【IT168 评论】凭借C语言以及Fortran语言的支持以及OpenCL和DirectXCompute等NVIDIA(英伟达)可提供的API，GPU计算现在已成主流。凭借用于CUDA的C语言，当今的GPU计算正在产生回报。

　　从模糊视频的清晰化处理：

　　“最令我中意的是：经过专门调整，vReveal在NVIDIA(英伟达)CUDA图形处理器上的运行速度最高可达五倍。这就意味着，用户能够以更短的时间完成视频增强处理并让CPU得以解放出来处理一般性日常任务。我真是幸运啊：我的显卡是NVIDIA?(英伟达?)的!”

　　到语音识别：

　　“评估结果表明，在快进算法上，CUDA系统的性能高达23.3GFLOP/s并且最多比基于单核CPU的系统快800倍。而在Baum-Welch算法上，性能为4.3GFLOP/s，相当于CPU系统的200倍，同样比CPU系统快得多。”

　　再到医学成像：

　　“没错，匹兹堡大学研究人员去年的一项研究表明，一颗NVIDIA(英伟达)GPU(图先出去)在生成肺癌CT图像方面的速度远比只使用CPU时快得多。研究人员得出结论，GPU处理能力的优势可造福各种医学成像设备和诊断方式。”

　　为了给未来铺就一条通向成功的道路，我们于8月28日在日本东京举行了一场叫做“中学生CUDA夏令营”的活动。中学生已经了解了CUDA编程。

　　在本次活动之前，有些同学已经自己用具有CUDA扩展的C语言进行过编程。但是大部分同学都还是第一次接触CUDA。

　　我们具有CUDA扩展的C语言激发了OpenCL以及其它编程接口的灵感。OpenCL、DirectCompute、我们具有CUDA扩展的C语言以及PortlandGroup的Fortran语言扩展均使用类似的概念来将并行应用程序移植到GPU(图形处理器)上。能够提供如此广泛的GPU开发环境，除了NVIDIA(英伟达)，还没有第二家这样的处理器公司。