1999年，首颗GPU(GeForce 256)诞生，GPU从CPU手中接管T&L(坐标转换和光源)
2000年，Hopf在GPU上实现小波变换
2001年，Larsen利用GPU的多纹理技术做矩阵运算
2002年，Harris在GPU上用细胞自动机(CA)仿真各种物理现象，Purcell第一次使用GPU加速光线跟踪算法
2003年，是GPGPU领域具有里程碑意义的一年，Kruger实现了线性代数操作；Li实现了Lattice Boltzmann的流体仿真；Lefohn实现了Level Set方法等一大批成果
2004年，Govindaraju在数据库领域应用GPU加速取得进展；商业领域，Apple推出支持GPU的视频工具
2006年，首颗DX10 GPU(GeForce 8800)诞生，GPU代替CPU进行更高效的Geometry Shader(几何着色)运算
2007年，主流DX10 GPU全面上市，将CPU从劳累不堪的高清视频解码运算中解放出来，如今整合GPU都完美支持硬解码
2008年，CUDA架构初露锋芒：PhysX引擎发布，GPU代替CPU和PPU进行物理加速运算；Badaboom、TMPGEnc等软件开始利用GPU的并行计算能力来加速视频编码
2009年，CUDA、OpenCL、DX11 Compute Shader百花齐放，GPU将会全面取代CPU进行并行计算，大批应用软件改投GPU门下……
可以这么说，CPU是万能的，它几乎可以处理任何事情，但由于深度流水作业架构的特性、以及浮点运算能力的限制，它处理一些任务时的效率很低。纵观近年来GPU的发展历程，就是一步步的将那些不适合CPU处理、或CPU算不动的任务转移过来，从而消除程序运算时的瓶颈，大幅提升电脑执行效能，以更小的代价(成本和功耗)实现更强大的性能。
但是，想要让一大批应用软件从CPU移植到GPU上，非一朝一夕所能完成，需要业界的大力推广以及开发平台及编程语言的支持。NVIDIA早在2005年开始就致力于研发CUDA架构及基于CUDA的C语言开发者平台，并于2007年正式推出，而且专门发布了针对科学计算的Tesla品牌，在GPU计算方面一直处于领跑地位。
而今年由苹果所倡导的OpenCL标准发布后，包括NVIDIA、Intel、AMD在内的所有IT巨头都表示出了浓厚的兴趣。有了统一的标准之后，GPU计算的推广与普及就是水到渠成之事，GPU将会在电脑系统中扮演更重要的角色。
那么CUDA与OpenCL之间有什么利害关系呢？未来谁将左右GPU的发展？GPU会否取代CPU成为计算机核心？笔者通过搜集各方资料，并采访NVIDIA相关技术研究人员，为大家深入分析GPU的通用计算之路。
可能很多朋友还心存疑惑：目前CPU的性能已经很强大了，为什么还要花很大的代价让GPU进行辅助运算呢？这个问题可以从两个角度来回答：一般我们认为CPU在浮点运算/并行计算方面的性能远不如GPU强大，所以将GPU的实力释放出来可以将电脑获得新的飞跃；如果从更深层面考虑的话，目前CPU的发展已经遇到了瓶颈，无论核心架构的效率还是核心数量都很难获得大幅提升，而GPU则是新的突破点，它的潜力几乎是无限的！
● CPU核心效率提升举步维艰
就拿目前Intel最强的Core i7处理器来说，架构方面相比上代Core 2 Quad发生了天翻地覆的变化：胶水四核变成了原生四核、引入三级缓存、高速QPI总线、三通道DDR3内存控制器、超线程技术、诸多内核及指令集优化等等……，所有这些技术共同作用的结果就是——同频率下i7 965的综合性能仅比上代QX9770提升了10-20%，这说明了什么呢？说明Intel的处理器架构已经非常优秀了，以至于在此基础上很难再有Pentium D到Core 2 Duo那种飞跃式提升。
Core i7的性能表现没有带来惊喜
AMD方面的情况也大致如此，Phenom II相比Phenom的提升主要来自于45nm工艺带来的高频率，核心架构优化的贡献仅有不到5%。目前两大处理器巨头单核心效能都已接近极限，只能依靠新工艺带来的大缓存、高频率，而获得微弱的性能提升。
来自 “ ITPUB博客 ” ，链接：http://blog.itpub.net/22895309/viewspace-627020/，如需转载，请注明出处，否则将追究法律责任。
转载于:http://blog.itpub.net/22895309/viewspace-627020/