為了更好地確定使用GPU與CPU的固有價值，我們分析了三個變量: 性能 (支持的會話數(shù))，功耗 (# 會話/瓦特) 和成本 ($/會話)。  對于CPU，我們使用了英特爾至強(qiáng)E5-2698 v3 @ 2.10GHz，16-core dual socket card。  對于GPU ,我們使用了Nvidia P100。圖3描述了我們分析的配置。  注意: 對于下面討論的所有分析，我們認(rèn)識到這是一個時間點評估。  最肯定的是，CPU和GPU的處理能力將繼續(xù)提高，但我們相信GPU的增量將繼續(xù)超過CPU可實現(xiàn)的增量。

　　對于規(guī)模、功率和成本的計算，CPU是完全配置和完全加載的。GPU完全符合成本，但對于規(guī)模和功耗的分析，僅加載到可以在CPU處理中使用瓶頸的程度。這在使用少于4個GPU的低復(fù)雜度編解碼器類型中最為明顯。此外，CPU處理被設(shè)置為不超過85% 利用率。

　　圖3.1顯示了使用CPU+GPU進(jìn)行轉(zhuǎn)碼而不是僅使用CPU時可能支持的會話數(shù)的增量或增加。  假定100% 會話被轉(zhuǎn)碼， 可以看出，根據(jù)編解碼器類型，GPU將會話數(shù)增加到1366%。

　　

　　圖3.2顯示了每瓦特使用的會話數(shù)。在此分析中，服務(wù)器和CPU的功耗是常見的，因此功耗差異基于所使用的GPU數(shù)量。與總體會話計數(shù)所見的結(jié)果一樣，每瓦會話數(shù)在會話數(shù)量上顯示出非常強(qiáng)勁的增長，根據(jù)編解碼的類型，范圍從54% 到456% 增加

　　圖3.3顯示了每個會話的美元成本以及使用GPU潛在的成本節(jié)省。  在這里，通過轉(zhuǎn)移到GPU解決方案可以實現(xiàn)的節(jié)省范圍從使用AMR-NB的65% 到使用EVRC B0的492% (9.3 kbps)。

　　

　　曾經(jīng)一個反對使用GPU進(jìn)行轉(zhuǎn)碼的論點是：使用CPU進(jìn)行定點處理轉(zhuǎn)碼更有效，可以產(chǎn)生更好的語音質(zhì)量。這與專為浮點計算而設(shè)計的GPU形成對比。如果此論點成立，則直接意味著使用GPU會導(dǎo)致語音質(zhì)量下降。實際上，通過查看實際測試結(jié)果可以證明該論點是錯誤的。

　　我們分析了CPU (固定點) 與GPU (浮點) 的語音質(zhì)量結(jié)果，用于轉(zhuǎn)碼三種編解碼類型: G729AB; AMR-WB; 和EVRC-WB，使用G.729標(biāo)準(zhǔn)規(guī)范中的語音測試向量。語音質(zhì)量測量是使用PESQ標(biāo)準(zhǔn)進(jìn)行的。表1顯示了完整的PESQ測量結(jié)果。亮點是:

　　G729AB: GPU在CPU語音質(zhì)量測量的0.4% 之內(nèi)。請注意，測試是在沒有不連續(xù)傳輸 (DTX) 的情況下運行的，也就是“沉默抑制”，因此在沉默期間發(fā)送了數(shù)據(jù)包。

　　EVRC-B: GPU的語音質(zhì)量測量與CPU的語音質(zhì)量測量相差0.9% 或更小。在兩個比特率上進(jìn)行了測試: 9.3kbps 和8.5 kbps，結(jié)果相似。

　　AMR-WB: GPU測量對比CPU測量，范圍從0.7% 好~0.55% 差。這個測試是在從6.6 kbps到23.85 kbps的比特率的整個頻譜上進(jìn)行的

　　

　　總之，我們的測試表明，使用帶浮點處理的GPU的語音質(zhì)量測量比使用固定點處理的CPU更好，或在1% 內(nèi)。  根據(jù)我們的經(jīng)驗，<1% 差異將不會導(dǎo)致語音質(zhì)量的感知下降。有關(guān)固定點與浮點語音質(zhì)量的其他研究，請閱讀3GPP TR 26.976版本10.0.0版本10， AMR-WB語音編解碼器文檔的性能表征。具體地說，附件B和B.7章節(jié)確認(rèn)了我們發(fā)現(xiàn)的使用浮點與固定點編碼的AMR-WB PESQ分?jǐn)?shù)的比較。

　　從表2可以看出，根據(jù)轉(zhuǎn)碼類型，GPU的使用可以將性能提高到480%。這種增量性能帶來了137% 的增量成本。因此，基于轉(zhuǎn)碼類型或規(guī)模要求，GPU的使用比僅使用CPU更具吸引力

　　正如我們從音頻和視頻的性能評估中看到的那樣，GPU為規(guī)模和性能提供了非凡的價值。那么，當(dāng)音頻和視頻轉(zhuǎn)碼都在同一臺服務(wù)器上執(zhí)行時，性能會如何呢？為了分析這一點，我們重新使用了圖4中的配置，并對音頻進(jìn)行了基準(zhǔn)測試。表3僅顯示了AMR-WB<-> G.711音頻轉(zhuǎn)碼的比較

　

　　接下來，我們添加了視頻。對于GPU，為了適應(yīng)兩種類型，我們分配了40個內(nèi)核中的12個用于視頻轉(zhuǎn)碼，并將其余28個內(nèi)核分配給音頻轉(zhuǎn)碼。表4顯示了將視頻和音頻轉(zhuǎn)碼放在一起的匯總結(jié)果。對于組合轉(zhuǎn)碼，僅使用CPU，視頻轉(zhuǎn)碼會話平均下降67%，音頻轉(zhuǎn)碼會話下降25%。相反，當(dāng)使用CPU和GPU時，視頻轉(zhuǎn)碼會話的數(shù)量保持恒定，并且音頻轉(zhuǎn)碼會話僅減少6.25%。

　　媒體轉(zhuǎn)碼現(xiàn)在可以在云中交付，等于或比使用傳統(tǒng)DSP可以實現(xiàn)的性能更好。盡管最初在虛擬環(huán)境中進(jìn)行了媒體轉(zhuǎn)碼，使用CPU，該解決方案不足以實現(xiàn)規(guī)模，并且始終將只是未來的墊腳石。  現(xiàn)在很明顯，未來就在這里，它是使用GPU進(jìn)行實時通信的轉(zhuǎn)碼-云中的通信服務(wù)。

　　這份白皮書表明，進(jìn)行音頻轉(zhuǎn)碼在性能方面GPU遠(yuǎn)遠(yuǎn)優(yōu)于CPU，成本、功率和在語音質(zhì)量方面都等于CPU。當(dāng)將視頻轉(zhuǎn)碼添加到混音中，GPU再次成為超級解決方案，使基于GPU的媒體互通成為基于虛擬云部署的最佳解決方案