تفاوت GPU و کارت گرافیک در سرورهای HPE چیست؟ بررسی کامل ساختار و کاربرد

وقتی صحبت از GPU در سرورهای HPE می‌شود، معمولاً دو اصطلاح بیشتر از همه شنیده می‌شوند: GPU و کارت گرافیک. اما آیا این دو یک مفهوم دارند؟ پاسخ کوتاه خیر است.

GPU یک پردازنده تخصصی برای انجام محاسبات موازی است. در مقابل، کارت گرافیک یا کارت شتاب‌دهنده یک مجموعه سخت‌افزاری کامل است که GPU یکی از اجزای اصلی آن محسوب می‌شود.

این تفاوت در سرورهای HPE اهمیت زیادی دارد. شتاب‌دهنده‌هایی مانند NVIDIA H100 PCIe فقط یک تراشه پردازشی نیستند. در ساختار این کارت‌ها، GPU در کنار حافظه اختصاصی، مدار تغذیه، رابط PCI Express و سیستم خنک‌کننده قرار می‌گیرد. مجموع این اجزا یک کارت شتاب‌دهنده کامل را تشکیل می‌دهد.

بنابراین، برای درک درست تفاوت GPU و کارت گرافیک در سرورهای HPE باید ابتدا با مفهوم GPU و وظیفه آن آشنا شویم. سپس ساختار کارت گرافیک یا کارت شتاب‌دهنده را بررسی کنیم. در ادامه نیز با بررسی NVIDIA H100 PCIe، اجزای اصلی یک کارت GPU را می‌شناسیم تا تفاوت GPU با کارت کامل به‌صورت دقیق مشخص شود.

GPU چیست؟ قلب پردازش موازی در سرورهای HPE

وقتی درباره هوش مصنوعی، یادگیری ماشین، رندرینگ سه‌بعدی یا شبیه‌سازی‌های علمی صحبت می‌کنیم، نام GPU تقریباً همیشه مطرح می‌شود. با این حال، بسیاری از کاربران GPU را با کارت گرافیک یکسان می‌دانند. در حالی که این دو با یکدیگر تفاوت دارند.

GPU مخفف Graphics Processing Unit است. GPU یک پردازنده تخصصی است که برای انجام حجم زیادی از محاسبات موازی (Massively Parallel Computing) طراحی شده است.

CPU معمولاً از تعداد محدودی هسته قدرتمند تشکیل می‌شود. در مقابل، GPU از هزاران هسته کوچک‌تر تشکیل شده است. این هسته‌ها می‌توانند تعداد زیادی عملیات مشابه را به‌صورت هم‌زمان اجرا کنند.

این تفاوت در ساختار پردازشی باعث شده است GPU در بسیاری از بارهای کاری مدرن کاربرد داشته باشد. آموزش مدل‌های هوش مصنوعی، تحلیل داده، پردازش تصویر، رندرینگ و شبیه‌سازی‌های مهندسی از جمله این کاربردها هستند.

یک مثال واقعی از GPU داخل NVIDIA H100

برای درک بهتر تفاوت GPU و کارت گرافیک، می‌توانیم ساختار یکی از شتاب‌دهنده‌های شناخته‌شده مورد استفاده در سرورهای HPE را بررسی کنیم.

کارت NVIDIA H100 PCIe بر پایه تراشه GH100 ساخته شده است. در این ساختار، GH100 همان GPU است. در مقابل، H100 PCIe یک کارت شتاب‌دهنده کامل محسوب می‌شود.

مشخصات GPU در NVIDIA H100

این جدول یک نکته مهم را نشان می‌دهد:

GH100 همان GPU است.

اما زمانی که یک سازمان NVIDIA H100 PCIe را خریداری می‌کند، فقط تراشه GH100 را در اختیار ندارد. این محصول یک برد الکترونیکی کامل است که GPU، حافظه، مدار تغذیه، کنترلرها و سیستم خنک‌کننده را در خود جای داده است.

به بیان ساده:

GH100 = GPU

اما:

NVIDIA H100 PCIe = کارت شتاب‌دهنده (Accelerator Card)

این تفاوت، یکی از نکات مهم هنگام بررسی تجهیزات GPU در سرورهای HPE است.

GPU چگونه پردازش می‌کند؟

برای درک نحوه عملکرد GPU می‌توان از یک مثال ساده استفاده کرد.

