NVIDIA：Tesla CUDA是最好的HPC工具！

我们如果仔细观察NVIDIA的Tesla的应该环境，只有两个：Windows与Linux（某些版本），均是在x86环境下。而在HPC领域还有一些虽然数量不多，但也实力超强的角色，比如IBM的POWER家族，基本上是TOP500前10名的常客，那么NVIDIA是否有可能为x86系统提供Tesla的支持呢？

“No，Only x86！”Sumit Gupata很坚定的回答，“x86是HPC系统平台的主流，我们也将紧随x86平台的发展，IBM的POWER的确很厉害，IBM也是一家令人敬畏的HPC厂商，但我们将帮助x86来对抗他们的POWER系统。”说到此，还真能让人有一种同仇敌忾的感觉，虽然NVIDIA与这些x86处理器厂商也存在着竞争关系。

除了传统的科学计算，Sumit Gupata认为GPU计算的应用领域正在不断的扩展，包括我们所熟悉的一些应该均可以从GPU上获得加速。而CPU的作用则在逐渐缩小，尤其是在Fermi推出之后。

“Fermi出现之后，那些以前无法转移的应用也能在GPU上执行了。人们通常习惯把它叫做GPU加速器，而在一些学术界，人们则把Fermi叫做CPU的减速器。什么概念呢？在GPU上运行一些非常核心的重要应用程序，但是在CPU上运行一些IO或者非核心的应用程序，另外在使用性上，GPU也可以支持C++等程序的编译器。CUDA是第一个在GPU上的多功能操作的编程架构，这意味着CPU经常执行一些小的工作或者小的任务，都可以在GPU上同时并行操作或者同时操作。”Sumit Gupata解释到，并接着举例说明。

“我们就拿Google作为例子介绍一下CPU、GPU的优势和劣势在哪儿。首先，你在搜索的时候输入一个东西，搜索引擎所发生的反应是基于IO的顺序计算反应，这就是CPU在起主要作用。但是当Google出现一个搜索目录的时候，即每一个具体网站把它信息拿出来成为一个目录页放起来的时候，在这个步骤中，这种数据挖掘方面是GPU所擅长的。”我们可以把它理解为对大量的离散数据的处理，而这种离散的不相关的数据处理的确是GPU的优势所在。

“再举另外一个例子，比如你用支付宝或者用其他的支付系统来在线支付的时候，输入你的信用卡号码，你点击确认之后，系统就会告诉你说信用卡已经接收了。但是这整个时间也就是很短很短的时间，大概只有亿分之一秒的时间，这么短的时间里，系统要进行防欺诈的检测。所谓的防欺诈检测就是根据你输入信用卡的号码进行一个对证，但现在人们发明了另外一种方法，就是有进一步防欺诈的检测，比如说你的消费模式一直是花了1000，又花了1000，但是这次一下就花了5000，之前这些记录在你的系统中都没有出现的，出现了异常就说明有问题了。所以消费模式发生变化的时候，也可以在亿分之一秒的时间里面做这样的检测。而且不要忘了，Google或者什么样的支付宝也好，有百万的用户同时使用，时间又这么短，所以运算的能力要求是非常高的。”因此，Sumit Gupata认为随着这些所谓的日常应用的巨量累积，需要HPC的领域也就越来越多，“你可以看到，高性能运算的应用需求是无所不在，刚才提到两个例子就证明了这一点。再举个例子，微软的Word文档的编辑可能用不到GPU，但它的Excel表格，如果涉及到非常复杂的表格计算的时候，就用到GPU了。”

至此，我们可以总结一下，随着GPU编程越来越向主流标准靠拢，也将使其在那些需要大规模的离散数据处理的应用中大显身手，这反过来也将对GPU计算的普及产生更大的推动力。比如，现在很火热的云计算，GPU也可以参与进来专门处理3D应用，它就是RealityServer。

以上两个均是RealityServer的云3D演示

有关RealityServer云3D技术，笔者早前已有专文介绍，不过，并没有见到现场的展示。这次Sumit Gupata很有兴致的让我见识了一下什么是云3D。他用自己的笔记本电脑通过无线网络登录到RealityServer的Demo网站，选择相应的3D模型进行了即时渲染的演示，比如对于人物模型，你可以选择相应的局部进行特写展示，而在F16模型中，可以选择不同的视角与背景。笔者大概计算了一下，最复杂的光线追踪从点击开始到最后呈现渲染结果也不过30秒大左右，这对于那些需要这种向客户进行实时演示以帮助客户了解自己产品的企业（家装、汽车、家具）有很大好处，相比于死板而单调的图片或Flash展示，这种3D渲染的Demo则有更强的感染力。另外，对于一些小型的游戏厂商，也可以借助这样的云来帮助自己设计3D游戏中的造型。

彭博新闻社所做的债券计价系统的成本核算

另一个例子则可以再次证明GPU计算所带来的成本优势。Sumit Gupata以彭博新闻社所部署的债券计价系统举例说到，“彭博想用这个程序做他的股价或者债券的计价。彭博是一家财讯服务公司，他为很多银行提供债券的计算。如果他们要想做这样的债券计价模型或者机制的话，首先要建立这样一个系统，而且费用非常高，是400万美元。但是他们不能说把这个成本转移到他的客户身上，让他们来付钱，因为太贵了。但你要是使用GPU之后，你的成本也下来了，而且整个规模和体积也有所下降。当然，这会导致一些人的抱怨，因为所采用的分析软件肯定要做基于CUDA的二次开发，以适用于GPU计算。但是通过这样的一个设计之后，你每年仅仅电耗就能省约120万美元，用这些钱你雇7到10个工程师都可以了，你可以把所有的应用在GPU上进行应用。节能是非常重要的，你要是访问一下任何一家拥有超级计算机的客户的话，对他们来说，电耗是最大的问题。”