从CPU到GPU 未来计算应用谁主沉浮?

　　在谈及计算机的时候，我们就不能不谈计算机的核心——中央处理器CPU。CPU在整个计算机系统里面属于运算核心和控制核心部件，负责解释和执行计算机指令、处理数据。CPU在计算机里面处于核心地位，不仅是包括其担负的职责和功能，而且也包括它直接决定着这个计算机系统的架构和操作系统的类型。

　　CPU可以按指令集、应用场景和核心数等不同标准进行分类。按指令集可以分为精简指令集(RISC)与复杂指令集(CISC)系统。前者包括有SPARC系列、Power系列、ARM系列等;后者包括AMD、Intel、VIA等的x86架构的CPU。应用场景则主要包括台式机、服务器和移动设备。根据应用场景的不同，在处理器的功耗、核心数、线程和缓存、指令集方面，各不相同。

　　然而，随着信息技术的进步和应用的日益丰富，长期占据配角的显卡，其核心处理器——图形处理器GPU也逐渐发挥更多作用，不断涌现在人们的关注焦点之中。

　　GPU是Graphic Processing Unit的简称，它直接决定了计算机显卡的性能表现和产品质量。尤其是在图形渲染、3D动画制作等工作站、高性能计算领域，都严重依赖GPU的功能(有助于减少对CPU计算性能的依赖，分担CPU的计算渲染工作)。

　　CPU和GPU本是连个互不相同的领域，它们有着各自的厂商。然而，传统的老牌芯片厂商AMD，将CPU和GPU合二为一，推出了独一无二的APU产品。 APU是Accelerated Processing Unit的简称，中文名为“加速处理器”。它是AMD“融聚未来”理念的产品，它第一次将中央处理器和独显核心做在一个晶片上，同时具有高性能处理器和独立显卡的处理性能，支持DX11游戏和最新应用的“加速运算”，可大幅提升电脑运行效率，实现CPU与GPU的真正融合。

　　与此相对应的是，Nvidia也顺应了这种从单一使用CPU向CPU与GPU并用的“协同处理器”发展趋势，打造了CUDA统一计算设备架构(Compute Unified Device Architecture)，允许编程者充分利用CPU和GPU的各自优点，开发出更加高效的应用平台。CUDA的广泛应用造就了GPU计算专用 Tesla GPU的崛起，并且在全球已经拥有超过700多个GPU集群。