引领行业发展 NVIDIA谈GPU与高性能计算

CUDA编程的应用与优势

GPGPU的快速发展，一方面是由于硬件配置的强大，但更多还是得益于CUDA编程的便捷与 高效。目前CUDA在全球范围内的62个国家、近630所大学都有相关的合作, 并且有超过8000个开发机构、超过150万次的软件下载率。以最新的Tesla K20X/K20芯片为例，包括橡树岭国家实验室、瑞士国家超级计算中心以及中国上海交通大学等31个科研机构和大学都采用了这款世界最快的产品，这也帮 助他们在ANSYS Fluent (计算流体动力学)、MSC Nastran (结构力学)和CHARMM (生命科学)等多个关键的科研领域获得了突破。

现场，笔者就CUDA产品的编程易用性问题与Sumit Gupta先生进行了交流。对于异构计算的应用来说，编程是至关重要的工作，而是否易于编程则直接关系到了用户的应用能否正常运行。Sumit Gupta先生通过一个实例详细而直观的解释了CUDA编程的优势与便捷性。

Sumit Gupta先生谈到，如果按照标准的C语言编程，一个简单的计算案例需要进行一步步的顺序计算，会需要大量的时间。而在通过CUDA编程之后，只需要加入 几个简单的关键性语句，就可以实现快速并行计算，大大缩减计算时间，提升效率。总结起来，CUDA编程只是基于原有的C、C++等语言进行编译，并不需要 改变语言本身，具备了上手简单、操作便捷等优势。

关于Tesla K20X/K20的其他问题

记得在 Fermi时代，NVIDIA曾在平衡产品性能与良品率时有过困扰，那么对于新一代的Kepler芯片来说，是否还会有这样的困扰呢?Sumit Gupta先生表示之前Fermi的问题的确非常棘手，当时NVIDIA只能保证高端的Tesla供货。但目前Kepler芯片目前产能充足，一次性供应 Titan多达18000颗芯片就很能说明问题。而且Kepler经过了在GeForce产品中的测试，良品率非常高，目前在Tesla供货方面毫无压 力。

笔者与Sumit Gupta先生合影

谈 到CUDA普及化教育的问题，NVIDIA表示长期以来一直与国内外许多大学保持着良好的合作关系，从师资力量的培养和学员的教育方面都提供了大力的支 持。就国内来说，所有开设并行课程的高校也都提供了CUDA课程，而且在今年9月NVIDIA也与浪潮集团联合发布了“GPU卓越人才计划”，打造中国 ICCE(Inspur NVIDIA CUDA CERTIFIED ENGINEER)技术应用工程师认证第一品牌，从而进一步推动中国GPU应用的发展。

如今，谈到高性能计算或者超级计算机，已经不仅仅是 单纯的CPU计算，因为随着计算性能和应用需求的不断发展，任何单纯的CPU计算都被证明是不可行的，传统意义上依靠大量CPU计算节点和大规模供电的时 代已经是一去不复返了。正是NVIDIA对于GPGPU的推广，让行业迅速进入到了异构计算的时代，从而不再仅仅依靠CPU提供所有的计算能力。

将 运算需求按照不同的类型进行划分，为每一种处理器选择最佳的计算内容，这就是异构计算的魅力。异构计算已经成为了行业发展的大势所趋，NVIDIA在推动 行业发展和促进人才培养的方向上功不可没。未来，NVIDIA还将继续拓展异构计算业务，争取将高性能计算，特别是国内的高性能计算应用推向普及。