CUDA：主导GPU计算的革命

　　回顾显卡的发展，用户对图形计算方面的需求不断的超出了CPU在计算能力方面的发展速度。随着CPU计算能力的进步，人们一度认为可以将图形、视频等需要大量运算的功能都交与CPU完成。但是在3D时代，人们发现庞大的3D图形数据计算量对CPU的负荷，已经远远超出了它所能承担的计算能力。为了满足海量数据的图形计算需求，显示芯片向更高速更复杂发展。终于有一天，当显示芯片实现的计算能力也无法满足快速增长的图形计算需求时，计算功能被脱离出来单独作为一个芯片设计，这就是专门负责图形计算的处理器——GPU(Graphics Processing Unit)，

　　1999年NVIDIA GeForce图形处理器的发布，实现了顶点的矩阵变换和光照计算，真正意义上的GPU宣告诞生。随着GeForce 3开始引出可编程特性，能将图形硬件的流水线作为流处理器来解释，基于GPU的通用计算也开始出现。

　　到了Nvidia GeForce6800这一代GPU，功能相对以前更加丰富、灵活。顶点程序可以直接访问纹理，支持动态分支；象素着色器开始支持分支操作，包括循环和子函数调用，TMU支持64位浮点纹理的过滤和混合，ROP(象素输出单元)支持MRT(多目标渲染)等。象素和顶点可编程性得到了大大的扩展，访问方式更为灵活，这些对于通用计算而言更是重要突破。

　　真正的革命来自于2006年，NVIDIA在这一年推出了基于DX10统一渲染体系的旗舰图形处理器G80，当人们为其强悍的3D效能惊叹时，有谁又会想到NVIDIA这次会给那些GPU通用运算的支持者带来的更加目瞪口呆的变革！

　　G80包含了128个处理器（最新的G200包含了240个处理器），在某些大规模并行计算的应用上，相对于CPU来说性能提高可达100倍以上。现代的GPU计算能力已经远远的超过了CPU和其他的处理器。但是如此强大的计算能力如果只能应用在图形方面，对于计算资源来说是一个极大的浪费。