相信看过《Mission Impossible》(碟中谍)的人一定对该影片的其中一幕印象深刻：阿汤哥的手机能够实时地对周围的人脸进行识别，并判断出这个人是否属于危险人物。这就是海量图片的实时对比和分析的计算的一个非常典型的应用场景，也是GPU加速器大展身手的空间。

【图】《Mission Impossible》(碟中谍)

目前，图形处理器已经从手机、笔记本延伸到了高性能计算机领域，并在高性能计算加速领域有了较大的发展，未来，GPU将有哪些新的应用空间?又将沿着怎样的技术路线走下去?近日，在桂林举办的2013年中国高性能计算年会上，笔者有幸采访到了图形处理器鼻祖NVIDIA公司的几位专家，包括NVIDIA技术与解决方案高级顾问邓培智、高性能计算开发技术中国区经理王鹏博士、NVIDIA中国区PSG高级销售经理谢强。

从科研到工业领域 用户应用软件永远是核心!

过去一年，NVIDIA一直在推动基于GPU的工业软件的应用和开发，目前已经开始慢慢投入使用，而不仅仅是在科研教育方面的应用。据了解，Tesla业务在中国市场利润增长了将近两倍，主要集中在工业领域，包括石油行业、互联网和通讯等。预计明年，在互联网、通讯领域将会有2-3倍的增长。

无论是在科研领域，还是在工业领域，用户的应用软件永远是最核心的，推动GPU的应用最核心的问题也永远是如何让用户的应用软件能够在GPU上运行得更好，无论是OpenACC、CUDA、并行编程，还是优化等等，都是为了帮助用户把应用软件在GPU上跑好、跑快，并进一步解决实际问题。

谢强在采访时谈到，任何并行编程的工作都没有免费的午餐!NVIDIA从07年开始做异构平台开发，第一个中国的CUDA编程班是2008年11月在清华开班，报名的有将近200人，第二年1月又办了第二个班,有将近300人报名。目前为止，将近6年时间的积淀才形成了一个较为良好的生态系统。 

 

游戏市场带来的技术和成本优势

870亿美金的游戏市场给NVIDIA带来的不仅仅是财务方面的支持，另一方面，在GPU研发时，由于游戏的算法和HPC的算法其实是一样的，比如分子成像算法和游戏中的头发模拟算法就是一样的，因此，NVIDIA不需要提供额外的资源来做研发高性能计算的计算部件，因此具有非常大的成本优势。而且对于用户而言，不需要专门去买一个计算卡来做编程，只需要有游戏卡的笔记本就可以进行编程，这也就实现了CUDA everywhere!邓培智表示，这是一个非常良性的商业模式。据介绍，目前NVIDIA已经卖出了8.5亿个可以支持CUDA的芯片。 

 

事实上，传统的高性能计算市场是一个相对比较小众的市场，主要是用于科研、教育等行业。随着高性能计算的不断发展，以及其他领域对于计算性能的要求不断增加，高性能计算也在进入一些新的应用领域，高性能计算与传统领域最大的一个结合点就是——海量数据的处理。在大数据领域，GPU的优势主要还是集中于海量视频和图像的处理。NVIDIA也推出了一条全新的GPU产品线——GRID，专门针对云计算的应用，包括云端的游戏、远程桌面等跟图形相关的计算。

王鹏表示， NVIDIA未来在高性能计算领域将主要关注三个方向：第一是让更多的开发者能够开发GPU上的程序，开发者可以使用不同的语言进行开发，并且未来将会针对不同的处理器，比如ARM、POWER等，未来可以再IBM的POWER中看到GPU;第二是提升每瓦性能;第三是未来计算平台的研究，据透露，NVIDIA 2018年HPC计算架构——Echelon System可能会把CPU和GPU集成在一个芯片上，实现更大的处理能力。 

 

编者按：目前，在加速器市场，最重要的不是产品的性能，而是能否真正推动用户的应用。对加速器厂商而言，问题的关键就在于能否联合ISV、应用开发者，以及最终用户，去共同推动原有应用的移植或者是新的应用开发，营造一个良好的生态环境。相信NVIDIA及其小伙伴的努力会让GPU在高性能计算应用方面有更大的突破！