让电脑能够看见你我看见的世界？易如反掌。拿起相机拍张照片传到电脑里，或者让你的电脑配上摄像头。不过要让电脑能够理解自己到底看到了什么，那就不是手到擒来的事了。

　　日前，一群来自哈佛以及麻省理工学院(MIT)共同组成研究团队，正打算用电脑来仿真大脑的功能。他们希望能透过运算，将电脑看见的影像转换成有用的信息，进而让电脑可以辨物、识人、甚至理解一连串的动作所代表的意思。说白了，进一步向人脑靠近。

　　GPU成仿真大脑视觉辨识核心

　　为了加快研究速度，研究人员借用分子生物学的筛选技术———例如同时对上千种候选辨识模块进行一连串的实验，淘汰掉不适用的模块，最后保留下最棒的模块。

　　这过程简单来说就是达尔文和孟德尔总结出来的八个字，“物竞天择，适者生存”。

　　不过来自研究团队的反馈显示，目前出现另一个难题则是人脑解析信息的速度实在太快，若要用传统电脑实现这一效果，得先花上一大笔钱。而且电脑至少要花上一整年的时间才能运算完毕。

　　所幸的是，解决难题的方法多少有些歪打正着。随着游戏用的G PU拥有越来越强的运算能力而获得解决，如今，麻省理工学院和哈佛的研究人员正大量运用GPU的运算能力，这种方法不仅省下大笔的经费，更使得运算的时间从一年缩减到一个星期。

　　GPU的英文全称GraphicProcessingUnit，中文翻译为“图形处理器”。GPU是相对于CPU的一个概念，由于在现代的计算机中，特别是家用系统，游戏的发烧友们对图形的处理变得越来越重要，需要一个专门的图形核心处理器，GPU应运而生。

　　一直以来，GPU行业的竞争远比CPU的竞争来得激烈。目前通用PC的CPU就只有英特尔和AMD两家大厂。而在GPU方面领先的是NVIDIA和ATI(已被AMD收购)两家厂商，但能生产中低端产品的还有英特尔、3S等好几家厂商。尽管这些厂商的产品不如NVIDIA和ATI，但在很多应用方面也能满足用户的需要。所以NVIDIA和ATI的处境多少有些高处不胜寒，只有快马加鞭向前发展，才能不被后来者追上。

　　至于英特尔等CPU厂商为什么没有采用GPU的先进工艺自己投资生产线，是因为把原来的产品生产线一次过淘汰掉，可能连当初投入的资金都难以收回。而GPU厂商只是自己设计，再找其他厂商代工生产，并没有生产线的压力。

　　正因为如此，NVIDIA和ATI两家大厂可以投入更多的资金在研发上，让GPU技术快速提升，继而让麻省理工和哈佛的研究团队，看到了让电脑实现仿真大脑视觉识辨的可能。

　　GPU发展迅猛远超CPU

　　事实上早在2003年，科技界已经看到许多关于利用GPU代替CPU的消息。此后的2005年，麻省理工学院参与到了这项工作之中。该大学的图形研究小组运用阵列函式测试了GPU代替CPU的性能，而测试结果极度惊人。

　　在当时使用的测试程序中，小组使用了Intel C++编译器来优化超线程和SSE指令，并且以上的运行能够完成16和32位浮点运算。2005年，小组成员们便对几块A TIX800 XT和NVIDIA GeForce 6800G PU进行测试，产生的结果与一台3.4 GHz Pentium IV PC产生的结果进行比较发现，性能非常优秀。

　　2008年，NVIDIA公司Tesla计算事业部总经理Andy Keane表示，到2010年，采用NVIDIATesla GPU构建的超级计算机，有望进入全球高性能计算机TO P500排行榜的前十位。

　　他当时谈到，10系列G PU是首批拥有双精度的NVIDIA处理器。随着快速发展，未来G PU的性能一般每年都会翻一番，未来双精度性能将至少比当前的速度快5倍。

　　除了性能提升，成本、功耗、占地面积也是大规模超级计算机用户所关心的重要因素。

　　如比利时安特卫普大学原来用的超级计算机有512颗处理器核，成本是530万美元，占用了好几个机柜；而后来换成一台拥有8个G PU的台式系统，性能相当，成本只需7000美元，占地面积也大为减少。

