利用GPGPU的高性能嵌入式系统

　　嵌入式系统在消费和军事应用中使用的软件应用程序变得更加复杂，对硬件提出了额外的计算需求。系统架构师、产品经理和工程师必须跟上最新的计算技术。

　　借鉴游戏行业，图形和数据处理设置了新的限制，图形处理器单元 （GPGPU） 上的通用计算正在成为新一波嵌入式系统的核心。高功率性能比有助于这些新系统满足计算密集型应用程序所需的计算需求。

　　在尝试重用现有软件应用程序的同时，我们不断添加新功能并实现新要求。然后代码变得越来越复杂，应用程序变得“占用大量 CPU”，最终，您将面临：

　　复杂的CPU负载均衡；我们在“剃须刀”上跳舞，以满足我们的软件应用需求

　　CPU 窒息；最终，我们会得到极其缓慢的操作系统响应，整个软件架构的更改需要在可接受的响应和完成工作之间划清界限。

　　升级和超频；在嵌入式系统中增加计算能力的其他方法可能成本高昂（升级）或不利于组件寿命（超频）。

　　使用 GPU 而不是 CPU 可以减少开发时间，并从计算引擎“挤压”每瓦特的最大性能。GPU 加速计算是使用图形处理单元 （GPU） 和中央处理单元 （CPU） 来加速应用程序。如果仅将 CPU 用作主计算引擎，最终它会窒息，这是一个常见的挑战。但是，如果应用程序的某些计算密集型部分被卸载到 GPU，则应用程序的其余部分仍将在 CPU 上运行。

　　那么，GPU 是如何比 CPU 运行得更快的呢？GPU 已经发展成为一个极其灵活和强大的处理器，因为：

　　可编程性

　　精度（浮点）

　　表现; 数千个内核来处理并行工作负载

　　由于巨大的游戏行业的需求，速度提高了

　　NVIDIA解释得很好：

　　了解 CPU 和 GPU 之间差异的一种简单方法是比较它们处理任务的方式。CPU 由几个针对顺序串行处理优化的内核组成，而 GPU 具有大规模并行架构，由数千个更小、更高效的内核组成，旨在同时处理多个任务。

　　有许多应用程序可以从 GPGPU 技术中受益。事实上，任何涉及数学计算的应用程序都可以成为这项技术的一个很好的候选者。这些可以包括：

　　图像处理; 敌人探测、车辆探测、导弹制导、障碍物探测等。

　　雷达

　　声纳

　　视频编码和解码（NTSC/PAL 到 H.264）

　　数据加密/解密

　　数据库查询

　　运动检测

　　视频稳定

　　因此，我们感谢所有以游戏的名义推动要求更高质量图像、更高数据吞吐量和更高处理能力的人。GPGPU 已经超越了这个世界，进入了其他复杂、高度复杂的领域——并且通过可靠地管理更高的数据吞吐量和平衡系统处理以实现更高效的计算操作，从而在许多行业中实现更好的智能。

　　审核编辑：郭婷