自从NVIDIA支持DX10的统一渲染架构G80核心发布以来，半导体工艺的进步使得GPU内置的核心（流处理器）数量越来越多，GPU基础架构改良速度对比CPU也越来越快。GPU的通用计算能力在这几年来得到很大提高。
NVIDIA旗下GPU的核心数量变化历史
因为GPU起初是为图形处理设计，对指令集的依存度很低，即使再多线程数量也仍然能保持并行处理性能维持在高水平不变。举例来说，对于3D角色的反射光计算，每个多边形反射光计算中法线处理互不相干，因此多边形数量再多也不会造成瓶颈，GPU的运算能力可以充分发挥。
CPU和GPU的并行处理示意图
GPU实际并行计算示例：复杂多边形的反射光处理运算
因此，科学运算中最适合利用GPU强大的并行计算能力，馬路徹表示，NVIDIA近年来所力推的Tesla加速卡就是例子，同时取得了很多成果。
GPU理论浮点运算性能取得了飞跃
GPU并行计算适合多种要求高性能运算的应用
NVIDIA必然开发自家CPU
不过GPU的发展也会受到阿姆达尔定律的影响，当GPU集成的核心数量越来越多时也一定会遇到瓶颈。
解决瓶颈的方法可以是在GPU中加入线程控制机能，用来安排指令优先级和打包指令使其提高执行效率。
NVIDIA在G80架构中首次在芯片和流处理器（SM）级别都加入了线程管理机能"Thread Scheduler"，此后随着图形核心的发展，在Fermi架构上Thread Scheduler进化为"Gigathread Engine"，使得并行运算性能进一步得到大幅提高。
NVIDIA G80核心流水线示意图
NVIDIA GT100（GTX280）核心架构图
并行计算架构示意图
Fermi核心架构图，Thread Scheduler进化为GigaThread Engine
但是，在CUDA Core数量最大已经达到512个的况下，如果再增加势必会给线程管理模块部分带来更高负荷，甚至有发热过高烧毁的危险。因此，为了使GPU的并行计算性能维持优势，需要搭载更加强力的线程控制及管理模块，Project Denver正是为此诞生。
GigaThread Engine介绍，搭载2基硬件级别线程管理DMA引擎
NVIDIA负责产品市场部门的执行副总裁Ujesh Desai确认了Project Denver从三年前就已经开始开发，目标是实现CPU和GPU的统合。
NVIDIA执行副总裁，产品市场部门主管Ujesh Desai
受微软宣布下代操作系统Windows 8将正式支持ARM架构的影响，NVIDIA原本的ARM核心CPU业务范围也将扩大。在3月召开的投资者会议Financial Analyst Day 2011上，NVIDIA总裁兼CEO黄仁勋宣布，Denver的核心将使用未来的Tegra处理器。
NVIDIA的目标是成为"Computing Company"，要实现这一目标CPU业务也是重要的收益来源
2011年5月曝光的Project Denver核心示意图
虽然黄仁勋的说法摆在那里，不过看起来Project Denver和Tegra的关系不是那么简单：NVIDIA移动业务总经理Micheal Rayfield称：“Project Denver和Tegra毫无关系”。他说：“用于移动业务的Tegra最注重目标是省电性能，将不会冒进，沿着ARM提供的Roadmap进行SoC开发。”“Kal-El将是Cortex-A9架构四核处理器，Wayne也自然会沿用下一架构。”表明了Wayne将使用Cortex-A15架构。
同时Desai也从另外一方面验证了上述表态：“Project Denver目标是成为面向HPC（高性能计算）的强力CPU核心，不会像Tegra一样考虑省电。”
