打倒X86！NVIDIA的CPU+GPU戰略全解析

    馬路徹表示，“由于GPU本身的架構，半導體集成度的增加主要提高的是并行計算性能。即使是現在每年性能提高幅度也有74%左右。”此外，GPU和CPU并行處理性能差也將越拉越大，以浮點運算計，2001年的顯示核心浮點性能是當時CPU的30倍，而這一差距在今日已經拉大到1000倍，今后也將繼續擴大下去。

同樣依照摩爾定律發展，GPU通用計算能力比CPU提高幅度要大得多

    自從NVIDIA支持DX10的統一渲染架構G80核心發布以來，半導體工藝的進步使得GPU內置的核心（流處理器）數量越來越多，GPU基礎架構改良速度對比CPU也越來越快。GPU的通用計算能力在這幾年來得到很大提高。

NVIDIA旗下GPU的核心數量變化歷史

    因為GPU起初是為圖形處理設計，對指令集的依存度很低，即使再多線程數量也仍然能保持并行處理性能維持在高水平不變。舉例來說，對于3D角色的反射光計算，每個多邊形反射光計算中法線處理互不相干，因此多邊形數量再多也不會造成瓶頸，GPU的運算能力可以充分發揮。

CPU和GPU的并行處理示意圖

GPU實際并行計算示例：復雜多邊形的反射光處理運算

GPU理論浮點運算性能取得了飛躍

GPU并行計算適合多種要求高性能運算的應用

    因此，科學運算中最適合利用GPU強大的并行計算能力，馬路徹表示，NVIDIA近年來所力推的Tesla加速卡就是例子，同時取得了很多成果。