第一章：GPU工作原理与并行计算

    ● 第一章：GPU工作原理与并行计算

    10年前我们所有人都认为显卡服务于制图、动画、游戏等电子娱乐领域，这没有错。因为GPU（Graphic Processing Unit 图形处理器）发明的目的就是为了应对繁杂的3D图像处理。GPU的工作通俗的来说就是完成3D图形的生成，将图形映射到相应的像素点上，对每个像素进行计算确定最终颜色并完成输出。但是谁都没有想到10年后的今天，GPU的内部架构和应用范围已经发生了翻天覆地的变化。

    随着GPU的可编程性不断增强，可编程浮点单元已经成为GPU内部的主要运算力量，并且调用越来越方便，编程门槛不断降低。GPU的应用能力已经远远超出了图形渲染任务，利用GPU完成通用计算的研究逐渐活跃起来，将GPU用于图形渲染以外领域的计算成为GPGPU（General Purpose computing on graphics processing units，基于GPU的通用计算）。

    以前的服务器或者超级计算机都要拆除显卡这个多余的单元以减少发热和功耗，但是GPU通用计算时代的来临将板载GPU的显卡变为超级计算机不可或缺的加速部件。其实首款专门作流处理/并行计算的GPU产品并不是现在炒的火热的NVIDIA的Tesla产品，而是ATI的Fire Stream产品。早在2006年，ATI就发布了基于R580核心的流处理加速卡，48个像素渲染单元成为流处理器的雏形。

    R580核心相对于它之前的R520核心最明显的差异就是使用了20%的晶体管增量换来了200%的浮点吞吐量提升，这在当时绝对是一种创举。这种思路的提出是为了适应当时游戏编程环境越来越倚重渲染单元（Pixel Shader）运算，而这种思路的结果除了让ATI在DirectX 9.0时代末期赢得了性能王座之外，还造就了历史上第一款用于图形计算之外的Fire Stream产品。

高性能并行计算发展迅速

    上世纪60年代初期，大型主机（Mainframe）的问世标志着并行计算机诞生，随后我们看到计算机体系越来越成熟。高性能计算机甚至体现了一个国家在高科技领域的发言权，其经济发展速度和结构也与高性能计算机的计算能力息息相关。同时随着个人电脑计算能力的增长缓慢和计算需求的提升，云计算似乎成为目前炙手可热的话题。

    放眼整个高性能并行计算领域，业界正在为X86架构CPU性能提升缓慢而感到担忧，特别是目前X86架构频率提升不断遇到障碍，并行度受制于传统CISC架构难以获得飞跃。超级计算机只能通过堆砌节点数量还换取性能提升吗？有没有一种性价比性耗比更高的解决方案？也许让每台PC机内置的GPU来处理这些并行数据再合适不过了。

    在本章我们将分析GPU工作原理和历史沿革，并告诉读者这种芯片结构为什么能够适应大规模并行计算。同时我们在本章对目前业界所关注的高性能并行计算和云计算也做了简短分析。