成绩不是唯一!浅谈选择N卡的四大理由

    经过多年成倍式增长，GPU的性能已经达到了可观的高度，但是显卡却总在玩游戏的时候才被大家想起，难道这么强大的计算能力仅仅是为了满足游戏玩家？显然，GPU已经不满足应用领域的狭隘，利用自身强大的计算能力向传统电脑的核心CPU提出了挑战！

● CUDA显威力 并行计算时代来临

    大家都知道，显卡的硬件规模远远要比CPU更加复杂，早在多年前就有人构想利用显卡强大的硬件规模实现其他方面的计算，但是一直没有大规模的实现。而现在NVIDIA开发了CUDA编程环境，任何用户都可以通过CUDA开发包，开发出利用显卡来计算的程序。

    简单的说，CUDA就是显卡处理通用计算的一个接口，曾经只能执行图形渲染的GPU终于可以处理其他方面的计算。并且，显卡进行通用计算还有一个最大的优势，那就是并行计算。我们先来看看什么是串行计算，什么又是并行计算：

    串行计算是指在单个中央处理器单元上对数据进行处理，并行计算是相对于串行计算来说的，其在时间和空间上都比串行计算效率更高，时间上的并行就是指流水线技术，而空间上的并行则是指用多个处理器并发的执行计算。

    CPU就是串行计算的代表，当然我们也看到其向并行计算发展的趋势，比如目前的双核、四核CPU。但是，CPU永远也无法跟上显卡的发展速度，比如NVIDIA前一段时间发布的9800GTX Plus拥有128个流处理器，也就是相当于128核同时并发性的计算，可以想象其计算能力有多强大。

    当然，并不是说CPU就完全没用，今后的PC主要还是CPU与GPU搭配使用，CPU+GPU的计算就是我们所谓的异构计算。

CUDA的应用涉及到各行各业

    实际上，我们前面讲到的NVIDIA PhysX也是NVIDIA CUDA的一次应用，利用CUDA，NVIDIA将本来只能在CPU或者是专门的PPU上才能计算的物理加速移植到了GPU上来计算，让计算性能有了大幅度的提升。很显然，CUDA是GPU历史上一次伟大的变革。

    2007年6月20日，NVIDIA发布了专为科学计算而生的Tesla，用GPU展现了个人超级计算的新纪元，实际上这同样是CUDA的功劳。NVIDIA将强大的GPU应用于地球科学、分子生物学和医学诊断领域的高性能计算为实现重大的发现提供了可能，这些发现可能会改变数十亿人的生活。