NVIDIA：Tesla CUDA是最好的HPC工具！

一种新的计算系统与架构的出现，对于其发展与普及起到最关键作用的，并非是硬件的性能，它只是一个敲门砖，更重要的是整体的生态环境建设，说到底就是应用与开发环境。我们可以举一个典型的例子——HD DVD与BD之间的高清影碟的标准之争。熟悉这场于2008年年初结束的竞争大战的读者都知道，HD DVD标准最终战败的主要原因并不是硬件性能上的差距，相反在与传统DVD业界友好性和性价比方面，HD DVD仍然有较大的优势，虽然在存储容量上有劣势，真正让它走向灭亡的是好莱坞七大制片与发行商中只有两家支持它，另外五家都只采用BD格式发行自己的影片，影片对于光盘来说就是一种应用，所以应用环境是否能健康的发展，对于相应硬件与技术标准、架构的生存是至关重要的。

作为硬件与基础的技术规格，是客户能感兴趣的第一道坎，我们可以通过一些数据对比来看一看，第一代的Tesla（C870/D870/S870）在发布时基本上没有双精度浮点计算能力，因此它对于那些需要高精度的HPC应用来说，基本是不可用的。到了第二代才具备真正可用的双精度浮点计算能力，以C1060为例，双精度浮点计算能力峰值为78GFLOPS，而目前主流服务器用的CPU的双精度浮点运算能力则为48（英特尔Nehalem-EP）至63GFLPOS（AMD的伊斯坦布尔），所以在这方面相对于CPU的优势也并不十分明显，当然如这只是一个纯理论的比较，事实上GPU的优势还体现在强大的并行处理能力上，不过对于用户来讲，这似乎并不能迅速的量化为可比的性能数据。

到了第三代的Fermi，单GPU的双精度浮点运算性能为520GFLOPS，最高可达630GFLPOS，这是什么概念呢？AMD今年将要发布的新一代12核心的马尼-库尔处理器的理论浮点性能峰值为110GFLOPS，若是组成4插槽的MPP或是服务器节点的话，性能为440GFLOPS，也就是说一颗Fermi GPU的浮点性能就已经超过了一台4插槽的马尼-库尔服务器，或者说1000多颗Fermi的GPU就可以达到使用10万多颗CPU的2006年TOP500冠军Blue Gene/L的浮点计算能力（（Blue Gene/L所采用的是一个专门开发的ASIC，集成了两个PowerPC 440的核心，严格的说不算是一个CPU），这种明显的优势肯定能吸引不少客户的眼球。

所以，Fermi的确是非常吸引人，但当客户被吸引来之后，就会发现面向GPU的编程与CPU的编程是有很大差别的。在以前最古老的GPU计算时代，编程人员要将数据“像素化”，因为GPU当时就是用来做像素处理的，所以这就要求应用开发人员也要掌握丰富的图形处理的编程技术，把传统的计算应用映射为像素处理操作，再调用图形处理的API（OpenGL和Direct 3D），让GPU去“模拟”运算。所以，GPU编程就成为了GPU通用计算应用软件开发的一大挑战，也直接危及到GPU计算发展所需要的生态环境的建设，NVIDIA也清楚的看到了这一问题，所以他们推出了统一计算设备架构（CUDA，Compute Unified Device Architecture），它并不是一种编程语言而是一个编程环境/平台。

简单的说，CUDA将GPU计算应用程序的开发难度大大简化了，尽量做到了GPU面向开发人员的透明化。开发人员不需要去了解GPU具体的架构，它被CUDA所屏蔽，开发人员只需要使用CUDA所支持编程语言/API和CUDA所提供的开发库（与主流并行计算应用相关的基本运算库）、运行期环境（应用编程接口和运行期组件）和驱动（支持CUDA的硬件的抽象层）去编写自己的程序然后再调试和优化，即做到主流开发环境与GPU处理架构相隔离，开发人员不再需要额外掌握图形处理编程技术。

Sumit Gupata表示，现在在NVIDIA网站的CUDA Zone上，每周有25000个点击和18万个CUDA 2.3版本的下载。而在2009年11月已经发布了CUDA 3.0Beta版本，计划今年3月将推出正式版本。这些下载的数量能够表明GPU它的应用目前的趋势还是非常火的。

目前基于CUDA的HPC应用开发库与工具软件正在逐步增多，也让CUDA的生态系统渐入佳境

伴随着生态环境的完善与良性发展，Tesla面向主流的HPC领域也将拥有越来越多的机会，其中有不少都是奖金投入较多的领域，包括大学/理论研究、生物科学、政府实验室、国防、地球科学以及金融等

作为自主开发的编程环境，NVIDIA对CUDA是非常看重并且自信的。Sumit Gupata强调，“AMD也有GPU，但仅仅是基于图像处理类的GPU，他们号称愿意用GPU进行计算，也愿意推行架构，但实际什么都不做，基本上也是跟风吧。NVIDIA和AMD的区别在于， NVIDIA在GPU上投入的资金和精力是非常大的，为什么呢？我们首先不仅仅要在硬件上，在软件上也要有投入。这是因为现在对很多消费者来说，他们在使用电脑的时候，更多倾向于视觉的感受，也就是电脑越来越倾向于视觉化了。”

他接着说到，“现在很多的电脑游戏会有真实的图形模拟，大家打游戏的时候，比如用手枪点击一杯水的话，能够模拟出水杯碎了的效果。所以打游戏的人希望越来越多游戏的体验是模拟真实的环境。实际上这样一个游戏模拟真实的程序，它也是高性能计算的应用。”

CUDA 3.0相较以往的版本有了重大的改进，其中支持C++语言和支持Fermi架构是最大的亮点

而为了进一步完善CUDA的生态环境，以帮助自己的硬件平台更受欢迎。NVIDIA除了自己全力加强CUDA本身的能力之外，还联合全球知名的科学算法研究与开发机构、一流的系统厂商来为CUDA添砖加瓦。比如某些著名科学计算软件的CUDA API或插件，还有相关的调试与剖析工具、编译器、开发库等等。

NVIDIA为CUDA打造的并行计算应用开发生态环境

除此之外，NVIDIA还联合业界的力量组建了CUDA咨询与培训体系，全球超过300所大学都有CUDA编程方面的课程，这对于CUDA人才的培养显然极为有利。而在整体解决方案方面，NVIDIA也与著名的平台系统提供商合作，在OEM的基础上，更设立了Tesla首选供应商（TPP，Tesla Preferred Provider）的制度，让这个厂商也具备有帮助客户进行CUDA开发的能力，以更积极有效的推广CUDA+Tesla的HPC系统。