GPU挑战CPU地位!详解CUDA+OpenCL威力

    [泡泡网显卡频道 12月16日] 众所周知，GPU拥有数十倍于CPU的浮点运算能力，但如此强大的实力多数情况下只能用来玩游戏，岂不可惜？因此近年来业界都在致力于发掘GPU的潜能，让它能够在非3D、非图形领域大展拳脚。

• 1999年，首颗GPU(GeForce 256)诞生，GPU从CPU手中接管T&L(坐标转换和光源)
• 2000年，Hopf在GPU上实现小波变换
• 2001年，Larsen利用GPU的多纹理技术做矩阵运算
• 2002年，Harris在GPU上用细胞自动机(CA)仿真各种物理现象，Purcell第一次使用GPU加速光线跟踪算法
• 2003年，是GPGPU领域具有里程碑意义的一年，Kruger实现了线性代数操作；Li实现了Lattice Boltzmann的流体仿真；Lefohn实现了Level Set方法等一大批成果
• 2004年，Govindaraju在数据库领域应用GPU加速取得进展；商业领域，Apple推出支持GPU的视频工具
• 2006年，首颗DX10 GPU(GeForce 8800)诞生，GPU代替CPU进行更高效的Geometry Shader(几何着色)运算
• 2007年，主流DX10 GPU全面上市，将CPU从劳累不堪的高清视频解码运算中解放出来，如今整合GPU都完美支持硬解码
• 2008年，CUDA架构初露锋芒：PhysX引擎发布，GPU代替CPU和PPU进行物理加速运算；Badaboom、TMPGEnc等软件开始利用GPU的并行计算能力来加速视频编码
• 2009年，CUDA、OpenCL、DX11 Compute Shader百花齐放，GPU将会全面取代CPU进行并行计算，大批应用软件改投GPU门下……

    可以这么说，CPU是功能较多的，它几乎可以处理任何事情，但由于深度流水作业架构的特性、以及浮点运算能力的限制，它处理一些任务时的效率很低。纵观近年来GPU的发展历程，就是一步步的将那些不适合CPU处理、或CPU算不动的任务转移过来，从而消除程序运算时的瓶颈，大幅提升电脑执行效能，以更小的代价(成本和功耗)实现更强大的性能。

    但是，想要让一大批应用软件从CPU移植到GPU上，非一朝一夕所能完成，需要业界的大力推广以及开发平台及编程语言的支持。NVIDIA早在2005年开始就致力于研发CUDA架构及基于CUDA的C语言开发者平台，并于2007年正式推出，而且专门发布了针对科学计算的Tesla品牌，在GPU计算方面一直处于领跑地位。

    而今年由苹果所倡导的OpenCL标准发布后，包括NVIDIA、Intel、AMD在内的所有IT巨头都表示出了浓厚的兴趣。有了统一的标准之后，GPU计算的推广与普及就是水到渠成之事，GPU将会在电脑系统中扮演更重要的角色。

    那么CUDA与OpenCL之间有什么利害关系呢？未来谁将左右GPU的发展？GPU会否取代CPU成为计算机核心？笔者通过搜集各方资料，并采访NVIDIA相关技术研究人员，为大家深入分析GPU的通用计算之路。