¿Qué es un núcleo CUDA? Explicación de la tecnología de las GPUs de Nvidia.

Los núcleos CUDA son esenciales en el ámbito de las tarjetas gráficas de Nvidia, independientemente de si se trata de modelos de alta gama o de versiones más antiguas. Estos núcleos son diferentes de los Tensor Cores, que son utilizados en aplicaciones de inteligencia artificial como DLSS y en el aprendizaje automático. A continuación, se explorará el funcionamiento de los núcleos CUDA, su historia y su aplicación en diversas áreas.

Los núcleos CUDA son fundamentales en la tecnología gráfica que impulsa muchos de los mejores videojuegos para PC, así como en cargas de trabajo de ciencia de datos y computación general. Su relevancia es indiscutible y se detallará su funcionamiento y la importancia de estos núcleos.

¿Qué es un núcleo CUDA?

Para comprender el funcionamiento de los núcleos CUDA, es necesario conocer la Arquitectura de Dispositivo Unificada de Cálculo (CUDA), una plataforma de computación paralela desarrollada por Nvidia hace casi dos décadas. Esta plataforma permite a los desarrolladores utilizar APIs (Interfaces de Programación de Aplicaciones) para ejecutar programas acelerados por hardware. Los lenguajes de programación compatibles con CUDA incluyen C, C++, Fortran, Python y Julia, y soporta APIs como Direct3D y OpenGL, entre otras.

Un núcleo CUDA es una unidad de procesamiento SIMD (Instrucción Única, Múltiples Datos) que se encuentra en las tarjetas gráficas de Nvidia y se encarga de tareas de computación paralela. A mayor cantidad de núcleos CUDA en una GPU, mayor es su capacidad para ejecutar múltiples tareas de manera simultánea. En la última década, el número de núcleos CUDA ha crecido de manera constante, con modelos de alto rendimiento como el RTX 5090 que cuenta con 21,760 núcleos y el RTX 4090 con 16,384 núcleos. Aunque estas tarjetas se promocionan principalmente por su rendimiento en juegos 4K y 8K, también son efectivas en tareas como ciencia de datos, procesamiento de videos y entrenamiento de modelos de IA.

Historia de los núcleos CUDA

Nvidia introdujo CUDA en 2006, con las primeras tarjetas gráficas que lo incorporaron en su generación GeForce 8, como la 8800 GTX, que contaba con 128 núcleos CUDA. Gracias a CUDA y su API, esta GPU era significativamente más rápida para tareas de computación general, más allá del mero renderizado de gráficos. Desde entonces, todas las tarjetas gráficas de Nvidia, incluyendo las series GeForce 500, 600, 700 y 900, han sido diseñadas para soportar CUDA.

A medida que avanzó el tiempo, las tarjetas gráficas comenzaron a promocionarse por sus capacidades de computación avanzadas. Un ejemplo notable es la Nvidia GTX Titan de 2013, que incluía 2,688 núcleos CUDA y 6GB de memoria GDDR5, superando a competidoras de su época. Actualmente, miles de aplicaciones han sido desarrolladas utilizando CUDA, y todas las tarjetas gráficas de Nvidia, desde GPUs para juegos como los RTX 5070 y RTX 5080 hasta las Quadro, que están optimizadas para desarrolladores, son compatibles con esta plataforma. Desde su lanzamiento, el Kit de Herramientas CUDA ha recibido mejoras constantes y actualmente se encuentra en su duodécima iteración, centrada en las GPU H100 y A100.

Funcionamiento de los núcleos CUDA

Los núcleos CUDA operan de manera similar a los núcleos de las CPUs en procesadores de escritorio u ordenadores portátiles, procesando grandes volúmenes de datos a través de una técnica conocida como SIMT (Instrucción Única, Múltiples Hilos). Esto significa que un gran número de núcleos pueden ejecutar el mismo proceso al mismo tiempo. Mientras que algunos de los mejores procesadores, como el AMD Ryzen 9 9950X3D, tienen 16 núcleos de procesamiento, las GPUs actuales suelen tener alrededor de 3,000 núcleos, lo que facilita y acelera tareas como edición de videos, renderización 3D y simulaciones.

Mientras que un núcleo de CPU tiene una latencia más baja ideal para procesamientos en serie, un núcleo CUDA presenta un mayor rendimiento al dividir procesos en tareas más pequeñas que pueden ser gestionadas de forma paralela. Por lo tanto, los núcleos CUDA son altamente especializados frente a la naturaleza más general de una CPU.

Utilización de núcleos CUDA en juegos y cargas laborales

Dado que los núcleos CUDA son unidades de procesamiento paralelo que sobresalen en operaciones grandes e intensivas, tener una mayor cantidad de ellos puede mejorar la experiencia de juego y acelerar múltiples tareas. Estos núcleos realizan cálculos avanzados, como iluminación, sombreado, físicas, rasterización, cálculo de píxeles, optimización de tasas de fotogramas y mapeo de texturas. La computación paralela permite dividir estas tareas intensivas en trabajos más pequeños que los núcleos CUDA pueden ejecutarlos simultáneamente. Asimismo, pueden llevar a cabo procesamiento de datos de alto nivel, simulaciones científicas y operaciones matemáticas, gracias a su capacidad para ejecutar operaciones de coma flotante e enteros de manera concurrente.

CUDA ha sido elogiada por su interfaz en C/C++, su facilidad de uso y amplio ecosistema, lo que la hace adecuada para aplicaciones de procesamiento de imágenes, aprendizaje profundo y otras disciplinas científicas computacionales.

¿Las tarjetas gráficas de AMD utilizan núcleos CUDA?

CUDA es una plataforma desarrollada por Nvidia, y los núcleos CUDA son una terminología propia de la compañía para referirse a sus núcleos de GPU. Por su parte, AMD utiliza procesadores de flujo que no son comparables a los núcleos CUDA. En términos simples, tanto los núcleos CUDA como los procesadores de flujo son unidades de sombreado que pueden llevar a cabo tareas de computación paralela.