讓電腦能夠看見你我看見的世界？易如反掌。拿起相機拍張照片傳到電腦里，或者讓你的電腦配上攝像頭。不過要讓電腦能夠理解自己到底看到了什么，那就不是手到擒來的事了。

　　日前，一群來自哈佛以及麻省理工學院(MIT)共同組成研究團隊，正打算用電腦來仿真大腦的功能。他們希望能透過運算，將電腦看見的影像轉換成有用的信息，進而讓電腦可以辨物、識人、甚至理解一連串的動作所代表的意思。說白了，進一步向人腦靠近。

　　GPU成仿真大腦視覺辨識核心

　　為了加快研究速度，研究人員借用分子生物學的篩選技術———例如同時對上千種候選辨識模塊進行一連串的實驗，淘汰掉不適用的模塊，最后保留下最棒的模塊。

　　這過程簡單來說就是達爾文和孟德爾總結出來的八個字，“物競天擇，適者生存”。

　　不過來自研究團隊的反饋顯示，目前出現另一個難題則是人腦解析信息的速度實在太快，若要用傳統電腦實現這一效果，得先花上一大筆錢。而且電腦至少要花上一整年的時間才能運算完畢。

　　所幸的是，解決難題的方法多少有些歪打正著。隨著游戲用的G PU擁有越來越強的運算能力而獲得解決，如今，麻省理工學院和哈佛的研究人員正大量運用GPU的運算能力，這種方法不僅省下大筆的經費，更使得運算的時間從一年縮減到一個星期。

　　GPU的英文全稱GraphicProcessingUnit，中文翻譯為“圖形處理器”。GPU是相對于CPU的一個概念，由于在現代的計算機中，特別是家用系統，游戲的發燒友們對圖形的處理變得越來越重要，需要一個專門的圖形核心處理器，GPU應運而生。

　　一直以來，GPU行業的競爭遠比CPU的競爭來得激烈。目前通用PC的CPU就只有英特爾和AMD兩家大廠。而在GPU方面領先的是NVIDIA和ATI(已被AMD收購)兩家廠商，但能生產中低端產品的還有英特爾、3S等好幾家廠商。盡管這些廠商的產品不如NVIDIA和ATI，但在很多應用方面也能滿足用戶的需要。所以NVIDIA和ATI的處境多少有些高處不勝寒，只有快馬加鞭向前發展，才能不被后來者追上。

　　至于英特爾等CPU廠商為什么沒有采用GPU的先進工藝自己投資生產線，是因為把原來的產品生產線一次過淘汰掉，可能連當初投入的資金都難以收回。而GPU廠商只是自己設計，再找其他廠商代工生產，并沒有生產線的壓力。

　　正因為如此，NVIDIA和ATI兩家大廠可以投入更多的資金在研發上，讓GPU技術快速提升，繼而讓麻省理工和哈佛的研究團隊，看到了讓電腦實現仿真大腦視覺識辨的可能。

　　GPU發展迅猛遠超CPU

　　事實上早在2003年，科技界已經看到許多關于利用GPU代替CPU的消息。此后的2005年，麻省理工學院參與到了這項工作之中。該大學的圖形研究小組運用陣列函式測試了GPU代替CPU的性能，而測試結果極度驚人。

　　在當時使用的測試程序中，小組使用了Intel C++編譯器來優化超線程和SSE指令，并且以上的運行能夠完成16和32位浮點運算。2005年，小組成員們便對幾塊A TIX800 XT和NVIDIA GeForce 6800G PU進行測試，產生的結果與一臺3.4 GHz Pentium IV PC產生的結果進行比較發現，性能非常優秀。

　　2008年，NVIDIA公司Tesla計算事業部總經理Andy Keane表示，到2010年，采用NVIDIATesla GPU構建的超級計算機，有望進入全球高性能計算機TO P500排行榜的前十位。

　　他當時談到，10系列G PU是首批擁有雙精度的NVIDIA處理器。隨著快速發展，未來G PU的性能一般每年都會翻一番，未來雙精度性能將至少比當前的速度快5倍。

　　除了性能提升，成本、功耗、占地面積也是大規模超級計算機用戶所關心的重要因素。

　　如比利時安特衛普大學原來用的超級計算機有512顆處理器核，成本是530萬美元，占用了好幾個機柜；而后來換成一臺擁有8個G PU的臺式系統，性能相當，成本只需7000美元，占地面積也大為減少。

