Architecture des ordinateurs : CPU et coprocesseurs/accélérateurs

Les coprocesseurs existent depuis les débuts de la fabrication des ordinateurs, avant même la naissance des circuits intégrés. Leur fonction était d’accélérer l’exécution des programmes. Depuis quelques années, souvent renommés accélérateurs, ils ont pris une nouvelle actualité pour l’intelligence artificielle (IA), notamment pour les PC et les serveurs des centres de données. Les circuits actuels utilisent plusieurs types différents d’accélérateurs aux côtés de CPU multi-cœurs performants.

L’article Évolution de l’architecture des ordinateurs [H 1 058], publié en 2016, examine l’articulation entre la technologie des semi-conducteurs, les concepts architecturaux et les besoins des grandes classes d’application. Il concerne surtout l’évolution des processeurs (CPU). Cet article reste d’actualité, même si les applications de l’IA ont pris de plus en plus d’importance.

Dans cet article, nous résumons les caractéristiques générales des CPU, et nous présentons les caractéristiques des grands types d’accélérateurs, et pourquoi ils sont apparus et ont été, ou sont, utilisés.

Nous présentons et discutons les types suivants d’accélérateurs :

• les coprocesseurs mathématiques et d’E/S, utilisés dans les mainframes et les premiers microprocesseurs.

• les coprocesseurs sous forme des CPU réduits spécialisés pour un type d’applications, tels les processeurs neuronaux (NPU) dans les PC pour l’IA ;

• les coprocesseurs utilisant un modèle de calcul différent de celui des CPU, comme les GPU et les FPGA ;

• les coprocesseurs utilisant des phénomènes physiques particuliers, tels les processeurs quantiques (QPU).

Pour qu’un coprocesseur/accélérateur soit effectivement largement utilisé, un certain nombre de conditions doivent être remplies :

• il doit fournir un gain de performance significatif par rapport au CPU, d’un ou plusieurs ordres de grandeur ;

• l’interface matérielle entre le CPU et l’accélérateur doit être le plus possible standardisée ;

• l’interface logicielle (SDK) doit être mature, facile d’utilisation, comme, par exemple, CUDA pour les GPU NVidia.