CPU是否还是未来PC的计算中心
在这么多年的竞争中，并非没有试图挑战CPU地位的竞争者，与Intel一同成长的National国家半导体、Cryix、zilog这些先烈暂且不说，即使是幸存下来的AMD也未能革Intel的命，规模上与Intel差距甚远。这些公司未能逆转Intel的原因有很多，不过有一点是不容忽视的，Intel掌握着X86指令的专利权，别的公司用X86处理器与Intel竞争在先天上就处于不利地位，或许最好的方法是另辟蹊径，候选人之一就是GPU。 伴随GeForce 256而生的GPU概念问世于1999年，GPU指的是Graphic Processing Unit（图形处理单元），这是一款真正意义上的3D显卡，直到现在GPU其最重要的功能也是图形处理，尤其是3D游戏处理。随着技术的突飞猛进，显卡的性能越来越强大，逐渐具备了可编程流水线、高密度并行处理等特性，显卡的浮点运算能力已经超越了CPU，以目前最强的i7 975为例，其浮点运算能力也远远达不到HD 4850的1TFlops（等效每秒一万亿次运算），显卡超强的浮点运算能力为GPU实现通用计算打下了基础。
Folding@home这样的科学运算是发挥GPU通用运算的最佳场合
2002年的Siggraph展会上，ATI、NVIDIA等商场提出了GPUGPU（General Purpose Computation on the GPU，通用图形处理器）的概念，寻求将GPU强大的浮点运算能力应用在图形处理之外的场合，像科学计算、数据库分析这样需要大容量、高速度的重复性运算成了GPUGPU的通用计算的最佳领域。 到了DX10时代，GPU通用计算又获得了一次良好的发展机遇，微软在DX10规范中提出了统一处理单元的概念，将之前的VS顶点渲染器和PS像素渲染器整合为流处理器进行统一运算，显卡的并行计算能力和可编程性也同步提升。正是在统一渲染器的基础上，NVIDIA和ATI各自开发了自己的GPU通用计算技术CUDA和Stream，将复杂的图形处理与通用的编程衔接起来，使得GPU编程像普通的编程一样简单。
Badaboom首次在桌面领域引入GPU加速计算
GPU通用计算应用最广泛的领域就是各种高性能计算领域，包括石油勘探、科学计算、药物分析乃至天文演算，这些领域都是普通用户平时接触不到的，以致普通消费者很难体会到GPU通用技术到底能带来哪些好处，因此我们就以GPU通用计算在视频压缩中的应用为例，来个管中窥豹，一探CUDA/stream加速技术的究竟。在测试之前，我们先来看看Stream和CUDA的一些简单介绍。
