CUDA编程：Tesla的最大优势

    不过，也有业内人士告诉记者，IBM的走鹃虽然实现了千万亿次性能，但却非常难用，主要是多核编程非常困难，特别是在涉及到了几万个核心的超大规模，而且又是面对“X86CPU+CELL”的异构计算环境。而在Andy Keane看来，NVIDIA的一大优势就是CUDA架构。“CUDA并行架构支持OpenCL、DX11等API，支持C/C++、FORTRAN等通用语言。由于该架构支持工业标准的C语言编程环境，使得开发人员可以非常方便、快捷地利用到GPU的并行计算性能。而且关键的一点是，对于我们不同代的GPU产品，软件编写一次后就不需要修改。”

     对于中国的超级计算机用户来说，在获取软件时，要么购买商业软件，要么自己开发，或者在商业软件方案的基础上进行二次开发。那么，CUDA能在多大程度上帮到他们呢？

    Andy谈到，“我们与打算发布超级计算软件的独立软件供应商都进行了积极的开发工作。分子动力学领域的《NAMD/VMD》以及《GROMACS》是为群集GPU发布的两个应用程序例子。在美国的超级计算展会上，我们还展示了许多用于石油天然气领域地震处理、量子化学以及Ansys有限元设计的应用程序。 对于想要自己设计和开发应用程序的开发人员，用于CUDA架构的并行计算开发C语言编译器可从NVIDIA网站上免费下载。Portland Group的Fortran等其它编译器也正在陆续推出。有很多来自NVIDIA以及其它来源的程序库，这些库使应用程序更易于开发。针对这些不懂C语言或Fortran的开发人员，Accelereyes以及Wolfram（Mathematica）等公司还提供了GPU加速版的软件。因此你可以看到，利用GPU计算优势的方式有许多种。 ”

    据介绍，迄今为止，NVIDIA已经在全球卖出了1亿颗以上支持CUDA的GPU产品，CUDA 开发人员超过了2.5万人，全世界有50多所大学开设了CUDA课程，包括中国科学院、清华大学等，GPU计算的生态系统已经形成。

    “我个人非常有信心，Tesla会在2010年进入全球高性能计算机TOP500的前十位。”他还透露说，除了日本东京工业大学，美国国家超级运算应用中心（NCSA）以及法国原子能委员会（CEA）两家著名的超级计算中心，也在研制基于GPU的计算机，预计将跻身下一届世界五百强榜单。