GPU、CPU：不止一字之差那么简单

　4. GPU的现状

　　GPU引发了计算机可视化的革命。处理器巨头Intel感受到GPU带来的强大的冲击力，Intel专门开发了一套面向可编程的显示计算通用架构芯片的全新架构———Larrabee架构。它能带来的效果可从英特尔公司高级副总裁兼数字企业事业部总经理———帕特·基辛格在IDF峰会上的讲话得出答案。

　　“可编程的显示计算通用架构芯片是一场革命，它将颠覆持续了几十年的显卡产业，可编程的显示计算通用架构芯片虽然不会马上替代显卡，但是在三四年之后，随着我们相关技术、产品的成熟上市，显卡产业将消亡。”

　　按照英特尔的观点，随着可编程的显示计算通用架构芯片的成熟，它将逐步取代GPU的地位，显卡则会慢慢被集成取代，作为独立硬件生存的空间会越来越小。

　　GPU如果只是作为显卡就太浪费了，因此NVIDIA推出CUDA（Compute Unified Device Architecture统一计算设备架构），让显卡可以用于图像计算以外的目的。并对GPU的功能进行了重新的定义，CUDA是一个革命性的计算架构和计算思路，能够让GPU在消费、商务、技术等应用方面大展拳脚，解决复杂的计算问题。CUDA能够更有效地使用性能日益提升的GPU性能，有效地利用GPU的高速运算能力，配合CPU进行高性能通用计算。

　　GPU和高并行处理器都在同时间赛跑，快速的向前发展以抢占未来的市场，未来处理器的速度会在这次竞争中发展到什么地步值得我们期待。

　　5. GPU的应用

　　GPU应用的研究围绕着高浮点运算能力，可编程性和平行运算进行。到目前为止，GPU和CUDA的配合，主要应用于商业高端运算或者超级运算。如tesla高性能计算，GPU加速Matlab高性能计算，医疗图像的生成等。

　　由于GPU的汇编指令比较复杂，而且对于各种版本的硬件的支持存在不统一的问题，一些高级语言（例如GLSL、HLSL）已经被一些大厂商开发出来，加快了对GPU编程的应用研究。从系统架构上看，GPU是针对向量计算进行了优化的高度并行的数据流处理器，其中包括两种流处理单元：多指令多数据流（MIMD）的处理单元———顶点处理流水线（Vertex Shader），单指令多数据流（SIMD）的处理单元———像素处理流水线。这种以数据流作为处理单元的处理器，在对数据流的处理上可以获取较高的效率，因此很多研究人员从事一个新的研究领域：基于GPU 的通用计算（GPGPU：General- Purpose Computation onGraphics Processors），其主要研究内容除了图形处理以外，考虑更为广泛的应用计算。GPU最初的设计思想给这个新的领域带来了问题。GPU是专门为图形处理设计的处理器，它具有自己的存储单元，在数据存取方式上存在一定的特殊性，而且通常对GPU进行开发的是一些游戏厂商，使用非标准的编程模式，编程环境和体系结构方面绝大部分被当做商业机密，没有对研究人员公开，可参考的资料就有限，研究人员在研究并行算法的同时还必须研究如何使GPU在进行通用计算时取得最高的性能。针对上面的问题，研究人员已经提出了GPU通用编程模型和方法，无疑推动了GPU在非图形学领域的应用。

　　最近几年，在GPGPU方面取得了不少的成果，比如代数计算及流体模拟、数据库操作、频谱变换和滤波等。软件编程方面也有成果，高级绘制语言及实时绘制语言（绘制程序设计的思想源自于早年Pixar设计的RenderMan绘制软件，此软件多年来广泛应用于好莱坞电影制作的绘制），OpenGL shading language、斯坦福大学的RTSL（real- time shading language）、Microsoft的HLSL（high- level shading language） 以及NVIDIA的Cg在此方面具有较大的影响；流处理机编程环境及工具已开发出来扩大GPU的编程。

　　6. 结语

　　目前，CUDA和GPU的配合还不是很默契，真正面向民用市场还需一些时日，图形处理的市场越来越大，给GPU的发展提供了强大的驱动力。GPU应用于通用计算领域已经取得了一定的进展，GPU的身影会逐渐地出现在民用市场。

　　GPU和CPU的最终结果会怎样？众多因素的影响现在还不得而知。GPU会不会像386时代一样，最初作为独立芯片的数学协处理器387，最终融合到CPU中而消亡或者NVIDIA真的开发出像CPU那样能处理各种通用运算的GPU，GPU时代到来。无数的遐想出现在我们的头脑，还是让市场来决定这个容易引起争议的问题。