GPU的新舞台
趋势观察
自诞生之日起，GPU的高速发展就一直没有停歇过。GPU的出现将CPU从繁重的图形运算中解放出来，大大提高了计算机图形处理的速度和质量，为用户带来了更真实、更绚丽的画面。到了今天，主流GPU的图形处理能力已经满足并超越了大部分电脑用户的需求，而且电脑也不可能每时每刻都在运行三维程序和游戏。于是越来越多的人开始关注一个问题：拥有强大浮点运算能力的GPU还能做些什么？
通用计算 GPU大展拳脚
GPU的迅速发展带来的并不只是频率的提高，还产生了很多全新的图形硬件技术，使GPU具有流处理、高密集并行运算、可编程流水线等特性，从而极大地提升了GPU的处理能力，拓展了GPU的应用范围。正是由于GPU具有高效的并行性和灵活的可编程性等特点，越来越多的研究人员和商业组织开始利用GPU完成一些非图形绘制方面的计算，并开创了一个新的研究领域——GPGPU（通用计算图形处理单元），其主要研究内容是在图形处理之外的其他领域，如何利用GPU进行更为广泛的科学计算。
将GPU用于通用计算的主要目的是加速计算，加速的动力来自GPU在高性能计算方面所具有的优势：1.高效的并行性（这一功能主要是通过GPU多条绘制流水线的并行计算来实现）；2.高密集的运算（GPU具有128bit/256bit或更大的显存位宽）；3.超长图形流水线（以数据吞吐量的最大化为目标，在并行处理大规模数据流方面具有明显优势）。
目前，GPGPU已成功应用于代数计算、流体模拟、数据库应用、频谱分析等非图形应用领域，甚至包括智能信息处理系统和数据挖掘工具等商业化应用。同时，也产生了一些针对GPU开发的通用计算工具包，能够基于GPU平台排序及线性方程组求解等科学计算进行优化实现。
软硬兼施 应用更高效
光看GPGPU超越CPU的浮点运算能力的确令人兴奋，但真正的应用却难以实现。这是因为图形API限制太大，要通过DirectX、OpenGL等API来执行其他应用，不仅算法和程序会变得很复杂，而且还有大量的额外运算开销。随着GPU进入DX10时代，统一渲染架构在可编程性上更加灵活。而要充分发挥GPU通用计算性能，必须“抛弃”传统的图形API，NVIDIA适时推出了CUDA（统一计算设备架构）。
从GeForce 8系列产品开始，NVIDIA的GPU全部支持CUDA技术。软件开发人员可以基于CUDA平台开发计算软件，借助这些软件和GPU，用户可以用比以往少得多的时间完成很多计算任务。
目前，CUDA已经在游戏、图形动画、科学计算、地质、生物、物理模拟等领域显示出了威力。例如，以前将一系列2D X光图像合成为3D图像需要耗费5个小时，而通过CUDA和GPU可以将这个过程缩短为5分钟。在模拟电脑波、视觉和嗅觉感官计算领域，CUDA让CPU和GPU协同工作获得了130倍的性能提升。在金融行业，NVIDIA和财务分析软件厂商Hanweek合作，在其股票和期权分析软件中加入GPU加速功能，结果不到1秒钟就完成了对美国所有上市股票的期权分析。
另外，Adobe最近发布的Photoshop CS4也支持GPU加速，Photoshop CS4里打开一个2GB大小、4.42亿像素的图片只需几秒钟，而对图片进行缩放、旋转也不再“卡壳”。以往令人头痛的全景图拼合，在GPU的帮助下也能在瞬间完成。
随着应用领域的不断扩大，人们对利用CUDA技术进行GPU加速的关注度越来越高。NVIDIA公司CEO黄仁勋指出，“我们认为对此技术有兴趣的人应该有上千万，不仅仅限于北美地区，中国、印度、俄罗斯、巴西等地加起来会有几十亿的商机。”
并行计算 时代的竞争
从上面可以看出，由于GPU架构非常适用于执行高并行量的计算任务，所以它在执行金融分析、气象预报、数据库分析及人工智能等计算任务时具有很大的优势，图形市场似乎面临新的发展机遇。不过，看准这个市场的除了已经大步走在前面的NVIDIA之外，还有Intel和AMD两个老牌芯片厂商和软件巨头微软。
Intel计划在2009或2010年推出一款特殊的处理器——Larrabee。具有32个内核的Larrabee不但能完成高质量的图形渲染，还能同时执行大量的计算任务，其浮点运算性能可与顶尖的GPU媲美。除了运算能力出众以外，Larrabee还带来了一套基于x86的标准指令集。而作为GPU通用计算概念的另一个支持者，AMD虽然没有提供相应的开发环境，但它也打算在2010年推出融合CPU和GPU的Fusion处理器。另外，微软也计划在DX10.1中加入开发高并行计算程序所需的功能函数，以便降低开发难度。
显然，由CUDA引发的高并行计算市场已经启动，随着以这类技术为代表的可编程GPU技术的不断成熟，未来的相关产品将变得无所不能，而并行计算时代的竞争也会更加激烈。