GPU（图形处理器）计算模型在一个异构计算模型中同时使用了CPU和GPU（图形处理器）。应用程序的顺序部分在CPU上运行，计算密集型部分在GPU（图形处理器）上运行。虽然应用程序使用了GPU（图形处理器）的卓越性能来提升运行性能，但对用户而言，他们所能感知到的将仅仅是运行速度更快的应用程序。

　　应用程序开发人员将需要修改其应用程序中的计算密集型内核，并将其关联到GPU（图形处理器）。应用程序的其它部分将仍然依赖于CPU进行处理。将一项功能关联到GPU（图形处理器）需要重写功能，以在其中支持并行处理，同时添加“C”关键字以在应用程序和GPU（图形处理器）之间往返传输数据。

　　GPU（图形处理器）计算得到了NVIDIA（英伟达）被称作CUDA 架构的GPU（图形处理器）大规模并行架构的支持。CUDA 架构由100多个处理器内核组成，这些内核能够协作运行来处理应用程序中的数据集。

　　Tesla 10系列GPU（图形处理器）是第二代CUDA 架构，包含有专为科学应用程序优化的特性，如IEEE 标准双精度浮点硬件支持、以分布于GPU（图形处理器）中的共享内存形式存在的本地数据高速缓存、以及结合内存访问等。（完）