大規(guī)模并行計(jì)算一定會(huì)成為趨勢(shì)
但是，隨著制造工藝技術(shù)的制約以及CPU架構(gòu)本身設(shè)計(jì)目標(biāo)的局限，這種時(shí)鐘頻率的提升很快就碰到了壁壘。從2001年至2003年，Pentium 4處理器的時(shí)鐘頻率從最初的1.5GHz提升到了3GHz。然而從2003年到2005年，整整2年的時(shí)間里，處理器的時(shí)鐘頻率提升的速度驟然放緩，只是從3GHz增加到3.8GHz。處理器的速度增長(zhǎng)宛若已經(jīng)到了強(qiáng)弩之末。
盡管如此，Intel等處理器廠商仍然不肯放棄。他們充分的優(yōu)化了處理器的架構(gòu)，使之可以運(yùn)行在更高的頻率上，Prescott核心就是這種造神運(yùn)動(dòng)的產(chǎn)物。不過Intel所面對(duì)的問題已不僅僅是工業(yè)制造技術(shù)的問題，而是最簡(jiǎn)單最基本的物理定律的壁壘，關(guān)于摩爾定律從此失效的言論也甚囂塵上。
GPU計(jì)算能力的使用，以及GPU在通用計(jì)算領(lǐng)域表現(xiàn)出來的能力，注定會(huì)成為芯片計(jì)算歷史的拐點(diǎn)，通用GPU仿佛成了天將降大任的角色。在GPGPU一路高歌猛進(jìn)的過程作，NVIDIA公司憑借其cuda架構(gòu)，站到了這個(gè)歷史舞臺(tái)上。
Cuda能否改變企業(yè)計(jì)算的格局?CUDA程序究竟如何編寫?CUDA架構(gòu)是怎樣的?……帶著對(duì)cuda架構(gòu)的種種疑問，IT168技術(shù)開發(fā)頻道記者專訪了NVIDIA公司亞太區(qū)技術(shù)市場(chǎng)經(jīng)理鄧培智先生。
Cuda的最終目的是簡(jiǎn)化GPU計(jì)算的編程
CUDA的根本目的就是簡(jiǎn)化GPU計(jì)算的編程，使得人們更為快捷地開發(fā)基于GPU計(jì)算的應(yīng)用。 鄧培智談到，歷史上來看，GPU從計(jì)算角度來說，性能提升比CPU性能提升快很多。GPU計(jì)算能力這么強(qiáng)，除了做圖形處理之外，很多人還打算利用GPU強(qiáng)有力的計(jì)算能力進(jìn)行其他應(yīng)用，就是通用計(jì)算。盡管傳統(tǒng)意義上的通用用途的GPU(GPGPU)能夠參與通用計(jì)算和處理，但使用GPU計(jì)算很麻煩，過去的GPU完全是為圖形進(jìn)行設(shè)計(jì)的，它是一個(gè)非常專用的處理器，你要使用GPU 來做計(jì)算的話，你需要透過圖形API進(jìn)行，通過這種圖形的API來訪問GPU計(jì)算核心，你必須要把你的計(jì)算所需要的數(shù)據(jù)，通過API假設(shè)這種計(jì)算是3D的計(jì)算，然后你要走過一遍圖形處理過程，才能得到計(jì)算結(jié)果。第一，編程非常復(fù)雜，第二，效率也不會(huì)達(dá)到很高。因?yàn)橹虚g必須要走過渲染的過程。
“但是對(duì)于真正需要并行計(jì)算的人，比如說科學(xué)家，不可能讓他們?cè)賹W(xué)習(xí)圖形編程的技術(shù)，普通開發(fā)者大部分也沒有圖形編程的經(jīng)驗(yàn)。在這種情況下，NVIDIA認(rèn)為可以把并行計(jì)算和圖形結(jié)合起來，所以就催生和開發(fā)了CUDA。”
據(jù)了解，CUDA的項(xiàng)目和NVIDIA的GeForce 8系列架構(gòu)的開發(fā)時(shí)間差不多。NVIDIA GeForce8系列是花了4年多時(shí)間開發(fā)，CUDA也是那個(gè)時(shí)候開發(fā)的。NVIDIA GeForce 8 GPU開發(fā)的時(shí)候就考慮到了圖形和并行計(jì)算兩方面的需求。所以NVIDIA GeForce 8800系列發(fā)布的時(shí)候就宣布了CUDA，這是一種全新的GPU計(jì)算開發(fā)環(huán)境。
