GPU重分IT奶酪

　　但擁有先天的強大并行計算能力的GPU被廣大高性能計算用戶所接受的道路并非一帆風順。

　　作為先驅者，NVIDIA(英偉達)1999年就推出GPU，2002年就開始大力推廣GPU計算技術，推出第一個可編程的GPU，提出了GPGPU概念，即具有通用計算用途的GPU，這開始讓CPU廠商恐慌。但GPGPU編程難度太高，無法快速推廣。

　　2003年，NVIDIA(英偉達)開始全新嘗試，舉三年之力，于2006年成功推出CUDA架構(Compute Unified Device Architecture)，于2007年正式發(fā)布。

　　CUDA是一個更適合于并行計算的架構，提供了硬件的直接訪問接口，并率先提供了針對GPU(圖形處理器)編程的C語言開發(fā)環(huán)境。

　　CUDA是由NVIDIA(英偉達)推出的通用并行計算架構。該架構充分將GPU強大的并行計算能力調動起來，使GPU能夠在解決復雜計算問題上發(fā)揮其先天的優(yōu)勢。開發(fā)人員現在僅使用C語言(C語言是應用最廣泛的一種高級編程語言)，就能在基于CUDA架構的GPU(圖形處理器)上編寫程序，所編寫出的程序可以在支持CUDA的處理器上以超高性能運行。CUDA將來還會支持其它語言，包括FORTRAN， Python以及C++。

　　不僅如此，CUDA還是免費的開源技術，使廣大開發(fā)者都能挖掘NVIDIA(英偉達) GPU巨大的計算能力，解決復雜的科學運算問題。

　　CUDA技術開啟了GPU實現通用運算的大門，是GPU從專用平臺走向通用平臺的一個里程碑，自然也是下一場計算革命的真正起點。

　　與英特爾的X86架構不同，CUDA基于GPU，但不拘于GPU，而是取長補短，將CPU串行計算和GPU的并行計算融合，開啟“CPU+GPU協同計算”的全新時代，即“異構計算”。

　　“異構計算”真正實現了系統整體計算能力的最大化利用：GPU和CPU協同工作，GPU處理大量的圖形和并行處理，CPU處理操作系統和指令的邏輯控制。

　　兩者的協同比以往單純CPU運算高出幾十倍甚至幾百倍，上千倍，將一直局限在大型服務器集群和超型計算機領域的高性能計算推向主流，可以使得PC和工作站具有超級計算的能力，使得個人超級計算機的普及成為可能，成為一場真正的革命。

　　目前，基于CUDA架構的GPU不僅成為游戲玩家的最愛，也受到科研機構的青睞。諸如地質勘探、生物科學、流體力學、金融建模、醫(yī)療成像、有限元計算等新興應用領域，都開始廣泛地通過CUDA架構利用到GPU強大并行處理能力，所有開發(fā)人員都能夠使用標準的C語言，挖掘GPU中多個處理單元強大的并行計算能力。

　　隨著開發(fā)人員的不斷壯大，現在GPU計算滲透的領域不斷增加，與CPU并駕齊驅。

　　迄今為止，NVIDIA(英偉達)已經在全球賣出了超過1億顆以上支持CUDA架構的GPU產品，CUDA開發(fā)人員的數量已經超過25000人，應用程序超過100個，全世界有250多所大學開設了CUDA課程，包括中國科學院、清華大學等，GPU計算的生態(tài)系統已經形成。