软件好，才是真的好
不过，尽管GPU硬件发展如日中天，广受赞誉，但软件应用仍然面临很大挑战。虽然Nvidia公司这几年来也在不断的发展其CUDA软件开发与应用生态系统，但GPU编程难、标准不统一、程序可移植性差仍然让许多用户望而生畏。
对此，谢强谈到，Nvidia在打造围绕GPU并行计算的开发人员生态系统，包括多种数学库、调优工具、GPU编译器、并行化编译工具、各种工具包、CUDA咨询与培训以及众多的GPU计算解决方案。这个生态系统正在不断扩大，CUDA的魅力正是在于提供了更完整的系列工具。
比如，在大家普遍关心的编程工具方面，CUDA已经可以支持C/C++、Fortran、OpenCL、Java、Python、DirectCompute等。在数学库方面，除MATLAB、Mathematica之外，更多的厂家已经开始把核心数学库移植到CUDA上来，开发程序员面对的是一个完善的开发环境和工具包，可以做各种应用的开发与调优。同时，为了支持其他CPU、GPU硬件平台，CUDA C/C++也开始提供多种调优工具，让开发人员将在CUDA平台上写的程序进行转换，从而运行在多核CPU和AMD的GPU上面。尽管这还无法一步到位地解决程序在异构平台之间平滑移植的挑战，但至少让用户看到了一线曙光。
从应用软件来看，来自石油天然气、生命科学、视频渲染、金融分析、CAE、EDA等领域的专业公司正在用CUDA开发程序或进行移植。“生命科学是目前CUDA应用最完善的领域。”
此外，Nvidia也在计划在全球推出CUDA认证，目前全球已经有350所学校开通了CUDA课程，在国内，北大、清华、中科院将提供CUDA培训与认证服务。
总之，从硬件和软件两方面来看，GPU计算仍然处于发展当中，GPU要得到更广泛的普及和用户认可，不仅要把硬件做得更优秀，更具有通用性，而且在软件上，更是要大力降低开发难度和移植成本，这样才能不仅将GPU从传统的图形处理应用转向高性能计算，更能推广到更广泛的行业领域中去，GPU的发展才能后劲十足。