　　人脑、电脑相互“促进”

　　据了解，在2008年11月公布的最新一期TOP 500排行榜上，NVIDIA Tesla的最好成绩是第29位。这套名为“TSUBAME”的系统由NEC和SUN公司联合研制，采用了“CPU+GPU”的混合架构，包括3万多颗AMD Opteron和英特尔Xeon处理器内核，以及170台T eslaS1070 1U服务器，安装在日本东京工业大学，Linpack测试性能是77.48万亿次每秒(TFlops)，理论峰值接近170万亿次每秒。

　　此前，东京工业大学全球科技信息和计算中心主任SatoshiMatsuoka曾表示，东京工大一直在研究未来的计算平台，发现要想实现下一步的性能跨越，必须采用G PU计算技术。“我们的应用测试发现，Tesla GPU提供了我们前所未见的加速比，而且只花了一周时间就把GPU系统部署完成。”

　　今年年中，NVIDIA CEO黄仁勋更表示，2009年是GPU引爆年，GPU可以让WIN7较XP在一些应用中有5-10倍的提升。DirectXA PI可以提供一个很酷的效果，2009年CPU+GPU运算开启个人运算新时代。

　　“GPU运算时代已经来临，这需要大家共襄盛举。”这席话是黄仁勋在NVIDIA与微软携手，在WIN7最新操作系统取得密切合作的背景下公之于众的，从民用市场的角度揭示了GPU的高速发展。

　　在GPU技术高速发展的背景下，正如前面所说的，研究团队希望藉由这项研究能够创造出仿真大脑视觉辨识的人工智能。而随着他们将软件开发日益完善，越接近人类大脑辨识的结果时，又可以反过来更加了解大脑的运作模式，同时也能让电脑运作得更像大脑。

　　视点：未来你的家用电脑，有望实现人脑功能

　　一直以来，游戏是NVIDIA GPU的强项，“我们将来还会继续在游戏上投入巨大精力。更重要的是，它还能够推动计算机行业的创新，因为我们可以将游戏领域所积累的经验应用到全新领域中来。”NVIDIA方面如是说。

　　这无疑使得家用电脑未来也有机会向人脑“靠拢”埋下了伏笔。

　　不过从目前的技术演进来看，虽然已经确定了方向，但还要经过相当长的过程。此前，AMD (ATU)用自己的最高端核心架构RV 770与人类的大脑展开了一场对比。结果显示，RV 770的计算能力和存储带宽分别为1TeraOps(每秒一万亿次操作)和1Tb/s，而人脑则为100TeraOps和10Eb/s，比RV 770高出100倍和10000倍。能量消耗上，单核心RV770需要150W，但人脑只需30W，这样看来，人脑高性能和高效率是RV 770的400多倍。

　　关注：GPU沙场图谱

　　正如前文所言，GPU市场竞争远远恶劣于CPU.不过随着各品牌面向市场的不同，倒也各有各的活法。不过也并不是每一家具备GPU业务的公司，都过得很滋润。

　　1英特尔(intel)

　　intel不但是世界上最大的CPU生产销售商，其实也是世界最大的G PU生产销售商。intel的G PU在目前完全是集成显卡，用于intel的主板和intel的笔记本。

　　2 NVIDIA

　　目前最大的独立显卡产销商，其显卡包括Geforce系列，NVIDIA也同样销售固化在主板上的集成显卡，这些显卡随着主板一起发售，但是由于AMD兼并ATI后自身主板芯片能力提高，NV主板如日中天的景象已经不复存在。

　　3 AMD(ATI)

　　世界上第二大的独立显卡生产销售商，它的前身就是ATI，也是NVIDIA最大的直接竞争对手。由于AMD兼并ATI后，其主板市场迅速扩大，已经夺取了NV在amd处理器主板的半壁江山。

　　4 Matrox

　　当年和NVIDIA、ATI一起争夺独立显卡市场份额的一家公司，目前淡出民用独立显卡市场。但在工程用专业显卡方面有自己的地位。其专业显卡涉足的是2D领域CAD.

　　5 sis和via

　　硒统(sis)和威盛(via)曾是分开的两公司，都生产自己主板的集成显卡。但他们已经逐步淡出主板市场。(方南）