NVIDIA 26 日于美國圣荷西舉行的 NVISION 08 論壇上， NVIDIA 首席科學家 David Kirk 講述未來 CUDA 技術發(fā)展方向，認為 GPU 不只是為了視覺運算而生，未來角色將會進一步強化，不僅針對財經、科學及設計模擬運算領域，更能針對一般主流應用軟件進行加速， NVIDIA GPU 將可協(xié)助 CPU 運算加速，并成為未來 PC 內部不可或缺的組件。

David Kirk 指出 CUDA 技術正在高速成長，其 CUDA Compiler ( 翻譯器 ) 由 2007 年 7 月僅有 ~ 2000 次下載，提升至 2008 年 4 月的 ~ 55,000 次，證明有更多程序設計師正在考慮采用 CUDA 技術，并以 GPU 進行運算單元取代統(tǒng)傳的單純 CPU 運算模式。

事實上， GPU 擁有大量的運算單元，而且可以作平行運算 ( Parallel Execution ) ， CUDA 線程是極之輕型并且不會出現大量的 Overhead ，加上擁有實時切換的特性，令 GPU 同一時間可以處理超過 1000 個以上的 CUDA 線程，并且效率十分之高，指令周期可以達至一般四核心 CPU 的 100 倍以上。

此外， CUDA 程序是采用業(yè)界主流語言的 C Language ，并與 CPU 所采用的 C Language 完全相同，因此現有的程序設計師要為 CUDA 編寫程序并不困難，只是程序設計師要顧及平行運算應用，由比較直述的 Standard C Code 改為能同一時間進行多個線程的 Parallel C Code ，才能完全發(fā)揮 GPU 擁有大量運算單元的優(yōu)勢。

很多人會把 NVIDIA 的 CUDA 與 AMD 的 GPGPU 混為一談，但其實兩者并不一樣， AMD 的 GPGPU 是以 GPU 的現有繪圖架構，并采用 OpenCL 接口讓 GPU 進行繪圖以外的運算，而 NVIDIA 則是 GPU 擁有兩個模式，一個是 GPU Mode ，另一個是 Computing Mode ；在 Computing Mode 下 GPU 并不需要 OpenCL 接口，能直接執(zhí)行 C 程序，因此效率相比對手更高。

David Kirk 以 Folding@Home 為例，雖然現時只有 2.43 萬臺 PC 采用 CUDA 版本的 Folding@home ，所占比例不到 1% ，但卻擁供了 1.4 Petaflops 的運算能力，這相等于由 CPU 運算的 5 倍，不少研究人員相信未來將會有更多科學運算應用采用 GPU 作運算加速，令研究速度大幅提升，超級計算機服務器將會由單純 CPU 架構，變成 CPU + GPU 架構，現時更有超過 40 家美國大學教授如何使用 CUDA 進行平行運算，前景令人樂觀。

值得注意的是，一般消費者會以為 CUDA 僅會應用于科學應用上，但其實 CUDA 已經開始進入一般主流應用軟件進行加速，包括影像編碼程序 BadaBOOM Media Converter ，另外剛發(fā)布的 CUDA 2.0 套件中，擁有支持 CUDA 的 Adobe Photoshop 影像過濾及變更的 plug-in 套件，未來 6 個月將會有約 20 ~ 30 個應用軟件加入 CUDA 運加速支持。

為了讓 CUDA 應用更見普及， David Kirk 透露未來 CUDA 除了支持 C Language 外，將進一步支持 C++ 及 Fortran Language 這些都是業(yè)界中最廣泛應用的程序語言。 CUDA 2.1 版本更會支持 Many-Core + Multi-Core 運算，讓系統(tǒng)效能可進一步強化。 

David Kirk 認為，如果 CUDA 僅擁比 CPU 快 2-3x ，這其實并不多，根本無需要去為它而重新編寫，如果是比 CPU 快 5-10x ，部份程序可能只會為部份程序重寫以引入 CUDA 的好處，但 CUDA 所帶來的是比 CPU 快 100x+ 的速度，程序設計師是無法抵擋 CUDA 帶來的好處， NVIDIA 的最目標是 CUDA Everywhere 。

有 PC 業(yè)者指出，在 Intel 與 AMD 的平臺化政策下， NVIDIA 的確處于劣勢，而 CUDA 正好是它的最佳武器，亦是唯一出路，如果 CUDA 成功沖出處理器雙雄的包圍，的確未來每一臺 PC 也會內建 NVIDIA GPU 也未必沒可能，因此 CUDA 的成功關鍵將是它普及至一般主流應用軟件的時間先機，能否在 Intel Larrabee 推出前搶先卡位。