在快速發展的基於網路的GPU計算領域，WebMonkeys 作為一個有趣的歷史標誌而存在。這個 JavaScript 庫旨在簡化瀏覽器中的GPU並行處理，為開發者提供了一種直接利用圖形處理能力而無需處理 WebGL 複雜性的簡便方法。然而，正如最近社群討論所揭示的，該專案自2017年以來一直未得到維護，這引發了人們對其當前相關性和現代網路開發中替代方案的質疑。
簡單GPU計算的承諾
WebMonkeys 建立時採用了一種令人耳目一新的直接方法來進行GPU計算。它允許開發者使用基於陣列操作的極簡API在GPU上生成數千個並行任務。與傳統的 WebGL 程式設計不同，後者需要對紋理對映和著色器程式設計有深入瞭解，WebMonkeys 透過簡單的類陣列操作抽象了這些複雜性。
該庫透過將 JavaScript 陣列操作轉換為 WebGL 著色器程式碼來工作，處理CPU和GPU格式之間資料轉換的複雜過程。這意味著開發者可以編寫像 monkeys.work(16, nums(i) := nums(i) * nums(i);) 這樣的程式碼來平行計算數字的平方，而無需擔心底層的圖形管線。
維護狀態和現代替代方案
儘管其方法優雅，但正如社群成員指出的，WebMonkeys 自2017年以來一直處於休眠狀態。這種放棄對於尋求在當前網路專案中實現GPU計算的開發者來說構成了重大挑戰。
「不幸的是，這個專案自2017年以來就沒有維護了...有沒有其他專案在當前瀏覽器上做類似的事情？」
社群已經將 WebGPU 作為最有前途的後續技術。目前處於草案狀態且尚未得到廣泛支援的 WebGPU 代表了網路上GPU計算的未來，原生支援計算著色器。與 WebMonkeys 的高階抽象不同，WebGPU 提供了對GPU資源更直接的控制，儘管學習曲線更陡峭。
抽象與效能之間的差距
社群討論中反覆出現的一個主題是GPU計算中抽象與效能之間的張力。雖然 WebMonkeys 提供了一個易於入門的切入點，但一些開發者認為，真正有效的GPU利用需要對底層硬體架構有更深入的理解。
正如一位評論者指出，最佳化GPU程式碼通常需要從GPU架構角度思考——考慮工作組大小、緩衝區佈局和記憶體訪問模式。這表明，雖然像 WebMonkeys 這樣的高階抽象對於教育和原型設計很有價值，但生產級GPU計算可能需要更專業的知識。
WebMonkeys 主要特點
- 透過 JavaScript 提供簡單的 GPU 並行處理 API
- 可在瀏覽器（透過 browserify）和 Node.js 中執行
- 相容 ES5，無需 WebGL 擴充套件
- 將複雜的 WebGL 操作抽象為類陣列語法
- 允許透過 set/get 方法在 GPU 上讀寫資料
- 使用擴充套件的 GLSL 1.0 作為程式語言
當前狀態
- 自2017年起停止維護
- 現代替代方案： WebGPU （處於實驗性草案狀態）
超越圖形：通用GPU計算的未實現承諾
社群討論中最有趣的線索可能是關於可訪問GPU計算的更廣泛影響。一些評論者感嘆計算行業轉向專門的GPU架構，而不是真正的通用多核處理。這種專業化為某些計算方法創造了障礙，特別是在遺傳程式設計和不適合當前GPU程式設計模型的替代AI方法等領域。
討論強調了當前GPU架構雖然對神經網路等特定工作負載強大，但可能限制了其他計算正規化的創新，這些正規化將受益於大規模並行而不受圖形導向程式設計模型的約束。
隨著網路技術的不斷發展，WebMonkeys 簡潔性留下的空白仍未填補。雖然 WebGPU 承諾提供更多功能，但社群顯然重視能平衡能力與可訪問性的解決方案。目前，尋求在現代瀏覽器中實現類似 WebMonkeys 簡潔性的開發者可能需要在 WebGPU 等較新技術之上建立自己的抽象，或探索網路上平行計算的替代方法。
參考：WebMonkeys