GPGPU的应用前景

摘要：Gpu凭借着其超强的计算速度向我们展示了一个新的计算理念――GPGPU，它的前景十分广阔，有了它就好比每个个人电脑拥有者有了一台小型计算机，在科学计算或是在生活中发挥了强大的功能，解决了一些过去个人计算机所不能解决的问题。
译：The GPU show us a new ideal of supper speed calculate. General-Purpose computing on Graphics Processing Units will be widely used.if you have a graphics card,you will use it as a minicom.It will be widely used in Scientific Computing and daily life.It can solve the promlem that PC can’t solve before.
关键字：CUDA,OpenCL，GPGPU，显卡(graphics card)，并行计算(Patallel Computing)
关键字释义：
1、OpenCL全称Open Computing Language，是第一个面向异构系统通用目的并行编程的开放式、免费标准，也是一个统一的编程环境。
2、CUDA(Compute Unified Device Architecture)，显卡厂商NVidia推出的运算平台。
什么是GPGPU
GPGPU（General-Purpose computing on Graphics Processing Units）是基于GPU的通用计算，我们知道CPU主要负责的是完成各种算术运算(如加、减、乘、除)和逻辑运算( 如逻辑加、逻辑乘和非运算)而GPU最初主要负责图形方面的运算，GPGPU的目的就是让GPU能够做一些CPU能处理的事。
GPGPU的优势
随着GPU越来越强大，在计算上已经超越了通用的CPU。目前GPU的运算速度已经超过了1Tgfolps而目前的个人电脑的CPU最高不过200Gflops，“CELL”处理器在4GHz下才是256Gflops。由此可见GPU的运算速度是CPU的几十到几百倍，如果能让GPU实现CPU的功能，那么在性能上将获得巨大提升。显卡的计算能力相当与一台小型计算机的计算能力，一片显卡最贵不过几千（笔者的NV9600GT 1300元）而一台小型计算机要几百万，如果让GPU能处理小型计算机才能处理的事，那么就相当与小型计算机进入到了千家万户。
 
Intel Core2Due  G80 Chip 运算能力比较     
24 GFLOPS  520 GFLOPS GPU快21.6倍  

为什么GPU运算能力更强
GPU的运算速度如此之快，主要得益于GPU是对图形实时渲染量身定制的，具有两点主要特征：超长流水线与并行计算。GPU却从最初的设计就能够执行并行指令，从一个GPU核心收到一组多边形数据，到完成所有处理并输出图像可以做到完全独立。由于最初GPU就采用了大量的执行单元，这些执行单元可以轻松的加载并行处理，而不像CPU那样的单线程处理。另外，现代的GPU也可以在每个指令周期执行更多的单一指令。
如何释放GPU的运算能力
目前的显卡生产厂商主要是NVIDIA和AMD，首先提出GPGPU的是NVIDIA，Nvidia计划把Cuda并行计算架构用在所有其GPU上，Cuda是一种C语言环境，可以让开发者利用多核心并行计算的GPU编写软件解决复杂的计算问题。让显卡可以用于图像计算以外的目的，也就是超于游戏，使得GPU能够发挥其强大的运算能力。
而AMD则推出驱动催化剂8.12，该驱动能使Radeon4000系列显卡支持Stream通用计算。
Intel也推出了Larrabee独立显卡，它的核心实际是一堆IA X86核心，由于使用程序员熟悉的x86技术，所以在程序开发中不会有太大变化。
GPU能否取代CPU
我个人认为GPU是无法取代CPU的，因为首先GPGPU中的部分工作也是要靠CPU来完成的，其次GPU的强大计算能力主要某个方面如浮点运算，所以用它的通用计算能力可以做某些特定的事，如科学计算，但无法满足所有计算，最起码无法用GPU来运行操作系统，所以GPU是无法取代CPU的。
GPGPU的应用前景
GPGPU的应用前景相当广泛，特别是在一些专业领域，如电信、金融、证券数据分析，数理统计分析，生物医药工程，导航识别，军事模拟，无线射频模拟，图像语音识别，地理信息系统，生命科学研究，量子物理等，例如在癌症研究中重碳酸盐跟踪数据的工作，为了跟踪这些数据，如果使用原有CPU运算，以常见项目为例可能需要一周左右时间，而这还必须是高性能计算机多个CPU集群完成，如果使用普通PC，那这个研究根本没有意义。而GPU可以成百倍的速度来完成整个工作，节省了CPU集群所占据的机房。
GPGPU在家用电脑中也有着广泛的应用，如视频转换，效果图的渲染，图像处理，游戏等。这些都是与人们生活息息相关的，例如视频转换，我们每个人大多都有mp4，手机等电子产品，但是一个视频要转换到像.3gp,.mp4等特定的格式后才能够在那些电子产品上观看，而传统的CPU转换速度非常慢，常常转一个视频要花几十分钟甚至几个小时，而用GPU转换只需要几分钟。再比如我父亲是个设计师，以往渲染一个效果图常常要一宿甚至好几天，要是让GPU来完成渲染可能只要几个小时甚至几分钟。
综述
Gpu在通用计算上的潜力还是非常大的，虽然现在并行计算在的编程方面还存在一些技术难题，并行计算编程方法和人员稀缺，在兼容性上也存在问题，但是现在世界各大厂商在通用计算领域都有所关注，并共同制定了OpenCL，通用计算必将是今后发展方向，甚至比云计算更为有优势。

 

参考文献（由于GPGPU技术较新书籍较少所以均引自互联网及NVIDIA自编教程）
：
http://www.technewscn.com 
http://diy.pconline.com.cn 
http://topic.pcpop.com 
http://www.enet.com.cn 
NVIDIA总裁建CEO黄仁勋讲话
《NVIDIA计算统一设备架构编程指南》