1. 引言

　　自1999年NVIDIA提出GPU的概念以來，GPU的高浮點運算能力引發(fā)了不少的話題，比如GPU將取代CPU?；贕PU的特殊性，研究人員正在從事相關(guān)方面的研究，以期充分地利用GPU高運算速度。

　　隨著計算機(jī)圖形處理硬件的又一次升級，即計算機(jī)圖形處理器的升級。圖形處理器的應(yīng)用已成為熱門的課題。

　　2. GPU的功能

　　GPU（Graphic ProcessingUnit）即圖形處理器。1999年NVIDIA公司發(fā)布GeForce 256圖形處理芯片時，首先提出GPU的概念。一塊標(biāo)準(zhǔn)的GPU主要包括2D單元、3D單元、視頻處理單元、FSAA（Full Scene Anti—aliasing，全景抗鋸齒）單元和顯存管理單元等。

　　它設(shè)計的宗旨是實現(xiàn)圖形加速，現(xiàn)在最主要的是實現(xiàn)3D圖形加速，因此它的設(shè)計基本上是為3D圖形加速的相關(guān)運算來優(yōu)化的，如消隱、紋理映射、圖形的坐標(biāo)位置變換與光照計算等等。這幾年GPU發(fā)展迅猛，2007年NVIDIA甚至提出“重GPU核心，輕CPU頻率”的論調(diào)。這是否意味著GPU時代的到來？

　　3. GPU與CPU的比較

　　GPU以其高速的浮點運算能力迅速地吸引了人們的眼球。

　　其計算能力到底有多大？CPU的浮點運算能力一般在10 Gflops以下（每秒可進(jìn)行10億次浮點運算），而GeForce6系列的浮點運算能力已經(jīng)在40 Gflops左右，GeForce7950GX2更是達(dá)到了384Gflops；在向量計算方面能夠獲得比CPU高出十倍的計算效率。

　　這得益于它是對圖形處理量身定制。GPU并行計算的能力更是強(qiáng)大，它內(nèi)部具有快速存儲系統(tǒng)，NVIDIA的8800有128個處理器，此外，GPU的硬件設(shè)計能夠管理數(shù)千個并行線程，這數(shù)千個線程全部由GPU創(chuàng)建和管理而不需要開發(fā)人員進(jìn)行任何編程與管理。然而，現(xiàn)在GPU還是協(xié)助CPU進(jìn)行圖形處理，著實浪費不少其運算能力。

　　值得注意的是，如此強(qiáng)大的計算能力具有針對性———圖形計算，如Z- buffering、紋理映射與光照計算等。這類計算都是針對大量的平行數(shù)據(jù)，運算的數(shù)據(jù)量大，但是運算的類型卻并不復(fù)雜，還具有類似性，計算性強(qiáng)但是邏輯性不強(qiáng)，如矩陣運算就是圖形運算的典型特征。而CPU是設(shè)計用來處理通用任務(wù)的處理、加工、運算以及系統(tǒng)核心控制等工作，CPU的微架構(gòu)是為高效率處理數(shù)據(jù)相關(guān)性不大的計算類、復(fù)雜繁瑣的非計算類等工作而優(yōu)化的。所以現(xiàn)在CPU和GPU還在自己的軌道上各司其職。

　　GPU特殊的硬件架構(gòu)突出了對CPU的優(yōu)勢：擁有高帶寬的獨立顯存；浮點運算性能高；幾何處理能力強(qiáng)；適合處理并行計算任務(wù)；適合進(jìn)行重復(fù)計算；適合圖像或視頻處理任務(wù)；能夠大幅度降低系統(tǒng)成本。[!--empirenews.page--]

　4. GPU的現(xiàn)狀

　　GPU引發(fā)了計算機(jī)可視化的革命。處理器巨頭Intel感受到GPU帶來的強(qiáng)大的沖擊力，Intel專門開發(fā)了一套面向可編程的顯示計算通用架構(gòu)芯片的全新架構(gòu)———Larrabee架構(gòu)。它能帶來的效果可從英特爾公司高級副總裁兼數(shù)字企業(yè)事業(yè)部總經(jīng)理———帕特·基辛格在IDF峰會上的講話得出答案。

　　“可編程的顯示計算通用架構(gòu)芯片是一場革命，它將顛覆持續(xù)了幾十年的顯卡產(chǎn)業(yè)，可編程的顯示計算通用架構(gòu)芯片雖然不會馬上替代顯卡，但是在三四年之后，隨著我們相關(guān)技術(shù)、產(chǎn)品的成熟上市，顯卡產(chǎn)業(yè)將消亡。”

