sprawąupowszechnienia się własnościowego frameworku CUDA, na rynkuakceleratorów graficznych Nvidia właściwie nie ma konkurentów…zmuszona jest konkurować sama z sobą. Coraz częściej dochodzi dosytuacji, w których klienci zamiast kupować karty TeslaV100 za jedyne 8 tys. dolarów, kupują sobie karty GeForce GTX1080Ti za niespełna 700 dolarów. Szyna PCIe to przecież szynaPCIe, GeForce w serwerze ruszy zarówno na Linuksie jak i Windowsie.

Oczywiście Tesla V100 jest wydajniejszą kartą, niż GeForce GTX1080Ti. Ale o ile wydajniejszą? Odpowiedź brzmi: to zależy – odrodzaju obliczeń, jakie mamy do przeprowadzenia. Jak widać naponiższym wykresie, profesjonalne karty Tesla mają miażdżącąprzewagę nad GeForce w obliczeniach zmiennoprzecinkowych podwójnejprecyzji, wykorzystywanych głównie w zastosowaniach inżynierskich.Jeszcze większą przewagę mają w obliczeniach połowicznejprecyzji, coraz częściej wykorzystywanych w obciążeniachzwiązanych ze sztucznymi inteligencjami – trenowaniem siecineuronowych. Jednak w obliczeniach normalnej precyzji ich wydajnośćnie jest znacząco większa.

Czy coś tu się nie zgadza? Skąd tak wielka różnica wwydajności? Wyjaśnieniem zagadki są pierwsze karty Titan z rodzinyKepler, produkowane w 2013 roku. Zastowano w nich praktycznie to samoGPU, które znalazło zastosowanie w kartach GeForce GTX 780Ti, tj.układ GK110. Różnica wydajności w obliczeniachzmiennoprzecinkowych podwójnej precyzji była jednak ogromna:podczas gdy GTX 780Ti osiągało jakieś 210 GFLOPS, Titan był wstanie uzyskać 1500 GFLOPS.

Wydanie Titana doprowadziło do zamieszania na rynku. Nagleokazało się, że ludzie nie kupują karty Quadro K6000, o dziwo ztym samym procesorem GK110, zapewniającym tu wydajność podwójnejprecyzji na poziomie 1730 GFLOPS… w tej samej cenie mogą bowiemkupić cztery karty Titan. Dalszy rozwój wydarzeń był łatwy doprzewidzenia. Te potężne Titany po prostu wycofano z produkcji w2014 roku. Zastąpiły je karty Titan X z procesorem GM200, które wpodwójnej precyzji oferowały co najwyżej 225 GFLOPS. Zagrożeniedla kart Quadro zniknęło.

Sęk jednak w tym, że w wielu obciążeniach roboczych,szczególnie tych używanych w obliczeniach naukowych, wcale podwójnaprecyzja nie jest potrzebna. Instytut biologii komputacyjnej,prowadzący badania nad fałdowaniem białek, z przyjemnościąskorzystałby z tanich kart GeForce, oferujących świetną wydajnośćw obliczeniach pojedynczej precyzji, ponieważ obliczeniamizwiązanymi z projektowaniem CAD się nie zajmuje. I do takichscenariuszy dochodziło – nierzadko w sprzęcie budowanym podzamówienia (i budżety) naukowców pojawiały się karty GeForce.Teraz te wszystkie instytucje będą miały problem zlicencjonowaniem.

Sama Nvidia przyznaje, że zdaje sobie sprawę z takich działańnaukowców – i nie zamierza ich powstrzymywać, o ile nie jest toprowadzone na skalę centrum danych. Jak jednak zdefiniować centrumdanych? Zapytany o to przez serwis The Register rzecznik zielonychprzyznał, że istnieje wiele typów centrów danych – są towiększe wdrożenia, często w wieloserwerowych szafach, dającedostęp wielu użytkownikom.Innymi słowy praktycznie każdy uniwersytecki klaster obliczeniowyto centrum danych.

Takie postawienie sprawy jesttłumaczone troską o zachowanie standardów wydajności iniezawodności dla sprzętu i oprogramowania – i zapewne możnabyłoby zrozumieć, że firma nie chce dawać gwarancji na gamingowekarty do pecetów tym, którzy chcą wsadzać je do serwerów izmuszać do pracy w cyklu 24-godzinnym. Odmawianie gwarancji jestjednak czymś innym, niż zakazywanie stosowania, i to w sytuacji,gdy otwiera się furtkę dla komercyjnych kopalni kryptowalut, wktórych panują przecież straszliwe dla sprzętu warunki.