平行演算法隨著電腦運算廣度的需求日增而越來越重要，特別是在高階科學計算、高畫質影像處理、醫學顯影與基因分析、地質探測、以及工業用圖形設計領域，高速運算處理的需求越來越高。資料平行運算（data-parallel computing）模式該如何創新整合，順應未來多核心圖形運算以及大量資料計算處理的繁雜架構，符合節能簡碳並有效運用空間，已成為重要課題。

圖一 : 圖為NVIDIA Telsa與GPU運算部門總經理Andy Keane。（Source：HDC）

NVIDIA Telsa與GPU運算部門總經理Andy Keane表示，對於高速資料運算，一般x86叢集平行運算架構採用多核心CPU模式，IBM也有多核處理器運作平行計算。超過90％的使用者或許熟悉傳統x86叢集系統在高性能運算（High Performance Computing；HPC）領域的使用模式，不過多核心運算模式已經衍生繁複的資料處理叢集伺服器架構，高耗能負擔也成為高效能資料處理中心亟待解決的課題。現今美國高速運算中心所耗費電力已經佔整體美國使用電力的7％，其中3.5％是運用在散熱方面，提升百倍運算意味著CPU預算的暴增，更不符經濟效益。

Andy Keane指出，以工作站或資料中心高速運算應用為主的繪圖處理器GPU平台，在平行運算效能專精度和叢集電腦網路多重應用上，往往比x86架構更具優勢。NVIDIA的GPU平行運算架構，電晶體密度高、多核擴充性強、具備高效能平行運算處理能力，且可帶動影像解析軟體發展，更為廣泛的經濟效益正在浮現。
...
...