芯片传奇—历史创造GPU和GPU续写的历史

　　GPU所有计算均使用浮点算法，而且目前还没有位或整数运算指令。此外，由于GPU专为图像处理设计，因此存储系统实际上是一个二维的分段存储空间，包括一个区段号（从中读取图像）和二维地址（图像中的X、Y坐标）。此外，没有任何间接写指令。输出写地址由光栅处理器确定，而且不能由程序改变。这对于自然分布在存储器之中的算法而言是极大的挑战。

　　尽管有上述约束，但是GPU还是可以有效地执行多种运算，从线性代数和信号处理到数值仿真。虽然概念简单，但新用户在使用GPU计算时还是会感到迷惑，因为GPU需要专有的图形知识。这种情况下，一些软件工具可以提供帮助。两种高级描影语言CG和HLSL能够让用户编写类似C的代码，随后编译成碎片程序汇编语言。

　　在PC技术领域，CPU和GPU始终是相辅相成，在二者已经发展到出现新的瓶颈时，结合也许是明智的解决方案，因此，关于整合CPU和GPU的方案就一直被人们所津津乐道。在刚刚过去的2007年，NVIDIA率先引入了Tesla通用GPU计算架构，最终目的是将CPU和GPU合二为一，然而NVIDIA并没有CPU的研发历史，在整合的道路上遇到了重重困难。

　　如果能够发挥GPU的性能潜力，让它协助CPU处理复杂的任务，比如CPU负责一般任务计算，而GPU则负责专门浮点计算，这样就可以解决未来CPU发展的性能瓶颈。为此，通用“CPU-GPU”计算构架被一致看好，但实现二者的整合有两个途径：CPU整合GPU，或GPU集成CPU。就目前的情况来看，尽管PCI-E总线的带宽虽高，但始终未能满足CPU与GPU之间频繁的数据交换 工作 ，加上GPU受PCI-E总线的限制，GPU集成CPU还不够成熟，CPU整合GPU才是最终出路，由于CPU通用处理器的设计，令它得以应付日常生活形形色色的工作，所以它与GPU的关系是并存的。

　　尽管CPU整合GPU成为未来发展趋势，但至少可以肯定，在2009之前，对应产品不会上市，此外，CPU与GPU整合看起来容易，但实际遇到的问题还很多，比如现有主流GPU内建的晶体管目数目达到7亿之多，比CPU还要复杂，这意味着CPU还难以集成高端GPU内核。就算以后能集成高端的GPU，但GPU的发热量比CPU大许多，也是一个亟待解决的问题。