　　按照英特爾的觀點，隨著可編程的顯示計算通用架構(gòu)芯片的成熟，它將逐步取代GPU的地位，顯卡則會慢慢被集成取代，作為獨立硬件生存的空間會越來越小。

　　GPU如果只是作為顯卡就太浪費了，因此NVIDIA推出CUDA（Compute Unified Device Architecture統(tǒng)一計算設(shè)備架構(gòu)），讓顯卡可以用于圖像計算以外的目的。并對GPU的功能進(jìn)行了重新的定義，CUDA是一個革命性的計算架構(gòu)和計算思路，能夠讓GPU在消費、商務(wù)、技術(shù)等應(yīng)用方面大展拳腳，解決復(fù)雜的計算問題。CUDA能夠更有效地使用性能日益提升的GPU性能，有效地利用GPU的高速運算能力，配合CPU進(jìn)行高性能通用計算。

　　GPU和高并行處理器都在同時間賽跑，快速的向前發(fā)展以搶占未來的市場，未來處理器的速度會在這次競爭中發(fā)展到什么地步值得我們期待。

　　5. GPU的應(yīng)用

　　GPU應(yīng)用的研究圍繞著高浮點運算能力，可編程性和平行運算進(jìn)行。到目前為止，GPU和CUDA的配合，主要應(yīng)用于商業(yè)高端運算或者超級運算。如tesla高性能計算，GPU加速Matlab高性能計算，醫(yī)療圖像的生成等。

　　由于GPU的匯編指令比較復(fù)雜，而且對于各種版本的硬件的支持存在不統(tǒng)一的問題，一些高級語言（例如GLSL、HLSL）已經(jīng)被一些大廠商開發(fā)出來，加快了對GPU編程的應(yīng)用研究。從系統(tǒng)架構(gòu)上看，GPU是針對向量計算進(jìn)行了優(yōu)化的高度并行的數(shù)據(jù)流處理器，其中包括兩種流處理單元：多指令多數(shù)據(jù)流（MIMD）的處理單元———頂點處理流水線（Vertex Shader），單指令多數(shù)據(jù)流（SIMD）的處理單元———像素處理流水線。這種以數(shù)據(jù)流作為處理單元的處理器，在對數(shù)據(jù)流的處理上可以獲取較高的效率，因此很多研究人員從事一個新的研究領(lǐng)域：基于GPU 的通用計算（GPGPU：General- Purpose Computation onGraphics Processors），其主要研究內(nèi)容除了圖形處理以外，考慮更為廣泛的應(yīng)用計算。GPU最初的設(shè)計思想給這個新的領(lǐng)域帶來了問題。GPU是專門為圖形處理設(shè)計的處理器，它具有自己的存儲單元，在數(shù)據(jù)存取方式上存在一定的特殊性，而且通常對GPU進(jìn)行開發(fā)的是一些游戲廠商，使用非標(biāo)準(zhǔn)的編程模式，編程環(huán)境和體系結(jié)構(gòu)方面絕大部分被當(dāng)做商業(yè)機(jī)密，沒有對研究人員公開，可參考的資料就有限，研究人員在研究并行算法的同時還必須研究如何使GPU在進(jìn)行通用計算時取得最高的性能。針對上面的問題，研究人員已經(jīng)提出了GPU通用編程模型和方法，無疑推動了GPU在非圖形學(xué)領(lǐng)域的應(yīng)用。

　　最近幾年，在GPGPU方面取得了不少的成果，比如代數(shù)計算及流體模擬、數(shù)據(jù)庫操作、頻譜變換和濾波等。軟件編程方面也有成果，高級繪制語言及實時繪制語言（繪制程序設(shè)計的思想源自于早年P(guān)ixar設(shè)計的RenderMan繪制軟件，此軟件多年來廣泛應(yīng)用于好萊塢電影制作的繪制），OpenGL shading language、斯坦福大學(xué)的RTSL（real- time shading language）、Microsoft的HLSL（high- level shading language） 以及NVIDIA的Cg在此方面具有較大的影響；流處理機(jī)編程環(huán)境及工具已開發(fā)出來擴(kuò)大GPU的編程。

　　6. 結(jié)語

　　目前，CUDA和GPU的配合還不是很默契，真正面向民用市場還需一些時日，圖形處理的市場越來越大，給GPU的發(fā)展提供了強(qiáng)大的驅(qū)動力。GPU應(yīng)用于通用計算領(lǐng)域已經(jīng)取得了一定的進(jìn)展，GPU的身影會逐漸地出現(xiàn)在民用市場。

　　GPU和CPU的最終結(jié)果會怎樣？眾多因素的影響現(xiàn)在還不得而知。GPU會不會像386時代一樣，最初作為獨立芯片的數(shù)學(xué)協(xié)處理器387，最終融合到CPU中而消亡或者NVIDIA真的開發(fā)出像CPU那樣能處理各種通用運算的GPU，GPU時代到來。無數(shù)的遐想出現(xiàn)在我們的頭腦，還是讓市場來決定這個容易引起爭議的問題。