CPU+GPU计算模式与单纯的CPU计算模式相比，有何优势？（获奖名单公布！）

renshen11

GPU和CPU不同，CPU内部可以实现并行处理，而GPU内部只能实现并行计算，负责输出一系列数据。但是，GPU内部的统一渲染管线结构，决定了GPU计算的并发线程远远大于CPU。一颗I7 980X的并行计算线程和处理线程都是12条，而GT 200系列核心虽然没有并行处理能力，但是并行计算能力在30000线程以上。这个就是GPU通用计算的力量。

GPU通用计算领域，Nvidia居于独孤求败的地位。而ATI由于自身的GPU设计，以及市场定位的原因，通用计算做得不如Nvidia。现在的Nvidia大力发展GPGPU，但GPU通用计算的应用还处于起步阶段，国内接触CUDA编程的人也不多。

xinxihua_007

现在大部分的人对于GPU不是很了解.为什么？其实很简单的， 因为CPU 也只是刚刚起步的阶段，因为过于专业，或许只有IT人员更加了解。我希望可以把GPU和真正的实际工作、生活相结合， 只有这样才能得到普及认可。

likedufei

华为Ascend D quad使用自主设计的四核芯片K3V2，除拥有世界最快的CPU+GPU双处理中心之外，K3V2的规格只有12*12mm，这是目前世界上封装规格最小的四核处理器，集成度世界最高。

betty333999

1.结合您的经验和体会，基于GPGPU的高性能计算主要应用于哪些学科应用？

GPGPU高性能计算在科研领域用的比较多，各种的仿真、模拟基本都用GPU计算在做。具体学科来说的话，也非常广泛，涵盖生物、化学、电子、物理学、环境学、计算科学等各个学科。
比如，去年中科院葛蔚教授在天河一号上的分子动力学模拟用的就是GPU计算，取得了很好的效果。

2.CPU+GPU计算模式与单纯的CPU计算模式相比，有哪些优势又有哪些障碍？（可从硬件和软件两个方面来讨论，比如GPU在图形处理方面具有优势，但是要求使用图形编程语言来对 GPU（图形处理器）进行编程。）

CPU+GPU的异构模式比单纯使用CPU的优势主要是速度快、能耗低，障碍主要还是不太稳定。

im555

没有用到过

crazyhadoop

在复杂的技术研发和专业设计中，需要同时处理的协同型IT应用任务日益增多。为提升工作流程以及数据处理的速度和效率，越来越多的工程师们被要求在单位时间内做出更多的事情。随着虚拟化技术的诞生，以前使用两台甚至多台主机，完成同一任务的情况逐渐被性能强大的单一物理主机所取代。在同一台设备上完成从设计、模拟到仿真的专业计算全操作流程，将大大简化工程研发的复杂性。

目前在生物高分子计算方面已经大规模的采用了GPU运算，汶川地震的时候，追寻那个失事的飞机就用到了GPU对地理信息数据进行了分析。

netroop

send_linux 发表于 2012-02-17 15:06
活动背景：

什么是GPU？

其实这几年在NVDIA的推广下，CUDA和gpgpu编程已经比以前更多地被人所认知了。
目前来看，CPU+GPU计算模式主要的还是在其GPU的浮点计算上，最多的应该是图像图像计算上面吧，比如图形建模、流体力学计算方面吧
但是要能够利用好这些GPGPU，需要使用专门的编程语言，这应该是其目前推广的短板，而且还没有普及开。

netroop

幽云十八 发表于 2012-02-28 09:42
GPU往小处说，是不是就是网卡啊？

以后看电脑的性能，CPU第一，其次应该就是GPU了，GPU的计算能力原来越强了。
这方面，还是看好AMD，他的CPU和收购过来的ATI，CPU和GPU两类计算都算是全了，但是如何整合好，即做到CPU+GPU的模式，目前看来AMD还无暇做这些，在通用CPU的市场上被Intel打的找不到北了已经。

lemoncandy

瀚海书香 发表于 2012-02-17 15:54
回复 1# send_linux
目前的工作还没有用到过GPU编程，期待大侠出来讲解一下

去年参加了一次CUDA的大会，600多买了显卡，值啊，嘿嘿

好像是03年的时候，NVIDIA最早提出了GPGPU概念，其目前的主导理念是：CPU没有必要用太好、太贵的，普通CPU搭配中档独立显卡，综合性能比高端CPU搭配整合显卡要高很多。但NVIDIA的解决方案仅仅只是被“内行”们认可，这显然不是NVIDIA的初衷。2007年2月，NVIDIA正式发布了CUDA架构（Compute UnifiedDevice Architecture统一计算设备架构），这也是NVIDIA确定的GPGPU产品的正式名称。

但是可惜的是，AMD旗下的ATI并不认可这玩意。至少不是鼎力支持。