在今年NVIDIA
GTC大會上诬烹，Nvidia創(chuàng)始人黃仁勛表示砸烦，設(shè)計人員無法再創(chuàng)造出可以實現(xiàn)更高指令級并行性的CPU架構(gòu)，晶體管數(shù)每年增長50%绞吁，但CPU的性能每年僅增長10%幢痘，數(shù)據(jù)增長速度達40%，并在不斷加快家破。
數(shù)據(jù)增長速度超過CPU性能提升速度帶來的后果是：人們不得不利用各種技巧來避免計算性能瓶頸颜说，比如降采樣购岗、索引（indexing），或者采用昂貴的scale-out（向外擴張）戰(zhàn)術(shù)來避免長時間等待系統(tǒng)回應(yīng)门粪。
我們現(xiàn)在面對的數(shù)據(jù)單位是EB
（EB=1024PB,PB=1024TB,TB=1024GB）喊积，并正在邁向ZB(ZB=1024EB)。而曾經(jīng)顯得無比龐大的TB玄妈，在消費者領(lǐng)域已經(jīng)十分常見乾吻。企業(yè)級TB存儲的定價已降到個位數(shù)（美元）。
GPU的架構(gòu)與CPU很不一樣措近。首先溶弟，GPU并不具備多功能性女淑。其次瞭郑，與 消費級CPU個位數(shù)的核心數(shù)目不同，消費級的GPU通常有上千個核心——特別適合處理大型數(shù)據(jù)集鸭你。由于GPU在設(shè)計之初有且只有一個目的：最大化并行計算屈张。——目前來看袱巨，它們尚能跟上數(shù)據(jù)大爆炸的腳步阁谆。
GPU（GraphicsProcessing Unit）也即圖形處理器，是顯卡的核心單元愉老。
GPU不僅能實現(xiàn)數(shù)據(jù)庫的許多功能场绿，而且其強大的計算能力，能實現(xiàn)實時分析嫉入。深度學(xué)習(xí)需要較高的計算能力焰盗，所以對GPU的選擇會極大地影響使用者體驗。在GPU出現(xiàn)之前咒林，一個實驗可能需要等幾個月熬拒，或者跑了一天才發(fā)現(xiàn)某個試驗的參數(shù)不好。好的GPU可以在深度學(xué)習(xí)網(wǎng)絡(luò)上快速迭代垫竞，幾天跑完幾個月的試驗澎粟，或者幾小時代替幾天，幾分鐘代替幾小時欢瞪。
CPU+GPU是高性能計算架構(gòu)發(fā)展方向活烙。CPU與GPU二者的側(cè)重點不同，決定了其應(yīng)用的環(huán)境和主要領(lǐng)域不同遣鼓。在高性能計算這個GPU重點應(yīng)用領(lǐng)域啸盏，CPU+GPU架構(gòu)是未來高性能計算架構(gòu)的發(fā)展方向。同樣的成本譬正，GPU的計算效率可能獲得10-100倍的增長宫补。
采用GPU架構(gòu)兼具低成本與高性能檬姥，應(yīng)用前景廣闊。采用GPU新架構(gòu)的PC粉怕，兼具低成本與高性能的特點健民。在醫(yī)療成像、分子動力學(xué)贫贝、基因比對秉犹、金融模擬、動漫渲染稚晚、電影編輯崇堵、新型材料開發(fā)等領(lǐng)域具有廣闊的應(yīng)用前景，使得這些領(lǐng)域的用戶擁有萬億次的高性能設(shè)備成為現(xiàn)實客燕。人工智能（圖像語音識別鸳劳、無人駕駛等）、視頻處理也搓、VR赏廓、生命化學(xué)、金融證券數(shù)據(jù)分析等將是GPU運用的優(yōu)先爆發(fā)領(lǐng)域傍妒。
