什么运算速度可以达至一般四核心CPU的100倍以上?

NVIDIA 26 日于美国圣荷西举行的 NVISION 08 论坛上， NVIDIA 首席科学家 David Kirk 讲述未来 CUDA 技术发展方向，认为 GPU 不只是为了视觉运算而生，未来角色将会进一步强化，不仅针对财经、科学及设计模拟运算领域，更能针对一般主流应用软件进行加速， NVIDIA GPU 将可协助 CPU 运算加速，并成为未来 PC 内部不可或缺的组件。

David Kirk 指出 CUDA 技术正在高速成长，其 CUDA Compiler ( 翻译器 ) 由 2007 年 7 月仅有 ~ 2000 次下载，提升至 2008 年 4 月的 ~ 55,000 次，证明有更多程序设计师正在考虑采用 CUDA 技术，并以 GPU 进行运算单元取代统传的单纯 CPU 运算模式。

事实上， GPU 拥有大量的运算单元，而且可以作平行运算 ( Parallel Execution ) ， CUDA 线程是极之轻型并且不会出现大量的 Overhead ，加上拥有实时切换的特性，令 GPU 同一时间可以处理超过 1000 个以上的 CUDA 线程，并且效率十分之高，指令周期可以达至一般四核心 CPU 的 100 倍以上。

此外， CUDA 程序是采用业界主流语言的 C Language ，并与 CPU 所采用的 C Language 完全相同，因此现有的程序设计师要为 CUDA 编写程序并不困难，只是程序设计师要顾及平行运算应用，由比较直述的 Standard C Code 改为能同一时间进行多个线程的 Parallel C Code ，才能完全发挥 GPU 拥有大量运算单元的优势。

很多人会把 NVIDIA 的 CUDA 与 AMD 的 GPGPU 混为一谈，但其实两者并不一样， AMD 的 GPGPU 是以 GPU 的现有绘图架构，并采用 OpenCL 接口让 GPU 进行绘图以外的运算，而 NVIDIA 则是 GPU 拥有两个模式，一个是 GPU Mode ，另一个是 Computing Mode ；在 Computing Mode 下 GPU 并不需要 OpenCL 接口，能直接执行 C 程序，因此效率相比对手更高。

David Kirk 以 Folding@Home 为例，虽然现时只有 2.43 万台 PC 采用 CUDA 版本的 Folding@home ，所占比例不到 1% ，但却拥供了 1.4 Petaflops 的运算能力，这相等于由 CPU 运算的 5 倍，不少研究人员相信未来将会有更多科学运算应用采用 GPU 作运算加速，令研究速度大幅提升，超级计算机服务器将会由单纯 CPU 架构，变成 CPU + GPU 架构，现时更有超过 40 家美国大学教授如何使用 CUDA 进行平行运算，前景令人乐观。

值得注意的是，一般消费者会以为 CUDA 仅会应用于科学应用上，但其实 CUDA 已经开始进入一般主流应用软件进行加速，包括影像编码程序 BadaBOOM Media Converter ，另外刚发布的 CUDA 2.0 套件中，拥有支持 CUDA 的 Adobe Photoshop 影像过滤及变更的 plug-in 套件，未来 6 个月将会有约 20 ~ 30 个应用软件加入 CUDA 运加速支持。

为了让 CUDA 应用更见普及， David Kirk 透露未来 CUDA 除了支持 C Language 外，将进一步支持 C++ 及 Fortran Language 这些都是业界中最广泛应用的程序语言。 CUDA 2.1 版本更会支持 Many-Core + Multi-Core 运算，让系统效能可进一步强化。 

David Kirk 认为，如果 CUDA 仅拥比 CPU 快 2-3x ，这其实并不多，根本无需要去为它而重新编写，如果是比 CPU 快 5-10x ，部份程序可能只会为部份程序重写以引入 CUDA 的好处，但 CUDA 所带来的是比 CPU 快 100x+ 的速度，程序设计师是无法抵挡 CUDA 带来的好处， NVIDIA 的最目标是 CUDA Everywhere 。

有 PC 业者指出，在 Intel 与 AMD 的平台化政策下， NVIDIA 的确处于劣势，而 CUDA 正好是它的最佳武器，亦是唯一出路，如果 CUDA 成功冲出处理器双雄的包围，的确未来每一台 PC 也会内建 NVIDIA GPU 也未必没可能，因此 CUDA 的成功关键将是它普及至一般主流应用软件的时间先机，能否在 Intel Larrabee 推出前抢先卡位。