GPU应用主流化

　　实际上，让Andy Keane感到更加欣慰和振奋的是，得益于高性能、低功耗等优势，GPU已经成为大型超级计算机流行的加速技术。在最新的国内TOP100排行榜中，采用CPU+GPU混合架构的高性能计算机就达到了7套，其中6套都使用了NVIDIA的GPU与英特尔CPU搭配，有5套排进了TOP10，而且都是2010年新安装的。

▲2010年TOP100 HPC排行榜中的"CPU+GPU“异构集群

　　不过，通过上表，我们看到，这7套GPU系统的计算效率都偏低，最低的只有18.2%，最高的也不过54%，而一般CPU集群的效率最高可突破90%，比如排名第20位的安装在南京大学的IBM BladeCenter HS22刀片集群的效率就达到92%。对此，Andy Keane解释说，一方面对于CPU和GPU的效果有不同的衡量机制。简单而言，CPU的效率即便在80%以上，但实际上比效率只有50%的GPU还是要慢很多，在每瓦特性能上GPU也明显更高。另一方面，系统的实际运行效率要由它所运行的应用来决定，比如中科院过程所的Mole-8.5是专为处理分子动力学和离子仿真设计的，实际应用效率很高，可以达到70%以上，但Linpack效率却只有18.2%。其原因就在于这个专用系统在计算时节点之间没有通讯，而Linpack程序要求节点之间是有通讯的。

　　不管怎样，自2006年NVIDIA公布Tesla GPU和CUDA架构以来，经过了近4年时间的努力，GPU在高性能计算领域正在开花结果。“跟其他国家相比，中国确实是最早先使用GPU的国家，而且使用时间也是最长的。” Andy Keane表示，“不过，在11月即将发布的TOP500中，国际上会有更多使用CPU+GPU的异构系统出现。”

　　近一两年来，除了与曙光、国防科大、浪潮等本土厂商或用户合作之外，NVIDIA的GPU也受到了IBM、惠普、戴尔、Cray等国际大厂的青睐。如IBM在其面向高密度计算环境的iDataPlex中就提供了对Tesla的支持。而惠普也推出了使用Tesla GPU模块的超高可扩展系统HP ProLiant SL390s G7。比如，日本东京工业大学的新一代TSUBAME 2.0就使用了1400多台HP SL390s G7作为计算节点，每个节点可搭载两颗英特尔至强5600处理器以及3块NVIDIA Tesla M2050 GPU。【参考阅读：惠普SL390s G7 高密度GPU计算新宠】