GPU挑战CPU地位!详解CUDA+OpenCL威力

    关于GPU并行计算，其实AMD比NVIDIA更早提出了GPGPU(通用GPU)的概念，那么NVIDIA怎么看老对手AMD在并行计算方面的发展呢？现在我们就看看NVIDIA技术人员对于AMD的评价。

● 衡量GPU并行计算的主要指标就是浮点运算能力，根据理论值来看，AMD GPU似乎要比NVIDIA GPU高不少(HD4850达到1TFLOPS、HD4870 1.2TFLOPS)，那NVIDIA GPU的优势是什么？

    答：的确，GPU的浮点运算能力非常重要，但这只是理论值而已，理论与实际存在很大的差距，尤其是在GPU架构截然不同的情况下，几乎没有可比性。目前超级计算机500强的排名是使用统一的软件进行评估获得的实际浮点运算性能，而并非理论值，采用NVIDIA Tesla GPU的超级计算机初出茅庐就排行第29，实际运算能力得到了充分肯定。

    任何架构都有效率高低之分，GPU也不例外，NVIDIA CUDA架构的GPU执行各种复杂的图形指令及非图形指令都有着非常高的效率，而竞争对手的产品听起来拥有较多的流处理器、理论浮点运算能力也很夸张，但实际性能如何呢，通过最新DX10游戏来看其效率很低，GPU的本职工作都做不好，何谈指令更加复杂的并行计算呢？

● 科学研究对运算精度要求非常高，双精度浮点运算使用率很高，NVIDIA GPU的双精度运算能力只有单精度的1/8，而AMD双精度性能是单精度的1/5，这是为什么呢？

    答：确实，在不少应用领域都须需要双精度浮点运算，这方面NVIDIA上代GPU做得还不够好，当初主要考虑提升单精度浮点运算的能力和效率，在民用场合会得到非常出色的效能(比如视频转码、物理加速等)。

    不过，新一代Tesla产品的双精度浮点运算能力将会提高至原来的4倍之多，新一代核心不仅仅是工艺改进频率提升而已，事实上我们对内核架构作了进一步优化，每个SM内部FP64运算单元达4个，这样NVIDIA下一代GPU的双精度浮点运算能力可以达到单精度的1/2，性能提升非常可观！

● 对于AMD的FireStream流处理加速卡，NVIDIA怎么看？

    答：AMD FireStream比NVIDIA Tesla诞生得早，但由于架构和开发平台问题，市场占有率及用户认可度根本无法同Tesla相提并论。大家看到的多是有关产品方面的报道，而不是有关应用及解决方案方面，因为AMD根本拿不出什么像样的应用软件，目前最流行的Folding@Home蛋白质分布式运算以及AVIVO视频转码，其实早在X1000时代就存在了，时至今日产品更新换代了三四代，但GPU运算效率并没有得到提升，为什么呢？

    因为AMD没有给用户提供一种系统的开发平台，而是仅使用汇编一类的低级语言去进行GPGPU编程，这样的开发效率极低，而且移植起来非常困难，针对不同架构的GPU需要重新编写软件才能提供支持。举个最简单的例子，HD4000刚发布时候的Folding@Home运算效能甚至还不如HD3000，要知道HD4000的理论性能是后者的2.5倍之多！

    可以这么说，AMD的GPU架构纯粹是针对图形渲染设计的，而且很落后，因为NVIDIA很久以前的NV30就是这种SIMD架构，并行计算只是AMD图形架构的副产品，所以AMD在面对并行计算时能有多高的效率值得怀疑。或许OpenCL的出现能给AMD一些机会，但AMD有的NVIDIA都有，而AMD没有的正是NVIDIA的强项，优秀的CUDA架构再加上各类编译器/API可以让NVIDIA GPU大放异彩！