CPU را مانند یک استاد دانشگاه توانمند در نظر بگیرید. او می‌تواند مسائل پیچیده را حل کند، اما تعداد محدودی دانشجو در اختیار دارد.

GPU در مقابل، مانند یک سالن بزرگ با هزاران دانشجو است. هر دانشجو وظیفه کوچکی را بر عهده دارد و می‌تواند هم‌زمان با دیگران روی یک مسئله کار کند.

برای مثال، اگر بخواهید تصویر یک فیلم 8K را پردازش کنید یا میلیون‌ها پارامتر یک شبکه عصبی را آموزش دهید، GPU می‌تواند هزاران محاسبه مشابه را به‌صورت موازی انجام دهد.

به همین دلیل، آموزش یک مدل زبانی بزرگ (LLM) روی چند GPU پیشرفته ممکن است چند روز زمان ببرد. اجرای همین فرآیند تنها با CPU می‌تواند هفته‌ها یا حتی ماه‌ها طول بکشد.

چرا GPU برای هوش مصنوعی مناسب است؟

بارهای کاری هوش مصنوعی عمدتاً شامل عملیات ریاضی روی ماتریس‌ها و بردارهای بسیار بزرگ هستند.

GPU برای انجام همین نوع محاسبات موازی طراحی شده است. این پردازنده علاوه بر هسته‌های CUDA، از واحدهای پردازشی اختصاصی مانند Tensor Core نیز استفاده می‌کند.

Tensor Coreها عملیات پیچیده‌ای مانند ضرب ماتریس‌ها را با سرعت بالایی انجام می‌دهند. این عملیات در آموزش شبکه‌های عصبی به‌صورت مداوم تکرار می‌شوند.

به همین دلیل، کارت‌هایی مانند NVIDIA H100 و NVIDIA H200 در آموزش مدل‌های هوش مصنوعی عملکرد بسیار بالایی دارند.

GPU فقط برای پردازش تصویر نیست

یکی از برداشت‌های اشتباه درباره GPU این است که این پردازنده فقط برای تولید و نمایش تصویر کاربرد دارد.

در گذشته، GPUها بیشتر برای پردازش گرافیکی استفاده می‌شدند. امروزه اما بسیاری از GPUهای مورد استفاده در سرورهای HPE برای انجام محاسبات طراحی شده‌اند. حتی بعضی از آن‌ها خروجی تصویر فیزیکی ندارند.

برای مثال:

همان‌طور که مشاهده می‌شود، بسیاری از GPUهای مورد استفاده در مراکز داده برای انجام محاسبات طراحی شده‌اند و وظیفه‌ای برای تولید تصویر روی نمایشگر ندارند.

کارت گرافیک چیست؟ فراتر از یک GPU

پس از شناخت GPU، اکنون می‌توانیم به سؤال اصلی دیگری پاسخ دهیم: کارت گرافیک چیست و چه تفاوتی با GPU دارد؟

از دیدگاه سخت‌افزاری، کارت گرافیک (Graphics Card) یا کارت شتاب‌دهنده (GPU Accelerator) یک برد الکترونیکی کامل (Printed Circuit Board یا PCB) است.

این برد مجموعه‌ای از قطعات پردازشی، حافظه، مدارهای تغذیه و اجزای ارتباطی را در خود جای می‌دهد. GPU یکی از مهم‌ترین اجزای این برد است، اما تمام کارت را تشکیل نمی‌دهد.

در سرورهای HPE، زمانی که یک کارت شتاب‌دهنده مانند NVIDIA H100 PCIe، NVIDIA L40S یا AMD Instinct MI300X نصب می‌شود، یک ماژول سخت‌افزاری کامل به سرور اضافه می‌شود؛ نه صرفاً یک تراشه پردازشی.

کالبدشکافی یک کارت NVIDIA H100 PCIe

برای درک دقیق‌تر ساختار کارت گرافیک و تفاوت آن با GPU، اجزای اصلی NVIDIA H100 PCIe را بررسی می‌کنیم:

NVIDIA H100 PCIe Accelerator

├── GH100 GPU (Hopper Architecture)

├── 80GB HBM2e Memory Modules

├── Memory Controller

├── VRM (Voltage Regulation Module)

├── PCIe Gen5 x16 Interface

├── Power Management Controller

├── EEPROM / Firmware

└── Passive Cooling Heatsink

همان‌طور که مشاهده می‌شود، GH100 تنها یکی از اجزای کارت است. برای استفاده از GPU در قالب یک کارت شتاب‌دهنده، بخش‌هایی مانند حافظه، مدار تغذیه، رابط ارتباطی و سیستم خنک‌کننده نیز مورد نیاز هستند.