CUDA對(duì)于行業(yè)的價(jià)值
低成本地?fù)碛懈咝阅芊?wù)器
鄧培智談?wù)J為，cuda相對(duì)于傳統(tǒng)的服務(wù)器集群以及超級(jí)計(jì)算機(jī)在性價(jià)比、占地空間、功耗等方面的優(yōu)勢(shì)非常明顯。CUDA對(duì)于行業(yè)的價(jià)值，通過CUDA和支持CUDA GPU，兩者結(jié)合在一起，所有的廠商很容易利用GPU強(qiáng)大的計(jì)算能力做各種各樣的并行計(jì)算工作，這就是最大的價(jià)值。這一切使得每個(gè)人都可以低成本的擁有自己的桌面超級(jí)計(jì)算機(jī)成為可能，而不是大家來共享一臺(tái)大型的超級(jí)計(jì)算機(jī)。正如NVIDIA Tesla GPU 計(jì)算事業(yè)部高級(jí)產(chǎn)品經(jīng)理Sumit Gupta所言，這不是簡(jiǎn)單的芯片的性能提升，而是帶來了一種全新的、具有革命性的計(jì)算模式。
如何理解CUDA軟硬件架構(gòu)
鄧培智： CUDA是專門針對(duì)GPU來進(jìn)行編程的平臺(tái)，它最大的特點(diǎn)是，CUDA如果在GPU計(jì)算方面來說，是所謂的異構(gòu)計(jì)算系統(tǒng)。它和CPU有很大的不同。CPU我們只是針對(duì)一個(gè)處理器編程，CUDA是針對(duì)GPU計(jì)算得的，但是它包含GPU和CPU兩部分的代碼。順序計(jì)算和一些數(shù)據(jù)的管理等等代碼在CPU上運(yùn)行，而核心的并行計(jì)算部分在GPU上運(yùn)行。在編輯的時(shí)候編譯器會(huì)把CPU代碼和GPU代碼分開，GPU代碼會(huì)被編譯成成GPU的目標(biāo)代碼，CPU代碼還是需要其他的C語言編譯系統(tǒng)來編譯（最新的CUDA版本也支持多核CPU）。這可能是最大的不同。CUDA一定是需要CPU來參與的，我們叫異構(gòu)計(jì)算環(huán)節(jié)。所謂異構(gòu)計(jì)算，就是CPU和GPU兩個(gè)架構(gòu)和指令集都是不一樣的，但是他們共同協(xié)同動(dòng)作來解決同一個(gè)問題。 至于說CUDA和DirectX/OpenGL這些3D API的關(guān)系，對(duì)于CUDA來說，是不需要3D API的，但是CUDA可以很容易和3D API配合使用。 #p#page_title#e#
Cuda軟件架構(gòu)圖
鄧培智針對(duì)這個(gè)CUDA的軟件架構(gòu)圖進(jìn)行了講解， CUDA提供了兩種不同類型的API接口：一種是高級(jí)的API：CUDA運(yùn)行的API，另一種是低級(jí)API：CUDA的驅(qū)動(dòng)API。
高級(jí)的API是在低級(jí)API之上所執(zhí)行的，每一個(gè)調(diào)用的函數(shù)在運(yùn)行的時(shí)候都可以被驅(qū)動(dòng)API細(xì)分為若干個(gè)基本的指令。
驅(qū)動(dòng)API結(jié)合了更多的管理功能，它會(huì)請(qǐng)求GPU做很多處理工作。但它的好處是更加的靈活，它可以給程序員更多額外的控制。無論如何，這兩種API都可以溝通OpenGL和Direct3D的資源。
CUDA的軟件層，目前CUDA的2.0版提供了兩個(gè)標(biāo)準(zhǔn)的數(shù)學(xué)運(yùn)算庫(kù)——CUFFT(離散快速傅立葉變換)和CUBLAS(離散基本線性計(jì)算)的實(shí)現(xiàn)。這兩個(gè)數(shù)學(xué)運(yùn)算庫(kù)所解決的是典型的大規(guī)模的并行計(jì)算問題，也是在密集數(shù)據(jù)計(jì)算中非常常見的計(jì)算類型。開發(fā)人員在開發(fā)庫(kù)的基礎(chǔ)上可以快速、方便的建立起自己的計(jì)算應(yīng)用。此外，開發(fā)人員也可以在CUDA的技術(shù)基礎(chǔ)上實(shí)現(xiàn)出更多的開發(fā)庫(kù)。
