关于 GPGPU 的消息
AMD缩减RDNA 4阵容或与未来产能分配有关，以换取FPGA和GPGPU的产量提升
此前有报道称，AMD基于RDNA 4架构打造的Navi 4x系列GPU不会有高端型号，也就是不会有类似搭载Navi 21/31这样级别的Radeon RX 8000系列显卡出现，更像是过去的RDNA或Polaris架构。随后传出RDNA 4架构在开发过程中遭遇大量“随机问题”，促使AMD决定取消Navi 41及Navi 42，仅保留Navi 43和Navi 44两款芯片，同时投入更多资源加快RDNA 5架构的开发速度。
天数智芯发布全自研7nm芯片BI及产品卡，实现国产高性能GPGPU的历史突破
近日，上海天数智芯半导体有限公司（简称天数智芯）发布了全自研高性能云端7纳米芯片BI及产品卡，实现国产高性能GPGPU历史上的突破。
超能课堂(189)：通用计算GPGPU技术发展十余年，现在它开花结果
GPGPU，简称通用计算技术，是一种让显卡来参与本来CPU计算任务的技术，它从提出到现在不过十余年时间，但是发展堪称神速，本期超能课堂就带大家来了解一下这项技术，并寻找在我们身边GPGPU的应用。
PS4架构设计师：游戏开发商需要3-4年才能挖掘出PS4潜能
索尼的PS4主机号称浮点性能可达1.8TFLOPS，超过了目前HD 7850等级的高端显卡，而且PS4使用的是8GB GDDR5统一内存，架构设计上要比PC还要领先。拥有了这样的硬件基础，PS4架构设计师Mark Cerny承诺PS4上会有革命性的游戏，但是这需要时间，游戏开发商需要3-4年的时间才能充分发挥PS4的全部潜能。
NVIDIA：GPGPU的引入将改变移动设备市场的游戏规则
大家应该都知道了NVIDIA今年要推出的Tegra 4处理器整合的GPU还是基于N年前的NV4x架构，同一渲染架构要等到明年的Tegra 5才能引入，不过NVIDIA表示一旦把Kepler和Maxwell这种支持通用计算的GPU引入的话，移动设备市场将引起一场革命，GPGPU的性能将改变现状移动通信市场的游戏规则。
ARM：移动GPU通用计算不仅降低成本，还可提升性能
ARM处理器给人的感觉是功耗低、核心面积小，但是ARM处理器的结构也不是那么简单，往往需要各种应用处理器与之配合，比如通用处理器（CPU核心）、GPU核心、图像处理核心以及各种控制器等等。作为ARM架构的主导者，ARM对这种设计的不足也是心知肚明的，未来必须要加强GPGPU的通用计算能力。
聪明的“选择”，GTX Titan通用计算性能及其影响
从前面的分析我们已经知道GK110架构更多的是为加速计算考虑的，因此大幅加强了双精度浮点运算性能，而GTX Titan是面向游戏市场的，用不到这么多的双精度性能，而且还会额外增加不必要的功耗，因此在驱动面板中NVIDIA留了一手，GTX Titan显卡的1/3双精度性能默认是关闭的。
你的密码不够安全，GPU加速的暴力破解速度惊人
使用显卡进行通用计算加速已经不是新闻了，有个小软件就支持GPU加速暴力破解RAR文档密码，不过这些小玩意在专业的密码安全公司手中算不了什么了，在月初的2012密码学会议上，来自Stricture商业咨询公司的创始人兼CEO Jeremi Gosney公布了他们用一组GPU集群暴力破解密码的过程。
NVIDIA:不是GPU加速太强而是原始代码太烂
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。
营造GPGPU技术生态环境，AMD AppZone正式上线
日前AMD正式上线AppZone，一个类似于苹果App Store或者是Google Play的应用商城，当中整合了大量支持AMD GPU加速或者是APU加速的应用软件。同步登场的还有一个由AMD与BlueStacks联手开发的AppZone Player软件，这个程序将允许玩家利用AMD的GPGPU技术运行Android平台软件。
NVIDIA：DirectX 11对显卡销量提升并无帮助
NVIDIA在日前的一次财政分析会议上表示，新一代DirectX 11应用程序接口不会对显卡的销量起到促进作用，而GPGPU显卡通用计算能力、NV独有的工具和基于这些技术的相关软件才是显卡销售的推动力。
Bill DallyCUDA：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)，
