GPU Vs. CPU: 20年后可能不会再提到CPU

让电脑能够看见你我看见的世界？易如反掌。拿起相机拍张照片传到电脑里，或者让你的电脑配上摄像头。不过要让电脑能够理解自己到底看到了什么，那就不是手到擒来的事了。

日前，一群来自哈佛以及麻省理工学院(MIT)共同组成研究团队，正打算用电脑来仿真大脑的功能。他们希望能透过运算，将电脑看见的影像转换成有用的信息，进而让电脑可以辨物、识人、甚至理解一连串的动作所代表的意思。说白了，进一步向人脑靠近。

GPU成仿真大脑视觉辨识核心

为了加快研究速度，研究人员借用分子生物学的筛选技术———例如同时对上千种候选辨识模块进行一连串的实验，淘汰掉不适用的模块，最后保留下最棒的模块。

这过程简单来说就是达尔文和孟德尔总结出来的八个字，“物竞天择，适者生存”。

不过来自研究团队的反馈显示，目前出现另一个难题则是人脑解析信息的速度实在太快，若要用传统电脑实现这一效果，得先花上一大笔钱。而且电脑至少要花上一整年的时间才能运算完毕。

所幸的是，解决难题的方法多少有些歪打正着。随着游戏用的G PU拥有越来越强的运算能力而获得解决，如今，麻省理工学院和哈佛的研究人员正大量运用GPU的运算能力，这种方法不仅省下大笔的经费，更使得运算的时间从一年缩减到一个星期。

GPU的英文全称GraphicProcessingUnit，中文翻译为“图形处理器”。GPU是相对于CPU的一个概念，由于在现代的计算机中，特别是家用系统，游戏的发烧友们对图形的处理变得越来越重要，需要一个专门的图形核心处理器，GPU应运而生。

一直以来，GPU行业的竞争远比CPU的竞争来得激烈。目前通用PC的CPU就只有英特尔和AMD两家大厂。而在GPU方面领先的是 NVIDIA和ATI(已被AMD收购)两家厂商，但能生产中低端产品的还有英特尔、3S等好几家厂商。尽管这些厂商的产品不如NVIDIA和ATI，但在很多应用方面也能满足用户的需要。所以NVIDIA和ATI的处境多少有些高处不胜寒，只有快马加鞭向前发展，才能不被后来者追上。

至于英特尔等CPU厂商为什么没有采用GPU的先进工艺自己投资生产线，是因为把原来的产品生产线一次过淘汰掉，可能连当初投入的资金都难以收回。而GPU厂商只是自己设计，再找其他厂商代工生产，并没有生产线的压力。

正因为如此，NVIDIA和ATI两家大厂可以投入更多的资金在研发上，让GPU技术快速提升，继而让麻省理工和哈佛的研究团队，看到了让电脑实现仿真大脑视觉识辨的可能。

GPU发展迅猛远超CPU

事实上早在2003年，科技界已经看到许多关于利用GPU代替CPU的消息。此后的2005年，麻省理工学院参与到了这项工作之中。该大学的图形研究小组运用阵列函式测试了GPU代替CPU的性能，而测试结果极度惊人。

在当时使用的测试程序中，小组使用了Intel C++编译器来优化超线程和SSE指令，并且以上的运行能够完成16和32位浮点运算。2005年，小组成员们便对几块A TIX800 XT和NVIDIA GeForce 6800G PU进行测试，产生的结果与一台3.4 GHz Pentium IV PC产生的结果进行比较发现，性能非常优秀。

2008年，NVIDIA公司Tesla计算事业部总经理Andy Keane表示，到2010年，采用NVIDIATesla GPU构建的超级计算机，有望进入全球高性能计算机TO P500排行榜的前十位。

他当时谈到，10系列G PU是首批拥有双精度的NVIDIA处理器。随着快速发展，未来G PU的性能一般每年都会翻一番，未来双精度性能将至少比当前的速度快5倍。

除了性能提升，成本、功耗、占地面积也是大规模超级计算机用户所关心的重要因素。

如比利时安特卫普大学原来用的超级计算机有512颗处理器核，成本是530万美元，占用了好几个机柜；而后来换成一台拥有8个G PU的台式系统，性能相当，成本只需7000美元，占地面积也大为减少。

人脑、电脑相互“促进”

据了解，在2008年11月公布的最新一期TOP 500排行榜上，NVIDIA Tesla的最好成绩是第29位。这套名为“TSUBAME”的系统由NEC和SUN公司联合研制，采用了“CPU+GPU”的混合架构，包括3万多颗 AMD Opteron和英特尔Xeon处理器内核，以及170台T eslaS1070 1U服务器，安装在日本东京工业大学，Linpack测试性能是77.48万亿次每秒(TFlops)，理论峰值接近170万亿次每秒。