深究计算机GPU的发展与局限
GPU是显示卡的“心脏”，也就相当于CPU在电脑中的作用，它决定了该显卡的档次和大部分性能，同时也是2D显示卡和3D显示卡的区别依据。下面yjbys小编就来和大家谈谈从软件算法生态看GPU的发展与局限。想了解更多相关资讯请持续关注我们应届毕业生培训网。
GPU 作为一种协处理器，传统用途主要是处理图像类并行计算任务;
计算机系统面对的计算任务有着复杂而不同的性能要求，当CPU 无法满足特定处理任务时，则需要一个针对性的协处理器辅助计算。GPU 就是针对图像计算高并行度，高吞吐量，容忍高延迟而定制的并行处理器。
人工智能加速硬件技术路线尚未确定，GPU 加速受多重挑战;
在人工智能技术发展早期，GPU 作为一种现成的`并行计算加速芯片被使用在多个项目之中，如汽车的自动驾驶，图像识别算法等。
但GPU 未必为人工智能加速硬件的终极答案。早在2014 年就有研究表明使用FPGA(现场可编程逻辑门阵列)与GPU 在加速图像识别类任务能效比为7：2;2016 年5 月末谷歌披露其TPU(Tensor Processing Unit)专用人工智能加速芯片性能相比之前解决方案高出一个数量级。TPU 已秘密使用在谷歌诸多商业项目中超过一年，并参加了与李世石的世纪人机围棋大战。谷歌专用人工智能芯片实用化超出市场的认知和预期;
芯片上大规模并行计算优化可分为两个主要问题：计算单元优化和片上网络优化。GPU 限于最初设计目标，在两个方向上均不能完美匹配人工智能主流算法。未来随着人工智能技术大规模商用化，从产业链过去发展的历史类比，专用人工智能加速协处理器将对GPU 这类过渡方案构成挑战。
GPU 是VR 显示性能的保障，VR 是未来GPU 市场的支撑之一;
VR 对图形计算性能要求超过现有大众级显卡水平，未来VR 设备市场将成为GPU 市场增长的支撑之一。重度VR 设备主要替换现有的游戏主机和部分客厅高清电视市场，2015 年两者合计最大可替换规模6000 万台。考虑到GPU 在游戏主机领域是替换升级而非新增市场，且游戏主机消费人群与高清电视消费人群有一定重合，我们预期未来高性能GPU 市场空间在游戏主机与游戏主机+高清电视市场之间的某一个数字。
GPU 在云计算/大数据等领域也有较好的应用前景;
GPU 的并行计算能力适合在除图形计算以外的多种特定计算场景中，云计算提供商如亚马逊将GPU 嵌入云计算服务EC2 中提供给用户。大数据基础开源软件架构Hadoop 的部分组件适合使用GPU 加速;Nvidia 积极推广云+GPU+游戏模式拓展新市场。NV 产品线中供给数据中心的业务虽然体量依然与游戏用GPU 相比太小，但是还是可以有积极期待。
【深究计算机GPU的发展与局限】相关文章：