Folding@home——硬件玩家的福音
Folding@home称得上是网格分布式计算与GPU通用计算的完美结合。特别是在这里，你可以下载GPU专用高性能客户端，尽情发挥显卡的通用计算作用，看着GPU完成一个工作单位（WU）只需要几个小时，而CPU需要几天，一定是一件特别兴奋的事。
众多小鱼的力量足以超过任何一条大鱼
这张图片形象地概括了分布式运算的原理：众多小鱼的力量足以超过任何一条大鱼，计算机就是最典型的例子。我们每个参与者都是小鱼，但任何人不要低估了小鱼的力量。
下面让我们简单了解这几种运算概念。
分布式网格运算：
《福布斯》杂志预测：信息技术的下一波大浪潮将造就2005～2020年十五年的黄金时代。到2020年，由此产生的互联网将成长为一个20万亿美元产值的大工业。这一波的本质特征，就是万维网升华为网格。
网格运算是伴随着互联网而迅速发展起来的
网格运算是伴随着互联网而迅速发展起来的，专门针对复杂科学计算的新型计算模式。它把分散在不同地理位置的计算机组织成一个“虚拟超级计算机”，其中每一台参与运算的计算机就是一个“节点”，整个运算网络就是网格。
分布式计算是近年提出的一种新的计算方式。所谓分布式计算就是在两个或多个软件互相共享信息，这些软件既可以在同一台计算机上运行，也可以在通过网络连接起来的多台计算机上运行。实际上，网格计算就是分布式计算的一种。
如果我们说某项工作是分布式的，那么，参与这项工作的一定不只是一台计算机，而是一个计算机网络，显然这种“蚂蚁搬山”的方式将具有很强的数据处理能力。来自NVIDIA官方的科学测算告诉我们：即使全球NVIDIA CUDA显卡用户中只有1％参与到Folding@home项目中来，也能让这一项目迅速成为全球最强大的高性能计算系统，处理能力可达60-80PFLops。据称，GeForce GTX 200显卡可以在一天内模拟超过650纳秒的蛋白质折叠，而四核心处理器则不过4纳秒。这就是说，GeForce GTX 200在这方面的性能是四核心处理器的160多倍。
通用计算：
这里的通用计算特别指GPU通用计算，它可以将GPU强大的浮点运算能力通用到很多项目中，在很多地方，GPU通用计算被称作GPGPU。GPGPU全称是General Purpose GPU，即通用计算图形处理单元的意思。GPGPU着重于利用GPU的可编程性，让GPU去实现处理3D图形以外的计算应用。在已经发表的众多论文中，GPU已经能够实现音频处理、有限元分析、流体模拟等众多应用。
自从GeForce 3拉开GPU可编程序幕之后，所有显卡厂商都开始在GPU的可编程性能上苦下功夫。到了DirectX 9时代，微软定义的Shader已经赋予了程序员极大的灵活性，程序员需要实现的多数图形效果，都能通过编写Shader实现。所谓的Shader实际上就是一段段专门为GPU编写的代码，用于实现各种特定的图形操作。如果将Shader替换成其他可执行的程序，显卡是否也能极大地加速这些程序的运行呢？一颗主频为3GHz的Core2 Duo处理器的理论浮点计算速度为48GFLOPs/s，而GeForce 8800GTX的计算能力则达到惊人的346GFLOPs/s，最新的AMD HD4850凭借800个流处理器的规模优势，能达到1TFLOPs/s。与CPU相比，GPU在浮点运算上的优势非常明显！
在2003年SIGGRAPH大会上，通用计算浮出水面并引起所有人的关注。随着GPU编程环境逐步优化和GPU结构演变，越来越多的任务可以通过GPU来完成。特别是一些高密度的科学运算，CPU已经严重体力不支，而新兴的GPU运算则带来的巨大的性能提升。
AMD在folding@home方面的表现比NVIDIA更早。在2006年，ATI的X1000系列表现出了相当惊人的浮点运算能力，并拥有良好的GPGPU架构。ATI在2006年8月宣布即将联手斯坦福大学在其Folding@Home项目中提供对ATI Radeon X1900 GPU的支持。而事情在目前发生了巨大的改变，CUDA的提出，让AMD感觉到了前所未有的压力。因为这意味着对手已经在新领域提出了新架构，而不是简单的性能超越。
