GPGPU通用计算发展的现在早已过了萌芽期，新一代TOP500超级计算机状元“Titan”使用的就是NVIDIA的Tesla K20加速卡作为运算主力。专业领域离消费者很远，而我们之前做过的测试也显示GPU通用计算也能在图像处理、视频编码这样的日常应用中给消费者带来性能提升。

GPU编程性能确实有提高，但是没有这么神奇

　　如今的显卡一年半左右升级一次，Tesla K20相比上一代Fermi有三倍双精度浮点性能提升，使用GPU加速的代码也有100或者200倍的性能提升，NVIDIA以及AMD展示的代码已经证明了这一前景，不过理念是好的，但是GPU加速真的有这么强大的加速效果吗？

　　NVIDIA Tesla事业部总监Sumit Gupta在接受INQ采访时称GPU带来的上百倍性能提升是被现实中未优化的代码打败了。他说：“我们见到的100倍、200倍甚至更高的代码性能提升主要来自大学，NVIDIA已经跟许多大学合作，展示了GPU加速代码有100倍的性能提升。”

　　“他们主要来自学术研究机构，如果你仔细看一下为什么这些代码有100倍的性能提升，你就会发现主要原因是他们编写的CPU代码太烂，因为他们中很多并不是专业的计算机科学家，而是生物学家、化学家以及物理学家，他们写的C代码对CPU来说也不够好，所以他们发现在GPU上使用CUDA或者CUDA Fortran编程要比在多核CPU上使用MPI或者多线程编程要容易的多。”

　　按照Gupta的说法，其实很多人在GPU编程环境下获得上百倍或更高的代码性能提升的原因并不是GPU编程性能太强大了，而是因为原始的代码太烂，对多核CPU支持都不够好，所以一旦用在了超多核心的GPU上性能就会大幅提升。

　　Gupta称在HPC领域中如果代码对多核CPU优化的足够好，那么在GPU加速环境中代码性能提升也就只有5-10倍了，有些情况下还会更少，甚至只有2倍。不过2倍代码加速也很不错了，因为这样的情况下CPU优化已经没有空间了。

　　NVIDIA早前在宣传GPGPU通用计算时曾经举过例子，PPT上展示的通常都是使用GPU编程性能可以提升数百倍，令人兴奋不已。如今他们自己也公布实情了，这样的情况通常是因为原始的代码对多核优化不足，连CPU性能也不能充分发挥，所以在GPU上表现出更多的性能提升。

　　如果原始的代码已经优化到位，那么在GPU加速环境下性能提升通常只有几倍，甚至只有2倍。不过2倍的提升也算是一个满意的结果了，因为CPU核心数量有限，此时已经没有太多的优化空间了。