Nvidia'nın tüketici sınıfı GPU'larında çift hassasiyetli (FP64) hesaplama performansı, tek hassasiyetli (FP32) performansa kıyasla son 15 yıldır sürekli olarak düşüş gösterdi. Örneğin, en hızlı tüketici GPU'larından biri olan RTX 5090, 104.8 TFLOPS FP32 performansı sunarken, FP64'te sadece 1.64 TFLOPS'a düşüyor. Bu 64:1'lik oran, 2010'daki Fermi mimarisinde 1:8 iken, 2020'deki Ampere mimarisinde 1:64'e kadar çıktı. Bu durum, tüketici ve kurumsal silikon arasındaki performansta büyük bir ayrım yarattı. Aynı dönemde tüketici GPU'larında FP64 performansı sadece 9.65 kat artarken, FP32 performansı 77.63 kat gibi şaşırtıcı bir oranda iyileşti.
Bu orantısızlığın temel nedeni teknolojik bir kısıtlama değil, Nvidia'nın pazar segmentasyon stratejisidir. Oyun, 3D render veya video düzenleme gibi çoğu tüketici iş yükü yüksek FP64 hassasiyetine ihtiyaç duymazken, hesaplamalı akışkanlar dinamiği, iklim modellemesi, finans ve kimya gibi yüksek performanslı bilgi işlem (HPC) alanları sayısal kararlılık ve hassasiyet için FP64'e bağımlıdır. Nvidia, FP64 performansını tüketici GPU'larında kısıtlayarak ve kurumsal versiyonlarda koruyarak, bu iki pazar arasında net bir ayrım çizgisi oluşturdu.
Bu strateji başarılı oldu ve tüketici GPU'ları ile veri merkezi GPU'ları arasındaki fiyat farkı, 2010'daki yaklaşık 5 kattan 2022'ye kadar 20 katın üzerine çıktı. Kurumsal kartlar, bu segmentasyon sayesinde büyük primlerle satıldı. Ancak makale, yapay zeka (AI) patlamasının bu mantığı sessizce ortadan kaldırdığına işaret ediyor, bu da gelecekteki GPU tasarımlarında FP64 stratejisinin değişebileceğinin sinyallerini veriyor.
Nvidia'nın GPU pazarını FP64 performansı üzerinden nasıl segmentlere ayırdığı ve bu stratejinin hem teknolojik gelişimi hem de ürün fiyatlandırmasını nasıl etkilediği anlaşılıyor.