　　人腦、電腦相互“促進”

　　據了解，在2008年11月公布的最新一期TOP 500排行榜上，NVIDIA Tesla的最好成績是第29位。這套名為“TSUBAME”的系統由NEC和SUN公司聯合研制，采用了“CPU+GPU”的混合架構，包括3萬多顆AMD Opteron和英特爾Xeon處理器內核，以及170臺T eslaS1070 1U服務器，安裝在日本東京工業大學，Linpack測試性能是77.48萬億次每秒(TFlops)，理論峰值接近170萬億次每秒。

　　此前，東京工業大學全球科技信息和計算中心主任SatoshiMatsuoka曾表示，東京工大一直在研究未來的計算平臺，發現要想實現下一步的性能跨越，必須采用G PU計算技術。“我們的應用測試發現，Tesla GPU提供了我們前所未見的加速比，而且只花了一周時間就把GPU系統部署完成。”

　　今年年中，NVIDIA CEO黃仁勛更表示，2009年是GPU引爆年，GPU可以讓WIN7較XP在一些應用中有5-10倍的提升。DirectXA PI可以提供一個很酷的效果，2009年CPU+GPU運算開啟個人運算新時代。

　　“GPU運算時代已經來臨，這需要大家共襄盛舉。”這席話是黃仁勛在NVIDIA與微軟攜手，在WIN7最新操作系統取得密切合作的背景下公之于眾的，從民用市場的角度揭示了GPU的高速發展。

　　在GPU技術高速發展的背景下，正如前面所說的，研究團隊希望藉由這項研究能夠創造出仿真大腦視覺辨識的人工智能。而隨著他們將軟件開發日益完善，越接近人類大腦辨識的結果時，又可以反過來更加了解大腦的運作模式，同時也能讓電腦運作得更像大腦。

　　視點：未來你的家用電腦，有望實現人腦功能

　　一直以來，游戲是NVIDIA GPU的強項，“我們將來還會繼續在游戲上投入巨大精力。更重要的是，它還能夠推動計算機行業的創新，因為我們可以將游戲領域所積累的經驗應用到全新領域中來。”NVIDIA方面如是說。

　　這無疑使得家用電腦未來也有機會向人腦“靠攏”埋下了伏筆。

　　不過從目前的技術演進來看，雖然已經確定了方向，但還要經過相當長的過程。此前，AMD (ATU)用自己的最高端核心架構RV 770與人類的大腦展開了一場對比。結果顯示，RV 770的計算能力和存儲帶寬分別為1TeraOps(每秒一萬億次操作)和1Tb/s，而人腦則為100TeraOps和10Eb/s，比RV 770高出100倍和10000倍。能量消耗上，單核心RV770需要150W，但人腦只需30W，這樣看來，人腦高性能和高效率是RV 770的400多倍。

　　關注：GPU沙場圖譜

　　正如前文所言，GPU市場競爭遠遠惡劣于CPU。不過隨著各品牌面向市場的不同，倒也各有各的活法。不過也并不是每一家具備GPU業務的公司，都過得很滋潤。

　　1 英特爾(intel)

　　intel不但是世界上最大的CPU生產銷售商，其實也是世界最大的G PU生產銷售商。intel的G PU在目前完全是集成顯卡，用于intel的主板和intel的筆記本。

　　2 NVIDIA

　　目前最大的獨立顯卡產銷商，其顯卡包括Geforce系列，NVIDIA也同樣銷售固化在主板上的集成顯卡，這些顯卡隨著主板一起發售，但是由于AMD兼并ATI后自身主板芯片能力提高，NV主板如日中天的景象已經不復存在。

　　3 AMD(ATI)

　　世界上第二大的獨立顯卡生產銷售商，它的前身就是ATI，也是NVIDIA最大的直接競爭對手。由于AMD兼并ATI后，其主板市場迅速擴大，已經奪取了NV在amd處理器主板的半壁江山。

　　4 Matrox

　　當年和NVIDIA、ATI一起爭奪獨立顯卡市場份額的一家公司，目前淡出民用獨立顯卡市場。但在工程用專業顯卡方面有自己的地位。其專業顯卡涉足的是2D領域CAD。

　　5 sis和via

　　硒統(sis)和威盛(via)曾是分開的兩公司，都生產自己主板的集成顯卡。但他們已經逐步淡出主板市場。

（本文來源 南 方  都 市 報 ）