已登录
首页 | 产品报价 全国行情
产品排行榜 | 渠道商情 商铺大全 | 新闻 评测 专题 下载 | 培训 视频 高端访谈 | 产品论坛 MY168 本友会 ITPUB
全新的概念:GPU Computing
GT200被设计为一颗并行处理器，通过240个运算核心、141GB/s的内存带宽、内置的共享缓存、支持原子操作以及双精度的加入，使得其具备了强大的并行运算能力。而在计算机应用中，哪些是属于并行运算呢？答案包括视频回放、视频转换、图片处理、科学计算、物理模拟以及3D显示，这些都是非常典型的并行运算，都是有可能通过GPU运算（GPU Computing）来进行提速的。
 |
| 通过GPU运算实现加速的环境，只是离个人应用很远 |
得益于远超CPU的GPU并行运算性能，在这里所说的提速，并不会用百分之多少的比例来形容，也就是说，如果GPU能够完全参与这些应用的运算中的话，在现阶段的桌面平台上，至少都可以获得一倍以上的速度提升。
 |
| CPU与GPU架构不同，用途也不同 |
当然，这并不是说CPU的架构设计存在重大缺陷，只是现在桌面基于X86架构的CPU的固有特点，例如一颗主流的酷睿2双核处理器，其核心的运算单元数量和GPU完全不在一个数量等级上，同时运行的线程也只有两条而已，CPU芯片中更多的晶体管被拿来构造分支预测机构、大容量缓存等等，这样才能使得CPU能够进行的运算具备最大的宽容度。
虽说适合GPU的应用相对于复杂的计算机运算环境来说还是比较有限，但是这些应用恰好都是当前使用CPU运算表现并不出色的，因此通过GPU来大幅提升这类运算的速度，就可以令我们的计算机性能更上一个台阶。而这一切还需要一个重要的支持——软件环境，X86架构拥有超过30年的历史，支持其的操作系统和软件可谓不计其数，而这恰巧是GPU进入通用计算领域最为薄弱的地方，因此NVIDIA于2007年拿出了用于GPU的开放式编程环境——CUDA。
