Es algo que se puede comprobar tras aproximadamente tres años de la aparición de las primeras aplicaciones CUDA de NVIDIA que fueron capaces de aprovechar la potencia de cálculo masiva de los procesadores gráficos. Eso dio muchas esperanzas para este campo y para la filosofía GPGPU, que sin embargo ahora está algo estancada.
De hecho, son pocas las aplicaciones de propósito general que se benefician de dichas ventajas, y de hecho aplicar esas mejoras a esas aplicaciones parece ser tan problemático como aprovechar la potencia de los procesadores multicore que tanto Intel como AMD están lanzando en los últimos tiempos.
Así pues, ni tanto ni tan calvo: lo importante es que la paralelización y la transformación de código convencional en código ejecutable por una GPU siguen siendo tareas que los desarrolladores siguen sin dominar, y no parece que la situación vaya a cambiar a corto plazo.
vINQulos
Mejora su plataforma para ayudar a gestionar los riesgos asociados a una adopción masiva de…
Sin embargo, aumentaron los incidentes con gravedad media o baja. Los expertos advierten sobre la…
La pérdida por acción GAAP de la compañía menguó hasta los 0,09 dólares durante el…
Ubicado en Estambul, permite revisar el código fuente de los productos, actualizaciones de software y…
Durante el primer trimestre de su año fiscal 2024 alcanzó los 378,6 millones de dólares.
La compañía californiana ha sufrido descensos en el segmento de productos, como los iPhone, pero…