CUDA-Z性能测试总结

● CUDA-Z理论性能测试总结

    今天我们和所有关注GPU发展的用户一道体会了CUDA-Z软件的界面、硬件架构和使用，同时在测试部分我们列出了NVIDIA近4年间，具备通用计算能力的GPU产品性能。

    在性能测试中，我们不强调单个数据对产品的影响，而是使用了两种方法让大家对架构更替带来的底层性能提升更加明确。首先是推算了1个流处理器1MHz性能，这个结果可以有效避免GPU运算单元规模堆砌带来的性能提升。其次是测试了性能衰减，这个结果可以有效反映运算单元周边资源的充裕度变化。

NVIDIA和AMD两家公司都意识到了通用计算的重要性

    值得注意的是今天我们测试的全部为底层运算单元性能，而非GPU在实际的科学运算中表现出来的性能。也就是说今天的测试偏重存储资源对运算器效率的影响，而忽略了运算器组织结构对全局速度的影响。

    从测试结果中，各位读者可以看到这样一条主线，那就是NVIDIA支持通用计算的GPU运算精度不断提升，高精度下的性能衰减不断下降。虽然在这条发展道路上有不少坎坷和曲折，但是这样的发展方向可以保证GPU适应更多计算环境，基于GPU通用计算的软件也会不断增加。

    在以后的通用计算测试中，我们准备逐渐开始测试一些经典的通用计算项目，如基于GROMACS分子动力学引擎的Folding@home项目等，这些项目能够检测到GPU在复杂运算环境下实际能力。

数不清的应用和测试在等待我们挖掘

    从下周开始，中关村在线显卡频道将持续推出一些大家看得见用得上的显卡通用计算程序，比如让你的标清视频在播放时变为高清规格；网页打开更为流畅，Flash动画占用更少CPU资源；更快捷地处理视频与照片；图形画质效果与游戏AI不断提升；甚至包括用GPU暴力破解密码等等。

    不要怀疑自己的眼睛，一个本来面向图形世界设计的GPU，经过十多年演化已经变成了一颗并行计算处理器。它能够做的工作，正在迅速膨胀，越来越多的软件将基于GPU通用计算编程。在这个过程中用户能得到的，将是越来越丰富的使用体验和更多种多样的产品选择。