Cuda的最终目的是简化GPU计算的编程
CUDA的根本目的就是简化GPU计算的编程，使得人们更为快捷地开发基于GPU计算的应用。 邓培智谈到，历史上来看，GPU从计算角度来说，性能提升比CPU性能提升快很多。GPU计算能力这么强，除了做图形处理之外，很多人还打算利用GPU强有力的计算能力进行其他应用，就是通用计算。尽管传统意义上的通用用途的GPU(GPGPU)能够参与通用计算和处理，但使用GPU计算很麻烦，过去的GPU完全是为图形进行设计的，它是一个非常专用的处理器，你要使用GPU 来做计算的话，你需要透过图形API进行，通过这种图形的API来访问GPU计算核心，你必须要把你的计算所需要的数据，通过API假设这种计算是3D的计算，然后你要走过一遍图形处理过程，才能得到计算结果。第一，编程非常复杂，第二，效率也不会达到很高。因为中间必须要走过渲染的过程。
“但是对于真正需要并行计算的人，比如说科学家，不可能让他们再学习图形编程的技术，普通开发者大部分也没有图形编程的经验。在这种情况下，NVIDIA认为可以把并行计算和图形结合起来，所以就催生和开发了CUDA。”
据了解，CUDA的项目和NVIDIA的GeForce 8系列架构的开发时间差不多。NVIDIA GeForce8系列是花了4年多时间开发，CUDA也是那个时候开发的。NVIDIA GeForce 8 GPU开发的时候就考虑到了图形和并行计算两方面的需求。所以NVIDIA GeForce 8800系列发布的时候就宣布了CUDA，这是一种全新的GPU计算开发环境。
CUDA对于行业的价值
低成本地拥有高性能服务器
邓培智谈认为，cuda相对于传统的服务器集群以及超级计算机在性价比、占地空间、功耗等方面的优势非常明显。CUDA对于行业的价值，通过CUDA和支持CUDA GPU，两者结合在一起，所有的厂商很容易利用GPU强大的计算能力做各种各样的并行计算工作，这就是最大的价值。这一切使得每个人都可以低成本的拥有自己的桌面超级计算机成为可能，而不是大家来共享一台大型的超级计算机。正如NVIDIA Tesla GPU 计算事业部高级产品经理Sumit Gupta所言，这不是简单的芯片的性能提升，而是带来了一种全新的、具有革命性的计算模式。
CUDA架构应用
据了解，假设要构建一个具有100万亿次规模的数据中心，如果完全采用基于CPU 的1U服务器，需要用到1429台四核服务器，成本高达310万美元，功耗571KW；而如果采用CPU+GPU的异构模式，则仅需要25台CPU服务器和25台Telsa系统，仅需31万美元，功耗只有27KW。
