Nvidias lågpresterande Geforce MX-serie för bärbara till historieböckerna

Enda relevanta poängen jag kunnat se med GeForce MX-serien, givet hur dessa presterar mot AMD/Intels iGPUer idag, är att erbjuda lokal access till en CUDA-plattform i en "tunn och lätt bärbar".

Rätt hårt nischat, och gissar att det blir mindre och mindre viktigt allt eftersom det blir lättare och mer tillgängligt att bara köra motsvarande i "molnet". Ovanpå det har Intel gjort ett förvånansvärt bra jobb med deras OneAPI, man har fått in GPGPU-stöd i relativt många större ramverk (dock mest focus på maskininlärning).

Med OneAPI stöd går det att använda SSE/AVX samt GPGPU. Fungerar i nuläget både med Intels och Nvidias GPUer, finns även ett community-projekt som jobbar med att få igång OneAPI på Radeon-kort.

Det största problemet med integrerade GPUer är att de blir svältfödda på bandbredd mot RAM. Är primärt det som sätter gränsen för hur bra prestanda man kan få ur dessa för spel (finns en del GPGPU-laster som fungerar väl utan massiv RAM-bandbredd, men historiskt har CUDA-totaldominerat detta så ändå ingen poäng att använda Intel/AMD iGPUer, börjar dock hända lite genom OneAPI + Apple har riktigt bra stöd i MacOS).

Men MX-korten saknar den fördelen då deras bandbredd mot RAM inte är större än dual-channel DDR4, dagens DDR5/LPDDR5 plattformar har ju högre bandbredd mot RAM jämfört med de senaste MX-korten.

Apple har ju också visat att det är fullt möjligt att få riktigt bra iGPU-prestanda genom att skruva upp RAM-bandbredd. M1/M2 Pro har 4 kanaler DDR5 medan M1/M2 Max har 8 kanaler. Problemet är bara att det blir en väldigt dyr lösning!