[并行运算利器 认识NVIDIA CUDA] 串行计算是指在单个中央处理器单元上对数据进行处理，并行计算是相对于串行计算来说的，其在时间和空间上都比串行计算效率更高，时间上的并行就是指流水线技术，而空间上的并行则是指用多个处理器并发的执行计算。CPU就是串行计算的代表，当然我们也看到其向并行计算发展的趋势，比如目前的双核、四核CPU。
如果我们把这个概念放到GPU身上，会有惊人的发现：“核”数已经不再停留在个位，中低端的8600GT已经具备32个流处理器，而高端的9800GTX拥有128个，最新的顶级旗舰GTX280则达到了恐怖的240个！从规格上看GPU拥有比CPU更强的计算实力，虽然GPU不可能全面取代CPU的功能，但和早期的3D计算需要大量CPU辅助一样，GPU可以在众多的应用中发挥出远非CPU所能及的性能。
从本质上来说，CUDA(Compute Unified Device Architecture)是计算统一设备架构的简称，它是一种专用的编程界面，可以让不同的软件开发商提高NVIDIA最新核心的并行处理能力，这项技术能让GPU核心同步协调的进行计算，速度可提升是传统方式的100倍。另一方面，首个C编译GPU完善的开发环境让开发者拥有了新的解决方案，一些复杂的计算例如产品设计、数据分析、技术处理、游戏物理应用等方面现在都是游刃有余。
采用CUDA技术的GPU提供了专门用于计算的各项功能，包括并行数据高速缓存器，让最新一代的多个NVIDIA GPU流处理器之间能够在执行复杂计算任务时互相协作。开发商可以通过一个单独的驱动程序来调用这些功能，该驱动程序与DirectX和OpenGL以及新推出的NVIDIA GPU用C编译器进行通讯，取代了原来用于GPU计算的流程序语言。
CUDA技术的GPU既可作为灵活的线程处理器来运行，由数千个计算程序来调用线程，协作解决复杂的问题，也可作为流处理器来运行在具体的应用程序中，例如成像处理，其中的各个线程并不进行信息交流。能够采用CUDA技术的应用程序可以使用GPU进行细粒度的数据密集型处理，并使用多核心GPU进行复杂的粗粒度任务，例如控制和数据管理。
