性能与功耗的问题

    不过，记者也了解到，目前高性能计算用户大都需要双精度计算，Tesla有限的双精度性能使其应用领域受到了限制。Andy Keane告诉记者，NVIDIA的GPU向双精度方向发展也是这两年的时间，在2006年时还没有双精度单元，但到2008年我们已经把双精度性能做到了84 GFlops。

    他谈到，当前10系列GPU是首批拥有双精度的NVIDIA处理器。过去这种性能曾作为GPU的一个模块添加在GPU当中。而在这一代产品中，NVIDIA为每组八个单精度处理器加入了一个双精度单元。随着快速发展，未来的GPU将拥有更多双精度单元。由于GPU的性能一般每年都会翻一番，未来双精度性能将至少比当前的速度快5倍。

    除了性能提升，成本、功耗、占地面积也是大规模超级计算机用户所关心的重要因素。目前，NVIDIA的GPU桌面高性能计算机在美国麻省理工学院、哈佛大学、伊利诺伊大学、英国剑桥大学、德国布伦瑞克里大学以及韩国延世大学的使用也证明了这些价值。如比利时安特卫普大学原来用的超级计算机有512颗处理器核，成本是530万美元，占用了好几个机柜；而后来换成一台拥有8个GPU的台式系统，性能相当，成本只有7000美元，占地面积也大为减少。

    另外值得一提的是，通过混合架构来提升性能，降低功耗的做法在IBM的“走鹃”超级计算机中已经得到较好的验证。比如同样是一千万亿次的计算性能，IBM“走鹃”的系统功耗只有2483.47千瓦，而Cray “美洲豹”却使用了6950.6千瓦。一个重要的原因就在于IBM“走鹃”采用了“Opetron+CELL”的混合结构：皓龙处理器负责标准的运算处理如文件系统的I/O，而PowerXCell 芯片主要加速数学和CPU密集型运算。从性能上看，正是这些CELL处理器承担了大多数计算重任——6000多个Opteron处理器仅贡献了44万亿次每秒（teraflops）的性能，而12000多颗CELL芯片贡献了1332万亿次峰值性能，使得功耗大幅降低。

    而NVIDIA的GPGPU计算思路可谓有异曲同工之妙。Andy Keane告诉记者，在NVIDIA的“CPU+GPU”混合系统中，CPU负责执行顺序型任务，如操作系统和数据库，GPU则主要承担并行计算任务。“Tesla可以节省100倍的成本和100倍的功耗。”