GPU-前途無限光明

　　隨便拿起一個DIYer寫下的一份PC配置單，圖形卡(video card)往往是必不可少的部分。當被問及為何會鐘情于獨立的圖形卡而不是選擇主板自帶的集成顯示芯片的時候，得到的答案往往驚人的一致——為了游戲。是的，人類僅僅是為了滿足自己的七情六欲，我們的PC才擁有了無比強大的運算能力。甚至比起同期的圖形子系統，PC里其他各部分都相形見絀。從R300到NV40，再到現在最新的G80，每一代旗艦GPU的晶體管都大大超過了同期的頂級CPU，也在挑戰其同時代半導體工藝的極限。不過，GPU正如其名字“graphics processing unit(圖形處理器)”一樣，縱然有再強大的運算能力，也只能在其轉司的實時圖形渲染領域內一展手腳。僅僅靠娛樂市場就支撐起NV40和G80這種怪獸級別的半導體芯片，這種情況讓人難以想象。不過，既然在很多特定領域，GPU都能提供比同時代CPU更為強大的處理能力，那么是否有人想過讓圖形處理器來替代CPU充當這些程序中運算的主角，或者是“幫助”CPU更快的完成運算任務呢?答案是肯定的。

　　似乎在一夜之間，GPU用于通用計算(General Purpose GPU)及其相關方面的問題成為一個十分熱門的話題。GPGPU指的是利用圖形卡來進行一般意義上的計算，而不是單純的繪制。讓人們感到驚奇的是，在計算機圖形處理器多年巡視發展的進程中，幾乎沒有人認真的預言過這一重大應用。而在今天，由于GPU具備了極高的性能和前所未有的發展速度以及普及率，使得人們對于GPU的這一新的應用前景給予了空前高的期望和熱情。下面一些數字也許能幫助你更加深刻的了解人們為什么對于GPU通用處理如此關注。

　　自誕生起，GPU就將摩爾定律的定義大大擴展。研究表明，從1993年開始，GPU的性能以每年2.8倍的速度增長，這個數字大大超過了PC其他子系統的發展速度。

　　一塊工作頻率為3.0GHz的Pentium 4處理器，其晶體管數目為1.25億個，即使算上SSE指令集的SIMD(單指令并發多數據流，這種情況是浮點吞運算下吐能力的最理想狀況)，也只有6GFlops的峰值浮點處理能力，而同期的一塊NV40 GPU就有2.22億個晶體管。峰值浮點運算能力很輕易超過40GFlops。

　　GPU擁有自己的獨立子存儲系統--顯存，它擁有比系統主內存高得多的帶寬。Intel曾經為它的Pentium 4 XE系列處理器所擁有的1066MHz前端總線所提供的8.6GB/S的帶寬倍感自豪，而同期一塊普通的GeForce 6800就擁有20GB/S以上的顯存帶寬。

　　由上面幾點可以看出，因為具備強大的并行處理能力和極高的存儲器帶寬，GPU如果被抽象成一個“流處理器”(Stream Processor)，來用于諸如科學運算、數據分析、線性代數、流體模擬等需要大量重復的數據集運算和密集的內存存取的應用程序，那么我們就能獲得一些比CPU強悍得多的計算能力。相比之下，CPU本質上是一個標量計算模型，計算單元偏少，主要針對復雜控制和低延遲而非高帶寬優化。正是因為這些優勢，使得GPU比CPU更適用于流處理計算。目前，AMD和NVIDIA兩大圖形芯片巨頭都提出了自己的GPGPU方案。

　　圖形處理器渲染流水線的發展歷程