第1页：GPU通用计算发展势头迅猛
现在的显卡市场，同质化已经严重到了什么地步呢？不仅仅是板卡厂商之间的显卡性能基本没区别，而且同价位的N卡和A卡在不同游戏中的表现也是难分胜负，让游戏玩家们难以抉择。
于是NVIDIA和AMD的竞争开始逐渐淡化游戏，而强调功能和应用，三屏、3D、PhysX、视频等开始大行其道。不过这些功能都难以量化，随着CUDA和Stream的飞速发展催生了OpenCL和DirectCompute通用计算标准，使得NVIDIA和AMD在另一条道路上展开了新的竞赛——并行计算。
近年来GPU已经在科学研究和超级计算领域取得突破性进展，随着数百万支持CUDA的GPU已经遍布全球计算机，软件开发人员、科学人士和研究人员正在利用CUDA探测到更多更广的领域中，包括图像和视频编辑、计算生物学和计算化学、流体力学模拟、CT图像重组、地震分析、光线追踪以及其它更多。近年来超级计算机的突飞猛进很大程度上也是得益于强大的GPU加盟。
对显卡感兴趣的朋友都知道，通用计算之所以如此热门，根本原因在于显卡核心GPU的多流处理器（相当于数百核心）架构：GPU强大的并行浮点运算能力是仅仅拥有个位数核心的中央处理器CPU无法望其项背的。而通用计算技术可以发挥GPU的长处，让其电脑运算速度飙升，一些应用程序的速度可以提高数倍甚至数十倍，让原来因为运算量巨大而不可完成的任务变得可行。
而在家用、办公电脑上，借助GPU加速的软件也越来越多，这些软件有的可以用来转码，有的可以用来增强图像、视频的画质，有的可以将2D电影转换成3D，有的还能智能归类和编辑照片……
跟以往的GPGPU概念不同的是，CUDA是一个完整的解决方案，包含了API、C编译器等，能够利用显卡核心的片内L1 Cache共享数据，使数据不必经过内存-显存的反复传输，shader之间甚至可以互相通信，对数据的存储也不再约束于以往GPGPU的纹理方式，存取更加灵活，可以充分利用stream out（流输出）特性，最典型的例子就是PhysX物理加速特效。PhysX最早是Aegia公司推出的硬件级物理加速技术，NVIDIA将其收购之后便通过CUDA环境将PhysX软件化，由显卡中的shader单元承担物理加速特效的运算。
对于Stream技术，AMD宣称可让显卡内数百个平行串流核心，为各种一般用途的应用带来加速的效果，打造各种优异的平台，并可大幅提升每瓦性能，而实现这一点的前提就依赖于AMD独特的流处理器单元设计。
GF100的512个CUDA核心都符合IEEE 754-2008浮点算法(Cypress也是如此)和完整的32位整数算法，而后者在过去只是模拟的，事实上仅能计算24-bit整数乘法；同时全面引入的还有积和熔加运算(Fused Multiply-Add/FMA)。此外双精度浮点(FP64)性能大大提升，峰值执行率可以达到单精度浮点(FP32)的1/2，而过去只有1/8，AMD从R600开始到现在的Cypress核心都是1/5，没有做任何变化。
其实业界第一款GPU通用计算软件就是用户科学计算，它就是由斯坦福大学主导的Folding @ Home分布式计算，最早支持ATI显卡，而NVIDIA后来者居上，目前N卡所贡献的运算能力已经超越了所有CPU之和，A卡也不弱！
Folding@home是一个研究蛋白质折叠、误折、聚合及由此引起的相关疾病的分布式计算工程。最开始F@H仅支持CPU，后来加入了对PS3游戏机的支持，但同样是使用内置的CELL处理器做运算。F@H因ATI的加入为GPU计算翻开了新的一页，如今F@H第二代GPU客户端已经能够支持ATI和NVIDIA的全系列DX10 11 GPU
