CUDA时代来临 GPU将重分IT奶酪

　　但拥有先天的强大并行计算能力的GPU被广大高性能计算用户所接受的道路并非一帆风顺。

　　作为先驱者，NVIDIA(英伟达)1999年就推出GPU，2002年就开始大力推广GPU计算技术，推出第一个可编程的GPU，提出了GPGPU概念，即具有通用计算用途的GPU，这开始让CPU厂商恐慌。但GPGPU编程难度太高，无法快速推广。

　　2003年，NVIDIA(英伟达)开始全新尝试，举三年之力，于2006年成功推出CUDA架构(Compute Unified Device Architecture)，于2007年正式发布。

CUDA是一个更适合于并行计算的架构，提供了硬件的直接访问接口，并率先提供了针对GPU(图形处理器)编程的C语言开发环境。

CUDA是由NVIDIA(英伟达)推出的通用并行计算架构。该架构充分将GPU强大的并行计算能力调动起来，使GPU能够在解决复杂计算问题上发挥其先天的优势。开发人员现在仅使用C语言(C语言是应用最广泛的一种高级编程语言)，就能在基于CUDA架构的GPU(图形处理器)上编写程序，所编写出的程序可以在支持CUDA的处理器上以超高性能运行。CUDA将来还会支持其它语言，包括FORTRAN， Python以及C++。

　　不仅如此，CUDA还是免费的开源技术，使广大开发者都能挖掘NVIDIA(英伟达) GPU巨大的计算能力，解决复杂的科学运算问题。

　　CUDA技术开启了GPU实现通用运算的大门，是GPU从专用平台走向通用平台的一个里程碑，自然也是下一场计算革命的真正起点。

　　与英特尔的X86架构不同，CUDA基于GPU，但不拘于GPU，而是取长补短，将CPU串行计算和GPU的并行计算融合，开启“CPU+GPU协同计算”的全新时代，即“异构计算”。

　　“异构计算”真正实现了系统整体计算能力的最大化利用：GPU和CPU协同工作，GPU处理大量的图形和并行处理，CPU处理操作系统和指令的逻辑控制。

　　两者的协同比以往单纯CPU运算高出几十倍甚至几百倍，上千倍，将一直局限在大型服务器集群和超型计算机领域的高性能计算推向主流，可以使得PC和工作站具有超级计算的能力，使得个人超级计算机的普及成为可能，成为一场真正的革命。

　　目前，基于CUDA架构的GPU不仅成为游戏玩家的最爱，也受到科研机构的青睐。诸如地质勘探、生物科学、流体力学、金融建模、医疗成像、有限元计算等新兴应用领域，都开始广泛地通过CUDA架构利用到GPU强大并行处理能力，所有开发人员都能够使用标准的C语言，挖掘GPU中多个处理单元强大的并行计算能力。