اجزای اصلی یک کارت GPU در سرورهای HPE

۱. GPU؛ مغز پردازشی کارت

GPU مسئول انجام عملیات پردازشی کارت است.

برای مثال، در کارت NVIDIA H100 PCIe از تراشه GH100 با معماری Hopper استفاده شده است. این تراشه شامل موارد زیر است:

• ۱۶٬۸۹۶ هسته CUDA
• نسل چهارم Tensor Core
• موتور اختصاصی Transformer Engine
• واحدهای FP64، FP32، FP16، BF16 و FP8

محاسبات هوش مصنوعی، تحلیل داده و پردازش‌های علمی در این بخش انجام می‌شوند.

۲. حافظه اختصاصی GPU

برخلاف CPU که از حافظه اصلی سرور استفاده می‌کند، هر کارت GPU دارای حافظه اختصاصی خود است.

برای نمونه:

این حافظه مستقل از RAM سرور است و مستقیماً به GPU متصل می‌شود. به همین دلیل، تأخیر بسیار کمتری دارد.

۳. چرا HBM از DDR5 سریع‌تر است؟

در سرورهای HPE، پردازنده ممکن است به حافظه DDR5 با پهنای باند حدود ۴۰۰ تا ۶۰۰ گیگابایت بر ثانیه دسترسی داشته باشد.

در مقابل، یک کارت NVIDIA H100 با استفاده از حافظه HBM2e پهنای باندی در حدود ۲ ترابایت بر ثانیه ارائه می‌دهد.

این اختلاف پهنای باند یکی از مهم‌ترین دلایل عملکرد بالای GPU در پردازش‌های هوش مصنوعی و HPC است.

۴. مدار تغذیه (VRM)

یکی از بخش‌های مهم کارت GPU، مدار Voltage Regulation Module یا VRM است.

GPU برای عملکرد پایدار به ولتاژهای دقیق نیاز دارد. وظیفه VRM تبدیل ولتاژ ورودی منبع تغذیه سرور به ولتاژ موردنیاز GPU و حافظه است.

برای مثال، کارت NVIDIA H100 PCIe توان مصرفی حدود ۳۵۰ وات دارد. مدل‌های SXM5 این GPU نیز می‌توانند تا ۷۰۰ وات مصرف کنند.

۵. رابط PCI Express

کارت‌های شتاب‌دهنده PCIe از طریق رابط PCI Express با سرور ارتباط برقرار می‌کنند.

کارت‌های جدیدتر از PCIe Gen5 x16 استفاده می‌کنند. این رابط نسبت به نسل‌های قبلی پهنای باند بیشتری برای انتقال داده در اختیار GPU قرار می‌دهد.

در سرورهای HPE Gen12 نیز این رابط نقش مهمی در انتقال داده میان پردازنده، حافظه و کارت‌های شتاب‌دهنده دارد.

۶. سیستم خنک‌کننده

برخلاف کارت‌های گرافیکی دسکتاپ که معمولاً دارای فن هستند، بیشتر کارت‌های مورد استفاده در سرورها از خنک‌کننده غیرفعال (Passive Cooling) استفاده می‌کنند.

در این طراحی، هیت‌سینک کارت توسط جریان هوایی که فن‌های سرور ایجاد می‌کنند خنک می‌شود.

به همین دلیل، کارت‌های دیتاسنتری مانند H100 یا MI300X به جریان هوای مناسب در رک و شاسی سرور نیاز دارند.

تفاوت GPU و کارت گرافیک در سرورهای HPE چیست؟

با توجه به مطالب بررسی‌شده، می‌توان تفاوت این دو مفهوم را ساده بیان کرد:

GPU یک پردازنده تخصصی برای انجام محاسبات موازی است. در مقابل، کارت گرافیک یا کارت شتاب‌دهنده یک برد الکترونیکی کامل است که GPU در کنار حافظه، مدار تغذیه، رابط ارتباطی و سیستم خنک‌کننده روی آن قرار دارد.