CUBLAS是一套函數(shù)庫(kù)，它是基于模塊化的運(yùn)行在GPU上的線性計(jì)算函數(shù)庫(kù)。它支持NVIDIA的GPU的計(jì)算資源。該庫(kù)在API層次上是能夠“自給自足”，即不必與CUDA直接交互。應(yīng)用程序使用CUBLAS庫(kù)的基本模型是在GPU內(nèi)存空間中創(chuàng)建矩陣和矢量對(duì)象，使用數(shù)據(jù)填充它們，調(diào)用一定順序的CUBLAS函數(shù)，最后把結(jié)果從GPU內(nèi)存上載到主機(jī)。要實(shí)現(xiàn)這個(gè)過程，CUBLAS提供了一些幫助函數(shù)，用于在GPU空間中創(chuàng)建和銷毀對(duì)象，以及對(duì)這些對(duì)象寫入和讀出數(shù)據(jù)。
對(duì)于CUDA內(nèi)部的線程管理原理，鄧培智也進(jìn)行了相應(yīng)的介紹。GPU線程是非常輕量的，也就是說的創(chuàng)建和線程的切換，基本不需要系統(tǒng)開銷，線程的創(chuàng)建、撤銷和切換幾乎是立刻的。這個(gè)和我們硬件設(shè)計(jì)是分不開的。 CPU的程序多線程的創(chuàng)建和注銷有很多代碼。這個(gè)和CPU程序的線程不太一樣。比如即使是四核CPU，如果跑非常多線程的話，線程的管理就會(huì)成為嚴(yán)重的負(fù)擔(dān)。GPU計(jì)算的話里面怕你線程不夠多，你需要上千個(gè)甚至上萬個(gè)線程才可以把GPU填滿，這是非常大的不同。 所以我們認(rèn)為大規(guī)模的并行計(jì)算特別適用于CUDA的這種架構(gòu)。
在硬件方面，包含cuda架構(gòu)的顯卡已經(jīng)有多款產(chǎn)品，傳統(tǒng)的OEM廠商會(huì)將Tesla產(chǎn)品整合在他們提供的解決方案中，除此以外，NVIDIA也有自己專門的CUDA計(jì)算平臺(tái)解決方案，如Telsa S1070 1U機(jī)架服務(wù)器，共有4個(gè)GPU卡，共960個(gè)內(nèi)核，性能達(dá)到4萬億次每秒，功耗只有700瓦，而如果要達(dá)到相同計(jì)算性能，需要一個(gè)小服務(wù)器集群才能實(shí)現(xiàn)，而功耗可能達(dá)到幾萬瓦；另一款產(chǎn)品是Telsa C1060，可以用到普通的PC和工作站中，性能是957Gflops，功耗只有160瓦。
目前，適合于并行計(jì)算的應(yīng)用已經(jīng)越來越多。據(jù)鄧培智介紹，很多在CPU上面做的應(yīng)用，比如說視頻編碼，它的效率非常低。比如說H.264的視頻編碼，把代碼轉(zhuǎn)移到CUDA上面以后，它的性能比在CPU上快十幾倍，這是非常典型的應(yīng)用。還有很多這方面的應(yīng)用，都可以使用CUDA對(duì)它進(jìn)行加速。這樣對(duì)于普通用戶來說，他也可以從CUDA里面得到好處。H264編碼強(qiáng)度很高，一是它的編碼效率很高，你相同的碼率，它可以獲得更好的品質(zhì)。二是它需要更多的計(jì)算，在這個(gè)情況下，過去要用CPU實(shí)現(xiàn)實(shí)時(shí)H264的編碼是很難的，現(xiàn)在使用CUDA可以加快編碼的過程。像IPOD支持H264的格式，你要把一張DVD轉(zhuǎn)換為這個(gè)格式，用CPU來做，需要很多小時(shí)，用CUDA來做，半個(gè)小時(shí)時(shí)間就可以把DVD轉(zhuǎn)換完。 另外還有一個(gè)就是物理加速，我們使用CUDA，GPU通過PhysX物理引擎對(duì)物理效果加速，你除了可以看見比較逼真場(chǎng)景以外，你可以讓場(chǎng)景真正逼真地動(dòng)起來，戰(zhàn)爭(zhēng)中爆炸的場(chǎng)面，人物的衣服動(dòng)起來非常逼真，現(xiàn)在這個(gè)叫動(dòng)態(tài)逼真，以前叫靜態(tài)逼真。