Fermi技术细节抢先预览

从GPGPU到GPU Computing

如今，T&L处理已经不再由GPU内的固定功能单元完成，而是由完全可编程的统一着色器单元来执行。GPU承担了几乎整个图形渲染流程并且开始在更多由CPU执行的传统任务中扮演重要的角色，例如从2003年开始，在诸如蛋白质折叠、SQL 查询、核磁共振成像重建等具备并行运行特性的计算领域内有了GPU的身影。

当时的GPU仍然使用DirectX、OpenGL这样的图形API来完成非图形计算的应用，这被称之为GPGPU。虽然GPGPU证明了GPU在通用计算上有很大潜力，但这要求程序员必须了解这些图形API和GPU体系结构的知识，求解的问题需要采用顶点坐标、纹理、着色器程序等图形术语来描述。虽然后来斯坦福大学提供了Brook这种高级的GPGPU语言，程序员基本上不需要学习图形学上的概念，但Brook实际上还是基于3D API，只是可以使用类似C语言来编写程序，然后经Brook可以转换成OpenGL GLSL和D3D HLSL。因此Brook虽然简化了GPGPU 的学习过程，但是功能上就受到3D API的约束，诸如像可定址的读操作/写操作等基本的编程特性无法支持，导致编程模型受到很大的约束。

2006年，NVIDIA借发布G80的机会，推出名为CUDA的通用计算架构。CUDA由硬件和软件两部分组成。硬件指的是G80及其衍生的硬件架构；软件指的是CUDA C编译器以及围绕硬件架构开发的的各种工具。通过CUDA的扩展工具，程序员可以直接为针对通用用途的大规模并行处理器编写程序，而不是通过图形API给图形处理器编写程序。对于这种先进的编程模型，NVIDIA称之为GPU Computing。

和G80体系结构参照著名物理学家姓氏命名为Tesla一样，NVIDIA下一代DirectX 11 GPU的体系结构也采用了另一位知名物理学Enrico Fermi(恩里科.费米)的姓氏Fermi来命名。在G80架构的基础上，Fermi架构有重大的跃进，主要体现在性能和可编程性方面的扩展。