GPU产生的影响

    伊利诺斯大学（UIUC）的研究人员将这项技术应用到生物分子运动模拟，他们把纳米级分子动态分析（NAMD）和可视化分子动态分析（VMD）软件移植到 NVIDIA的GPU上，运用GPU强大的运算处理能力来模拟DNA实时排序状况，以帮助降低基因药物开发的成本。这样的变动不但带来了处理速度100倍乃至240倍的提高，更为重要的是无需将数据依次上传到远端的大型服务器集群，花费数周等待计算处理的结果，而可以将处理软件安装到桌面PC上，随时进行运算处理的工作。有了GPU和相应软件强有力的支持，生物学家们就可以在弹指敲击间解决新的问题。

    UIUC注定不会孤独，麻萨诸塞州综合医院一直致力于医疗成像技术的研究，这能使胸部组织癌症病变的检测变得容易与及时。其实这项技术早在即使几十年前便已提出，然而受限于图像重组所需的运算能力，一直无法运用到实践。 现在运用计算型GPU配以相应的软件，图像的构建能获得100层的增加，在PC上处理时间由原来的5小时降低到现在的5分钟，因而能运用到实际的医疗成像设备中去。

    Evolved Machines公司同样也在运用GPU进行人脑的反向工程研究。此项工程的目的首先在于弄清楚神经线路的运作原理，然后将这些原理运用到机器的制造中，以使新的机器拥有近似的功能。据该公司宣称，GPU的运用使运算处理速度比以往有了100倍的提升，双GPU的单一PC运算速度与配有200核CPU的集群服务器一样快，同时带来了成本和功耗的大幅降低。

    图为NVIDIA Tesla模拟出来的神经中枢网络。


    在金融市场，Hanweck Associates开发了一种实时期货分析引擎——Volera。只需在一台配有三颗GPU的PC上，Volera就能在一秒钟内对150,000种期权进行估价。使用两台这样的系统，通过网络连接协同工作，就能在不到一秒的时间内完成对美国所有的股票期权市场的评估。

    这仅仅只是HPC运用GPU解决大型关键问题的其中一个例子。有了强大的运算处理能力，良好的软件开发工具，基于GPU运算的大环境已经形成。开发者突破了自身研究领域的局限，不断产生对问题的新的解决方法。

    当然，这种运算的变革并不会使传统的基于CPU运算的服务器集群完全淘汰。但是在众多实际运用中，GPU运算会逐渐替代CPU运算，未来CPU运算也许只会存在于实验室的应用。同时，GPU运算的诞生也会促使许多以往因运算能力不足而不可行的新方法的重生。NVIDIA作为GPU领先的开发者，对这种变革做出了巨大的贡献。