GPU、CPU：不止一字之差那么简单

D）的处理单元———顶点处理流水线（Vertex Shader），单指令多数据流（SIMD）的处理单元———像素处理流水线。这种以数据流作为处理单元的处理器，在对数据流的处理上可以获取较高的效率，因此很多研究人员从事一个新的研究领域：基于GPU 的通用计算（GPGPU：General- Purpose Computation onGraphics Processors），其主要研究内容除了图形处理以外，考虑更为广泛的应用计算。GPU最初的设计思想给这个新的领域带来了问题。GPU是专门为图形处理设计的处理器，它具有自己的存储单元，在数据存取方式上存在一定的特殊性，而且通常对GPU进行开发的是一些游戏厂商，使用非标准的编程模式，编程环境和体系结构方面绝大部分被当做商业机密，没有对研究人员公开，可参考的资料就有限，研究人员在研究并行算法的同时还必须研究如何使GPU在进行通用计算时取得最高的性能。针对上面的问题，研究人员已经提出了GPU通用编程模型和方法，无疑推动了GPU在非图形学领域的应用。

　　最近几年，在GPGPU方面取得了不少的成果，比如代数计算及流体模拟、数据库操作、频谱变换和滤波等。软件编程方面也有成果，高级绘制语言及实时绘制语言（绘制程序设计的思想源自于早年Pixar设计的RenderMan绘制软件，此软件多年来广泛应用于好莱坞电影制作的绘制），OpenGL shading language、斯坦福大学的RTSL（real- time shading language）、Microsoft的HLSL（high- level shading language） 以及NVIDIA的Cg在此方面具有较大的影响；流处理机编程环境及工具已开发出来扩大GPU的编程。

　　6. 结语

　　目前，CUDA和GPU的配合还不是很默契，真正面向民用市场还需一些时日，图形处理的市场越来越大，给GPU的发展提供了强大的驱动力。GPU应用于通用计算领域已经取得了一定的进展，GPU的身影会逐渐地出现在民用市场。

　　GPU和CPU的最终结果会怎样？众多因素的影响现在还不得而知。GPU会不会像386时代一样，最初作为独立芯片的数学协处理器387，最终融合到CPU中而消亡或者NVIDIA真的开发出像CPU那样能处理各种通用运算的GPU，GPU时代到来。无数的遐想出现在我们的头脑，还是让市场来决定这个容易引起争议的问题。