所謂靜態(tài)逼真就是你游戲中截圖都很逼真，但是動(dòng)起來就不太像了，顯得比較假。有了物理加速引擎就可以獲得動(dòng)態(tài)逼真，很多東西動(dòng)起來都很像，包括水流、煙霧等等，這個(gè)需要物理的加速。物理的加速如果僅僅靠CPU來做，是非常難的，使用GPU你可以做大規(guī)模的物理的模擬，在游戲里面讓游戲變得非常栩栩如生。 我們馬上會(huì)推出很多支持物理加速的游戲，現(xiàn)在有的游戲已經(jīng)直接用了，我們會(huì)有更多的游戲推出來。讓大家感受到這種不一樣的效果。 當(dāng)然還有其他的應(yīng)用，包括圖象方面的應(yīng)用，還有視頻方面的應(yīng)用，還在繼續(xù)開發(fā)，我們希望不久以后有很多GPU計(jì)算方面的應(yīng)用不斷的開發(fā)出來。 #p#page_title#e#
另外的可能的應(yīng)用還有類似像病毒文件的掃描，因?yàn)檫@個(gè)也是非常典型的、非常大的數(shù)據(jù)量，需要很大的處理能力，金融里面也有很多的處理，包括數(shù)據(jù)庫(kù)的搜索和數(shù)據(jù)分析，很多在CUDA上面都可以獲得很好的加速效果。
對(duì)于許多企業(yè)計(jì)算領(lǐng)域，GPU計(jì)算甚至超過了傳統(tǒng)的計(jì)算機(jī)，讓許多原來無法解決的問題現(xiàn)在可以通過GPU計(jì)算機(jī)來輕松實(shí)現(xiàn)。比如，針對(duì)新型流行性疾病如非典禽流感等，人們總是希望新藥物研制的時(shí)間越短越好;在天氣預(yù)報(bào)方面，人們希望預(yù)報(bào)的精度和準(zhǔn)確度越高越好;在金融股票價(jià)格分析方面，人們?cè)跊Q定買賣股票時(shí)總是希望越快越好。GPU計(jì)算的出現(xiàn)，使得超級(jí)計(jì)算機(jī)在挑戰(zhàn)這些領(lǐng)域極限方面又進(jìn)了一步。比如，美國(guó)國(guó)家癌癥研究所通過GPU計(jì)算將模擬速度提升了12倍，等待結(jié)果的時(shí)間從原來的2個(gè)小時(shí)縮短到了10分鐘;美國(guó)國(guó)家大氣研究中心的氣象研究和預(yù)報(bào)模型(WRF)盡管僅僅將1%通過CUDA來實(shí)現(xiàn)，但其總體速度卻提升了20%，節(jié)省了一個(gè)星期的分析時(shí)間;在評(píng)估整個(gè)美國(guó)期權(quán)市場(chǎng)時(shí)，Hanweck原來計(jì)劃用價(jià)值26.2萬美元的600 CPU集群來處理，而實(shí)際采用三臺(tái)nvidia Telsa S870后，機(jī)架空間節(jié)省了9倍，硬件成本節(jié)省了6倍。這就是GPU加速帶來的魅力!
CUDA編程并不難，難在并行計(jì)算本身
很多人認(rèn)為，學(xué)習(xí)CUDA編程很難，其實(shí)并不是這樣，鄧培智談到。一個(gè)C語言編程者幾乎2天就能學(xué)會(huì)簡(jiǎn)單的CUDA編程的基本語法和方法，難度還在并行計(jì)算本身。比如，我們?cè)撊绾闻袛?，哪些?yīng)用是可以并行化的，該如何切分任務(wù)等等這些并行計(jì)算本身的問題。
其實(shí)CUDA的語法很簡(jiǎn)單，實(shí)際上就是一個(gè)標(biāo)準(zhǔn)的C語言的擴(kuò)展，必須有擴(kuò)展來支持GPU的運(yùn)行代碼，必須有一些新的函數(shù)等東西。但是如果一個(gè)程序員會(huì)C語言，會(huì)很容易用CUDA編出第一個(gè)程序，但是難就難在解決工作中的問題，用CUDA迅速的解決。這個(gè)問題不是在于CUDA本身，而是你要把這個(gè)問題并行化進(jìn)行高效處理得問題，可以說這個(gè)是并行計(jì)算的普遍性的問題。如果要使用別的并行計(jì)算方式，這些問題也同樣存在的。 從語言本身來說，CUDA沒有什么特別難的地方。