GPU挑戰CPU地位!詳解CUDA+OpenCL威力

2024-12-27 19:47:10

[泡泡網顯卡頻道 12月16日] 眾所周知，GPU擁有數十倍於CPU的浮點運算能力，但如此強大的實力多數情況下只能用來玩遊戲，豈不可惜？因此近年來業界都在致力於發掘GPU的潛能，讓它能夠在非3D、非圖形領域大展拳腳。

1999年，首顆GPU(GeForce 256)誕生，GPU從CPU手中接管T&L(坐標轉換和光源) 2000年，Hopf在GPU上實現小波變換 2001年，Larsen利用GPU的多紋理技術做矩陣運算 2002年，Harris在GPU上用細胞自動機(CA)仿真各種物理現象，Purcell第一次使用GPU加速光線跟蹤算法 2003年，是GPGPU領域具有裡程碑意義的一年，Kruger實現了線性代數操作；Li實現了Lattice Boltzmann的流體仿真；Lefohn實現了Level Set方法等一大批成果 2004年，Govindaraju在資料庫領域應用GPU加速取得進展；商業領域，Apple推出支持GPU的視頻工具 2006年，首顆DX10 GPU(GeForce 8800)誕生，GPU代替CPU進行更高效的Geometry Shader(幾何著色)運算 2007年，主流DX10 GPU全面上市，將CPU從勞累不堪的高清視頻解碼運算中解放出來，如今整合GPU都完美支持硬解碼 2008年，CUDA架構初露鋒芒：PhysX引擎發布，GPU代替CPU和PPU進行物理加速運算；Badaboom、TMPGEnc等軟體開始利用GPU的並行計算能力來加速視頻編碼 2009年，CUDA、OpenCL、DX11 Compute Shader百花齊放，GPU將會全面取代CPU進行並行計算，大批應用軟體改投GPU門下……

可以這麼說，CPU是功能較多的，它幾乎可以處理任何事情，但由於深度流水作業架構的特性、以及浮點運算能力的限制，它處理一些任務時的效率很低。縱觀近年來GPU的發展歷程，就是一步步的將那些不適合CPU處理、或CPU算不動的任務轉移過來，從而消除程序運算時的瓶頸，大幅提升電腦執行效能，以更小的代價(成本和功耗)實現更強大的性能。

但是，想要讓一大批應用軟體從CPU移植到GPU上，非一朝一夕所能完成，需要業界的大力推廣以及開發平臺及程式語言的支持。NVIDIA早在2005年開始就致力於研發CUDA架構及基於CUDA的C語言開發者平臺，並於2007年正式推出，而且專門發布了針對科學計算的Tesla品牌，在GPU計算方面一直處於領跑地位。