در نتیجه:

GH100 = GPU

اما:

NVIDIA H100 PCIe = کارت شتاب‌دهنده کامل

بنابراین هنگام بررسی تجهیزات GPU برای سرورهای HPE، نباید مشخصات GPU را با مشخصات کارت شتاب‌دهنده یکسان در نظر گرفت. GPU بخش اصلی پردازشی کارت است، اما عملکرد کارت به مجموعه اجزای آن نیز وابسته است.

سوالات متداول

GPU چیست؟

GPU یا Graphics Processing Unit یک پردازنده تخصصی است که برای انجام حجم زیادی از محاسبات موازی طراحی شده است.

آیا GPU و کارت گرافیک یکسان هستند؟

خیر. GPU پردازنده موجود روی کارت است، اما کارت گرافیک یا کارت شتاب‌دهنده یک برد الکترونیکی کامل شامل GPU، حافظه، مدار تغذیه، رابط ارتباطی و سیستم خنک‌کننده است.

تفاوت GPU و کارت NVIDIA H100 PCIe چیست؟

GH100 پردازنده GPU مورد استفاده در H100 است. در مقابل، NVIDIA H100 PCIe یک کارت شتاب‌دهنده کامل شامل GPU، حافظه، مدار تغذیه، کنترلرها و سیستم خنک‌کننده است.

آیا GPU فقط برای پردازش تصویر استفاده می‌شود؟

خیر. GPUهای مورد استفاده در سرورهای HPE می‌توانند برای هوش مصنوعی، یادگیری ماشین، LLM، تحلیل داده، HPC، پردازش تصویر، رندرینگ و شبیه‌سازی‌های مهندسی استفاده شوند.

چرا GPU برای هوش مصنوعی مناسب است؟

بارهای کاری هوش مصنوعی عمدتاً شامل عملیات ریاضی روی ماتریس‌ها و بردارهای بزرگ هستند. GPU برای انجام محاسبات موازی طراحی شده است. همچنین واحدهایی مانند Tensor Core برای انجام محاسبات مرتبط با هوش مصنوعی مورد استفاده قرار می‌گیرند.

حافظه GPU چه تفاوتی با RAM سرور دارد؟

حافظه GPU مستقل از RAM سرور است و مستقیماً به GPU متصل می‌شود. کارت‌های مختلف نیز از حافظه‌هایی مانند GDDR6، HBM2e، HBM3 و HBM3e استفاده می‌کنند.

جمع‌بندی

GPU و کارت گرافیک دو مفهوم یکسان نیستند. GPU یک پردازنده تخصصی برای پردازش موازی است، در حالی که کارت گرافیک یا کارت شتاب‌دهنده یک برد الکترونیکی کامل است که GPU، حافظه اختصاصی، مدار تغذیه، رابط PCI Express و سیستم خنک‌کننده را در خود جای می‌دهد.

بررسی NVIDIA H100 PCIe این تفاوت را به‌خوبی نشان می‌دهد. GH100 همان GPU است، اما H100 PCIe یک کارت شتاب‌دهنده کامل شامل GPU و سایر اجزای سخت‌افزاری موردنیاز آن است.

همچنین GPUهای مورد استفاده در سرورهای HPE الزاماً برای تولید تصویر طراحی نشده‌اند. مدل‌هایی مانند H100، H200 و MI300X برای کاربردهایی مانند هوش مصنوعی، LLM و محاسبات علمی مورد استفاده قرار می‌گیرند.

در نتیجه، برای شناخت درست شتاب‌دهنده‌های مورد استفاده در سرورهای HPE، تنها شناخت GPU کافی نیست. ساختار کارت، حافظه، توان مصرفی، رابط PCI Express و سیستم خنک‌کننده نیز اهمیت دارند.

اما برای درک بهتر تفاوت میان GPUهای مختلف، باید یک مرحله جلوتر رفت و معماری آن‌ها را بررسی کرد. در مقاله بعدی، “معماری GPUهای NVIDIA و AMD” را بررسی می‌کنیم و به تفاوت معماری این دو سازنده می‌پردازیم.

⌊گردآورنده محتوا: عرفان مشعوف⌋     ⌊طراح گرافیک: سونیا کلانتری⌋      ⌊کارشناس محتوا و سئو: نیلوفرمنوچهری⌋