平行演算法随着电脑运算广度的需求日增而越来越重要，特别是在高阶科学计算、高画质影像处理、医学显影与基因分析、地质探测、以及工业用图形设计领域，高速运算处理的需求越来越高。资料平行运算（data-parallel computing）模式该如何创新整合，顺应未来多核心图形运算以及大量资料计算处理的繁杂架构，符合节能简碳并有效运用空间，已成为重要课题。

图一 : 图为NVIDIA Telsa与GPU运算部门总经理Andy Keane。（Source：HDC）

NVIDIA Telsa与GPU运算部门总经理Andy Keane表示，对於高速资料运算，一般x86丛集平行运算架构采用多核心CPU模式，IBM也有多核处理器运作平行计算。超过90％的使用者或许熟悉传统x86丛集系统在高性能运算（High Performance Computing；HPC）领域的使用模式，不过多核心运算模式已经衍生繁复的资料处理丛集伺服器架构，高耗能负担也成为高效能资料处理中心亟待解决的课题。现今美国高速运算中心所耗费电力已经占整体美国使用电力的7％，其中3.5％是运用在散热方面，提升百倍运算意味着CPU预算的暴增，更不符经济效益。

Andy Keane指出，以工作站或资料中心高速运算应用为主的绘图处理器GPU平台，在平行运算效能专精度和丛集电脑网路多重应用上，往往比x86架构更具优势。NVIDIA的GPU平行运算架构，电晶体密度高、多核扩充性强、具备高效能平行运算处理能力，且可带动影像解析软体发展，更为广泛的经济效益正在浮现。
...
...