如果你對(duì)你所開發(fā)的東西，如果有很深的了解，要轉(zhuǎn)換起來很快，就像PhysX，它原來是是AGEIA開發(fā)的一個(gè)物理引擎，我們收購(gòu)它以后，工程師一個(gè)月內(nèi)就可以把軟件移植到CUDA新的平臺(tái)上運(yùn)行起來了，PhysX是個(gè)相當(dāng)復(fù)雜的程序，從這個(gè)指令轉(zhuǎn)換到一個(gè)完全不同的架構(gòu)上，這是需要很大的工作量。這個(gè)例子說明什么呢？說明只要你對(duì)你的工作有足夠的了解，就可以很快的移植到CUDA架構(gòu)上面來，CUDA還是很容易學(xué)習(xí)的。
鄧培智，“我希望開發(fā)者對(duì)CUDA的算法進(jìn)一步的了解，看能不能把我的計(jì)算并行化。這些確實(shí)需要技巧，我相信在某些情況下這不是非常容易的事情，需要開發(fā)者去判斷。但有些地方是很容易看，比如說帶有連續(xù)的邏輯性，一步一步來，這個(gè)很難進(jìn)行大規(guī)模的并行化。但是有些地方很容易并行化，因?yàn)樾枰芏鄶?shù)據(jù)可以并行來處理，也沒有太多的數(shù)據(jù)相關(guān)情況。但是很多的情況都是有一定難度，這個(gè)需要開發(fā)者掌握一些技巧。CUDA入門很容易，但是進(jìn)去對(duì)各種問題進(jìn)行高效率求解，就需要有很多技巧。 這方面我了解到的國(guó)內(nèi)的情況來看，對(duì)并行編程特別熟悉，或者特別有經(jīng)驗(yàn)的開發(fā)者總的數(shù)量不見得是特別多。當(dāng)然這跟國(guó)內(nèi)大部分人的開發(fā)環(huán)境有關(guān)系。這個(gè)和過去大家很多人可能沒有機(jī)會(huì)用到常規(guī)的大規(guī)模并行運(yùn)算的計(jì)算機(jī)（比如說巨型機(jī)，它也是幾千的GPU）有關(guān)，大多數(shù)人接觸到的是PC機(jī)。在PC機(jī)上開發(fā)，是和并行計(jì)算開發(fā)的思維方式完全不一樣的。我覺得這個(gè)需要去培養(yǎng)并行的思維方式，和并行編程的習(xí)慣，如果編程人員對(duì)這方面的了解和經(jīng)驗(yàn)多了，CUDA編程所帶來的回報(bào)是非常大的，這也是真正對(duì)并行編程的人有經(jīng)驗(yàn)的那些用戶往往對(duì)CUDA報(bào)有極大的信心的原因。歸根結(jié)底，很多問題其實(shí)都是并行編程本身的問題，而不是CUDA的問題。” #p#page_title#e#
并行計(jì)算一定會(huì)成為趨勢(shì) CPU和GPU會(huì)長(zhǎng)期共存 多核的優(yōu)勢(shì)值得懷疑
關(guān)于目前流行于業(yè)界的一些爭(zhēng)論和觀點(diǎn)，鄧先生也給出了自己的見解。從效率和成本兩方面看，并行計(jì)算一定會(huì)成為趨勢(shì)，會(huì)成為下一代應(yīng)用開發(fā)人員的一種思維方式。
鄧培智說，“對(duì)于NVIDIA來說，或者對(duì)于業(yè)界來說，我們看到這種趨勢(shì)，大家認(rèn)識(shí)到，在PC的平臺(tái)上，或者在個(gè)人計(jì)算平臺(tái)上，需要有更強(qiáng)的并行計(jì)算能力，需要GPU來承擔(dān)更多的工作，這是一種很明顯的趨勢(shì)。很多公司都已經(jīng)認(rèn)識(shí)到這種趨勢(shì)。比如說蘋果公司，蘋果是所有公司里面最注重個(gè)人體驗(yàn)的一家公司，這個(gè)每個(gè)人都承認(rèn)。他們就認(rèn)為GPU將會(huì)在在個(gè)人體驗(yàn)起到最重要的作用。他們非常重視GPU的計(jì)算資源。GPU的計(jì)算資源非常高，你不充分用起來，確實(shí)是很大的浪費(fèi)。”
