NVIDIA：Tesla+CUDA是最好的HPC工具

　　如果说虚拟化是近年来服务器领域的一大热门，那么在高性能计算（HPC）领域中，通用图形处理器（GPGPU，General-purpose comPuting on Graphics Processing Units），或者说GPU通用计算（下文简称GPU计算）在这几年也越来越火热了，尤其是2009年中国研发的基于CPU+GPU混合计算架构的“天河一号”一举夺得了中国TOP100超级计算的排名的桂冠，闯入全球TOP500强的前五位，让人们见到了GPU计算的威力所在。完全可以说，GPU通用计算已经是一个不可阻挡的潮流，那么在2010年里，GPU通用计算又将如何发展呢？为此我们专访了在GPGPU方面走在业界前端的NVIDIA公司Tesla产品总监Sumit Gupata先生，就相关的热点话题进行了深入的交流。

　　NVIDIA公司Tesla产品总监Sumit Gupata先生，是一位来自印度的计算机博士，在任产品总监之前是Tesla产品工程师，对于GPGPU技术有很深的了解

　　NVIDIA公司在GPGPU方面可谓不遗余力，其自行开发的统一计算设备架构（CUDA，Compute Unified Device Architecture）以及在此基础上专门用于高性能计算的Tesla产品线已经成为了HPC领域中越来越不可忽视的力量，在2010年NVIDIA将推出新一代的基于Fermi架构的Tesla产品，而我们的话题也从GPU对HPC的影响开始展开。

　　HPC越来越需要GPU计算的介入——混合计算大趋势不可逆转

　　Sumit Gupata表示，人类的文明进步已经让人类对计算的需求越来越深入，很多科学领域的研究已经越来越微观化，比如生物学、流体力学、空气动力学，并且在数据展现时也越来越强调可视化处理，比如断层分析、气象绘图、石油勘探中的地震数据解释等等，而且人们对于计算的速度也要求越来越高——能实时的模拟现实中的演变是人们不变的最高追求，但以现有的阶段来看，离这个梦想还有很长的路要走，这就需要有一个强有力的计算工具介入，以加速运算能力的提高。

我们的生活越来越离不开计算，很多基础的、深层次的研究在驱动着我们人类文明的继续进步，但这种研究则需要强大的计算能力的支撑

　　在微观世界模拟方面，主要就是对数量重多的模拟对象进行演变计算，比如在设计汽车时，想知道汽车的外形所带来的空气阻力，就要对所涉及到的空气分子的流动状态根据相应的物理学算法进行分析然后再予以汇总，而空气中的分子数量之庞大是可想而知的，如果每一个空气分子（它是空气流动的基本单位）都是一个模拟对象的话，这样的计算数据量也将极为巨大。显然它需要一个极为庞大的并行处理架构以应付数量如此之多的计算对象，这也就是为什么HPC更多的是强调超并行计算能力与效率的原因。

　　另一方面，这类的计算对象所需要的更多的是浮点计算能力，因为要精确的计算出各微观对象的运动状态，整数计算是不可能完成的，例如计算100.0÷3，整数计算的结果是33，而浮点计算的结果则是33.33333333，你说哪个更精确呢？再比如圆周率，你就无法用一个整数去表达，而它在很多科学计算中可是一个太常用的参数了。反过来如果你愿意，一个整数则可以用浮点数来表达（比如整数5可表达为浮点数5.00）。所以，高效率的、高准确性的科学计算是与强大的浮点计算性能分不开的。尤其是双精度浮点性能，因为在很多场合，单精度浮点运算所产生的累计误差将让HPC失去可用性。