NVIDIA：互联网应用加速高性能计算发展

ZDNet至顶网服务器频道 11月08日 新闻消息：

CUDA编程——实现计算两极的编程统一

CUDA编程始终是NVIDIA最重要的一项应用，从2007年开始NVIDIA便开始了在CUDA下的编程推广，数以万亿的人员参与了相关的培训过程。如今，CUDA已经成为了计算机编程中的重要应用，许多高校都可以在本科阶段开设了这门课程。谈到CUDA发展的历程时，NVIDIA中国区PSG高级销售经理谢强先生深有感触的说——从无到有从小到大，我们深刻的感觉到CUDA编程应用开发的推广是多么艰辛。可以说，在编程优化的这个行业来说，任何新的友商加入都需要极大的努力，付出许多的心血，而且编程优化方面不会有免费的午餐。

NVIDIA中国区PSG高级销售经理谢强先生

如今，CUDA编程已经不仅仅局限于应用在高性能计算的Tesla产品中，任何使用NVIDIA芯片的产品都可以实现CUDA编程的应用，比如手机中的Tegra芯片和我们日常使用的GeForce、Quadro芯片。从这个角度来说，NVIDIA真正实现了计算两极的编程统一，从手持设备到高性能计算，任何有NVIDIA芯片的应用都可以通过CUDA编程。

NVIDIA技术与解决方案高级顾问邓培智

与此同时，CUDA还在积极拓展更多方面的应用。NVIDIA技术与解决方案高级顾问邓培智甚至提出了一个应用在龙芯处理器上的案例，通过CUDA编程可以有效抑制龙芯平台上的噪音，达到良好的降噪处理。

混合式的GPU加速模式

目前，随着移动互联网的普及，更多的人使用平板电脑或者手机来浏览网页和娱乐，因此对于计算性能的要求也提出了新的挑战。事实上，NVIDIA一直也注意到了移动互联的市场，并且在这个市场积极开拓。NVIDIA目前基于手机应用的ARM架构Tegra芯片就提供了CPU+GPU的运算模式，能够将任务按照计算的难易程度进行区分，达到更快的应用效果。同时，NVIDIA还在积极拓展更多的应用领域，借着云计算发展的大好趋势，开发出了新一代的Gird产品。

NVIDIA高性能计算开发技术中国区经理王鹏博士

NVIDIA高性能计算开发技术中国区经理王鹏博士表示，Gird是一种全新的计算模式，目前NVIDIA已经将其应用到云游戏当中。它的特点就是能够在后端提供强大的计算能力，目前已经推出了基于云端游戏和远程桌面、图形处理等应用。这样，当用户在使用手机或者平板电脑等移动设备的时候，再也不必为单一产品的性能而担忧，凭借着Gird解决方案就可以与后端的云计算数据中心相连接，彻底摆脱计算瓶颈的束缚。

HPC市场的蛋糕是不是真的变大了

作为异构计算市场的先锋和领导者，NVIDIA如何看待当前的高性能计算市场?最近一年中，随着英特尔的强势插入，高性能计算市场特别是异构计算中出现了新的解决方案，这对于NVIDIA来说究竟是福是祸?高性能计算的蛋糕究竟是扩大了还是被更多的瓜分了呢?

谢强先生通过一组数据解释了上述笔者的疑惑。他谈到——如今在世界各地的超算中心里，使用加速器的系统数量超过60%，而在两年前这个数字只有30%。并且目前的行业用户已经达成公识——必须要使用加速器实现更快的处理速度。在传统意义上说，以前类似公安、互联网和通信行业等关键部门都不会考虑使用加速器，但目前大家已经开始接受这一方式。从实际的用户案例就可以看出，用户已经在转变，蛋糕也在做大。互联网应用，特别是Web2.0的出现，为GPU加速带来了新的发展空间，因为随着诸如音频、视频等应用的大量涌现，需要处理的数据量呈几何倍数攀升，而这一领域正是GPU所擅长的。从这个角度来说，GPU计算已经不仅仅应用在传统的高性能计算当中，更多新兴的市场在等待着我们。

NVIDIA的现状与未来

谈到2013年NVIDIA的市场发展，特别是Tesla在高性能市场的占有率时，谢强欣喜的表示2013年对于NVIDIA来说是蓬勃发展的一年，目前仅在Tesla领域市场的占有率就达到了原有的3倍，这是一项非常骄人的成绩。回顾高性能计算的发展历史，单纯进行高性能计算研发的公司都已经成为了先驱者，而NVIDIA能够有如此良好的发展恰恰是因为提供了统一的算法平台。目前NVIDIA已经提供了8.5亿颗支持CUDA的芯片，包括Tesla、Quadro、GeForce甚至是Tegar。即便是不同的芯片，但是其背后的数学模型和解决方法都是一样，唯一的差别就是编译器的问题。因此从这个角度来说，NVIDIA在最大程度上摊薄了架构更新换代所带来的研发成本，这也是NVIDIA能够立足于市场的重要原因之一。

谈到高性能计算未来的发展，谢强认为互联网应用将是NVIDIA一块重要的阵地。他甚至透露了当前已经有意与NVIDIA合作的几大国产互联网公司的名字，我们熟悉的腾讯、百度都赫然在列。谢强表示：任何互联网的操作归根结底都是在后端数据中心的计算工作，因此越来越多的计算压力就需要GPU加速来化解，这将成为未来NVIDIA发展的重要方向。