幾十年來，計算機CPU芯片一直按照摩爾定律飛速發展，每隔十八個月，單位芯片面積上的晶體管數量就增加一倍，性能提高一倍。由于物理極限的限制，單純依靠制造工藝的提升已經無法滿足計算需求，X86傳統計算平臺陷入了技術發展的瓶頸。內存延時長、頻率低導致緩存面積越來越大，邏輯控制越來越復雜。緩存消耗了70%以上的芯片面積，同時也消耗了70%以上的電能，真正有效的運算部件面積比重很小。芯片上的晶體管密度越來越大，使得單位面積上功耗持續增加，散熱問題日益嚴重。
由于CPU的性能提升并不是無止境的，這也就催生出計算技術向多樣化發展，而不僅僅依賴于傳統的計算平臺。當計算技術進一步細化，GPU作為一種獨立的計算單元，以其優異的運算性能脫穎而出，為計算技術的革新帶來了一種新的思路。
GPU計算是指利用圖形卡來進行一般意義上的計算，而不是傳統意義上的圖形繪制。時至今日，GPU已發展成為一種高度并行化、多線程、多核的處理器，具有杰出的計算功率和極高的存儲器帶寬，如圖所示。
圖：CPU和GPU的每秒浮點運算次數和存儲器帶寬
這種新技術并非突破了馮?諾依曼，而是參考CPU中傳統的ALU單元，將眾多的ACL單元集成到一顆芯片內部，形成ALU運算單元陣列，簡化邏輯控制結構，從而滿足計算密集型程序的運行，成為一個獨立的計算加速單元。
CPU和GPU之間浮點功能之所以存在這樣的差異，原因就在于GPU專為計算密集型、高度并行化的計算而設計，上圖顯示的正是這種情況，因而，GPU的設計能使更多晶體管用于數據處理，而非數據緩存和流控制，如圖所示。
圖：GPU中的更多晶體管用于數據處理
GPU計算得到了業界的廣泛支持，NVIDIA、AMD、INTEL等都對芯片市場的微妙變化和GPU計算的技術發展前景都極為關注，并展開了激烈的技術競賽。
作為異構計算領域堅定的支持者和踐行者，曙光公司從國內第一套異構集群開始到HC2000異構計算方案的推出，一直在積極推進國內HPC領域的異構計算加速技術。
GPU計算方案配置選擇，主要考慮以下因素：
1. 計算比例，通常應用程序的執行需要GPU與CPU協同完成，可根據GPU計算部分所占比重，配置節點GPU卡密度;
2. 計算規模，根據不同應用數據規模及計算類型，可以選擇單機單GPU卡、單機多GPU卡和GPU集群應用模式;
3. 數據通信，在GPU集群模式下，可根據應用程序對集群通信帶寬及延遲的需求，選擇高速Infiniband網絡或萬兆網絡;
4. 存儲系統：單節點應用模式下一般數據量比較小，對存儲系統性能要求不高，一般采用本地存儲;集群環境下，應用數據量比較大，一般配置大容量、統一、高速的并行文件系統，另外對一些特殊應用，如石油、天然氣應用，可以在每個GPU計算節點內部配置SSD硬盤，作為分級存儲使用，加速節點內部數據交換;
5. 管理調度，合理選擇GPU集群的作業調度和監控系統，可以提升集群的使用效率，降低維護成本。
