Pengertian GPU
GPU adalah sirkuit khusus yang dirancang untuk memanipulasi dengan cepat dan mengubah memory sedemikian rupa sehingga mempercepat menampilkan gambar yang sedang frame buffer. GPU digunakan pada sistem embedded, ponsel, PC, workstation dan konsol game.
Cara Kerja GPU
Sebuah graphics card modern umumnya terdiri dari lima komponen, yaitu system interface, memori, graphics prosesor (GPU), frame buffer dan RAMDAC (Random Accsess Memory Digital / Analog Converter). System interface berkaitan langsung dengan motherboard. Saat ini, standarnya adalah PCI-Express, Raw data dimuat ke dalam graphics memory, yang berfungsi sebagai graphics objek dan texture memory. Umumnya, berkapasitas antara 256 MB dan 1.024 MB. Selanjutnya dara tersebut dibaca oleh Graphics Prosessor Unit (GPU) utuk melakukan kalkulasi terhadap semua posisi (koordinat), gerakan dan permukaan objek dari seuatu 3D scane. Hasilnya diperuntukkan untuk output gambar. Gambar yang telah selesai selanjutnya dikirim ke frame buffer. Dari sana, gambar dikirim lagi ke RAMDAC yang akan mengubah informasi digital menjadi output gambar analog untuk ditampilkan ke monitor VGA atau menajdi output digital untuk ditampilkan melalui interface DVI,HDMI, atau DisplayPort.
Pada tugas-tugas tertentu, misalnya simulasi data-data keuangan, kinerja graphics card bahkan 150 kali lebih cepat dari CPU. Kondisi ini dimungkinkan karena Shader fleksibelnya pada GPU terbaru yang dapat diprogram bebas. Dengan demikian, graphics chip-nya bisa dipakai sebagai General Purpose GPU ( GP GPU, Multi Purpose GPU).
Keuntungan performa yang diperoleh ternyata cukup besar. GT200 memiliki performa hingga 933 GFLOP (FLOP: Floating Point Operations Per Second), sedangkan RV770 bisa mencapai 1.200 GFLOP. Sebagai perbandingan, performa Core 2 Quad Q6600 hanya mencapai 21.4 GFLOP. Memang, tidak semua program dapat berjalan parallel sehingga sebuah CPU menjadi pilihan lebih baik untuk menyelesaikan tugas-tugas umum. Namun, untuk kalkulasi spesifik, misalnya simulasi, sebuah GPU bisa jauh lebih unggul dari kebannyakan CPU.
Selama ini, implementasi program yang seperti itu cukup sulit. Dengan CUDA (Compute Unified Device Architecture), nVidia menawarkan sebuah lingkungan pemrograman untuk bahasa C dqan C++. Dengan CUDA, dapat dikembangkan aplikasi dengan kemampuan kalkulasi parallel yang tinggi dan dijalankan pada GPU. ATI meluncurkan proyek yang sejenis dengan nama CTM (Close to the Metal). Namun,tanpa kenyataan dukungan pemrograman C++.
Namun, dibandingkan dengan sebuah CPU, sebuah GPU memiliki kekurangan terbesar. Floating Point (FP) number GPU hanya dapat diproses dengan akurasi satu kali, yaitu 32 bit. Proses yang rumit dengan intermediate data yang besar membutuhkan akurasi ganda, dalam hal ini 64 bit. ATI dan nVidia telah merespon tuntutan ini dan sedang berusaha agar GPU terbaru mereka juga menawarkan tingkat akurasi yang lebih untuk operasi Floating Point.