關(guān)于CPU和GPU之爭(zhēng)的問題，鄧培智再次強(qiáng)調(diào)，這2種計(jì)算模式一定會(huì)長(zhǎng)期存在。這是由他們的設(shè)計(jì)目前和主要任務(wù)所決定的，一方取代另一方，短期內(nèi)都是不大可能的。
鄧培智介紹道，現(xiàn)在的CPU最重要的設(shè)計(jì)原則其實(shí)是要能更快的執(zhí)行各種指令，現(xiàn)在很多程序的結(jié)構(gòu)設(shè)計(jì)非常復(fù)雜，這些指令有非常復(fù)雜的邏輯，分支、條件的轉(zhuǎn)移等很多，你要非常高效的來執(zhí)行，你需要設(shè)立很大的緩存，你還需要在指令執(zhí)行上做很多的工作，比如說需要很大的指令緩沖池，對(duì)指令進(jìn)行分析，需要亂序執(zhí)行，把順序打亂以后，沒有數(shù)據(jù)或者存儲(chǔ)相關(guān)的先執(zhí)行，有相關(guān)的后執(zhí)行等等，這就導(dǎo)致每個(gè)CPU的core很大，其中真正負(fù)責(zé)計(jì)算的占的面積是很小的，大部分晶體管消耗在指令執(zhí)行環(huán)節(jié)，計(jì)算方面能力相對(duì)就弱些。要高效運(yùn)行現(xiàn)有的很多程序，這樣的設(shè)計(jì)也是必須的。而GPU的核心就是計(jì)算，運(yùn)行計(jì)算，我們的GPU有很多個(gè)核，128甚至240核，這么高的并行度就是要盡可能做到計(jì)算吞吐量足夠得大，但是GPU的每個(gè)核不可能作得像CPU的核這么復(fù)雜。這兩個(gè)設(shè)計(jì)理念就有很大的區(qū)別。我不相信把這兩個(gè)很快的統(tǒng)一。因?yàn)閺募軜?gòu)設(shè)計(jì)的目標(biāo)來看，就是有很大的矛盾。在現(xiàn)有的工藝條件下你很難一個(gè)架構(gòu)兩邊都做好。
針對(duì)高性能應(yīng)用是選擇多核方式還是GPU并行計(jì)算的方式的問題，鄧培智認(rèn)為目前CPU多核的優(yōu)勢(shì)是值得懷疑的，而GPU帶來的優(yōu)勢(shì)會(huì)立竿見影。
鄧培智：“ 但是從某種意義上來說，你要看你的應(yīng)用是什么?說老實(shí)話，多核從用戶應(yīng)用來講，優(yōu)勢(shì)體現(xiàn)在哪里呢?不管是在游戲，還是在瀏覽，或者做其他方面，四核和雙核比起來，沒有特別明顯的優(yōu)勢(shì)體現(xiàn)出來。比如說你有一個(gè)四核，你可以自己想象一下，哪些應(yīng)用程序真正能夠充分應(yīng)用到四核功能，實(shí)際上是很少的。對(duì)于GPU來說，這個(gè)是不太一樣，GPU除了做圖形處理，還可以做其他方面的處理，真正四核應(yīng)用有優(yōu)勢(shì)的地方，往往也是使用GPU來做更具效率的地方，比如說視頻的編碼，四核比雙核塊，或者是圖形渲染四核相比雙核可以提高很高的性能，雷外還有像物理加速，剛才我說的游戲里面的物理加速，四核比雙核快，但是在所有這些領(lǐng)域里面如果使用GPU的話，會(huì)比四核快很多倍!”
我們都知道，未來的IT領(lǐng)域肯定是并行計(jì)算的天下。無論是硬件、軟件都會(huì)朝著這個(gè)方向發(fā)展，這是業(yè)內(nèi)技術(shù)的大趨勢(shì)。盡管如此， NVIDIA仍有諸多機(jī)遇和挑戰(zhàn)。雖然在技術(shù)方面CUDA有許多先天的優(yōu)勢(shì)，但是想要說服系統(tǒng)平臺(tái)開發(fā)商，和習(xí)慣了傳統(tǒng)編程思維習(xí)慣的，崇尚兼容性，穩(wěn)定性為首要素的軟件開發(fā)人員來支持CUDA也不是一件容易的事兒。
在人類計(jì)算歷史的長(zhǎng)河中，各種新技術(shù)肯定會(huì)風(fēng)起云涌，你方唱罷我登場(chǎng)，NVIDIA的CUDA架構(gòu)和技術(shù)，已經(jīng)被義無反顧地推到了歷史的舞臺(tái)上，至于它究竟能夠走多遠(yuǎn)，是否能夠上演更精彩的故事，也許一切只有等待時(shí)間的檢驗(yàn)。
