Trenden i datoranvändning angående antalet bearbetningselement har varit en dramatisk och långvarig ökning, drivet av flera faktorer som Moores lag (även om dess ursprungliga formulering bromsar), behovet av ökad bearbetningskraft och framsteg i parallella datorarkitekturer. Denna trend kan delas upp i flera faser:
* Tidiga dagar (enstaka kärna): Ursprungligen hade datorer ett enda bearbetningselement (CPU -kärna). Alla beräkningar utfördes i följd.
* flera kärnor (multi-core cpus): När gränserna för enkärnig prestanda nåddes började tillverkarna integrera flera kärnor på en enda CPU-dör. Detta möjliggjorde parallell bearbetning, vilket ökade prestanda avsevärt för multitrådda applikationer. Detta är fortfarande en dominerande trend, med kärnantalet som fortsätter att öka, även om förbättringarna av klockhastigheten har platå.
* många-kärnprocessorer (GPU:er, FPGA, etc.): Utöver multi-core CPU:er har vi sett ökningen av processorer med hundratals eller till och med tusentals kärnor. Grafikbehandlingsenheter (GPU:er), ursprungligen utformade för grafikåtergivning, har blivit oerhört kraftfulla parallella bearbetningsmotorer som används för olika applikationer som maskininlärning och vetenskaplig datoranvändning. Fältprogrammerbara grinduppsättningar (FPGA) erbjuder anpassningsbar hårdvaruacceleration med ett stort antal konfigurerbara logikblock som fungerar som bearbetningselement.
* Distribuerad datoranvändning: Strävan efter ännu mer processorkraft ledde till utvecklingen av distribuerade datorsystem, där flera oberoende datorer arbetar tillsammans med en enda uppgift. Detta inkluderar kluster, rutnät och molnberäkningsplattformar, vilket effektivt använder miljoner eller till och med miljarder bearbetningselement över geografiskt spridda platser.
* Specialiserade hårdvaruacceleratorer: Vi ser en tillväxt i specialiserade hårdvaruacceleratorer utformade för specifika uppgifter, som AI -inferenschips (TPU) eller neuromorfa processorer, var och en med en unik arkitektur och ett potentiellt massivt antal specialiserade bearbetningselement.
Sammanfattningsvis: Den totala trenden visar en exponentiell ökning av antalet bearbetningselement som används vid datoranvändning. Medan antalet kärnor på ett enda chip fortfarande ökar, är desto mer betydande tillväxt i distribuerade system och specialiserad hårdvara, vilket leder till system med enormt ökad bearbetningskapacitet jämfört med de enskilda processorerna i det förflutna. Tyngdpunkten förändras från att helt enkelt öka klockhastigheten till att använda parallellitet genom många kärnarkitekturer och distribuerad datoranvändning.
