IDC最新发布的《2017上半年中国AI基础架构：GPU加速计算服务器市场跟踪报告》显示，2016全年中国GPU加速计算服务器市场厂商销售额为1.71亿美元;在人工智能浪潮的推动下，预计2017年

作为NVIDIA?（英伟达?）面向高性能计算领域推出的产品，Tesla? GPU加速器已经成为业内最简单与最快速的加速方案。现在，全新NVIDIA? Tesla K80双GPU加速器已经推出，它囊括

智能终端市场亟需GPU性能破局，包括平板电脑、电视盒子等在内的国内智能终端市场，格局一直处于不断变化之中，竞争颇为激烈。而在历经CPU核战争、价格战、营销战之后，形势不仅没有变得明朗，反而愈发混乱。随着CPU性能的饱和及过剩、应用/游戏的UI/画质不断提升，GPU受到的重视程度在不断攀升。

NVIDIA今天宣布，该公司计划将名为NVIDIA NVLink的高速互连技术集成到其未来的GPU中，让GPU与CPU之间共享数据的速度能够比当今速度快5-12倍。这将消除长期以来的瓶颈，有助于铺平

Hadoop并行处理可以成倍地提高性能，GPU也日益成为计算任务的重要分担者，Altoros Systems研发团队一直致力于探索Hadoop+GPU的可能性，以及在实际的大规模系统中的实现，这篇文章就是他们的部分研究成果。

Dell第一时间在其主流的Dell PowerEdge R720服务器中也支持英伟达Tesla GPU。本文将介绍基于英伟达Tesla GPU的Dell PowerEdge R720服务器最新的基准测试。

2011年12月15日消息，英伟达公司在昨天的GPU技术大会亚洲站期间宣布，将向学术研究人员与软件工具开发商提供用于新款英伟达CUDA LLVM编译器的源代码，让他们能够更轻松地为更多编程语言增添GPU支持、在替代处理器架构上支持CUDA应用程序。

FFT，IFFT以及线性代数运算超过了100个内置的MATLAB函数，通过提供一个类型为GPUArray(由并行计算工具箱提供的特殊数组类型)的输入参数，这些函数就能够直接在GPU上运行。这些启用GPU的函数都是重载的，换句话说，这些函数根据传递的参数类型的不同而执行不同的操作。

为解决这些问题，NVIDIA采用了两项关键技术——G80统一图形与计算架构(最先采用于GeForce 8800、Quadro FX 5600与Tesla C870 GPU)和CUDA。CUDA作为一种软硬件架构，可采用多种高级编程语言对GPU进行编程。

前不久我们发表了《鏖战32nm AMD首款Llano APU处理器详测》一文，Llano的表现给我们留下了深刻的印象，尤其是所融合的新一代GPU，性能远远超越了sandy bridge的HD3000集显性能，一举成为当前性能最强的整合GPU。