【IT168 评论】当CPU的串行计算方式成为高性能计算中所强调的并行计算性能提升的瓶颈，专门为大规模并行计算而设计的GPU理所当然的浮出水面，开辟高性能计算的新天地。GPU所具备的卓越浮点性能可为众多科学应用程序带来显著的性能提升，在GPU计算模型中，在一个异构计算模型中同时使用CPU和GPU，应用程序的顺序部分在CPU上运行，计算密集型部分在GPU上运行，这样实现了计算资源的最大化利用，在科学计算中，GPU的强大并行处理能力能体现出更大的优势。在高性能计算需求最大的生物科学领域，GPU计算将引领计算的新方向。

　　NVIDIA宣布推出Tesla生物工作台，这是一个新的计划，汇集运行GPU加速生物科学应用程序所需的计算组件，利用GPU的强大性能，降低HPC应用的门槛，为生命科学研究人员和科学家提供一个以GPU为核心的工作台。

Tesla生物工作台

　　简单的说，Tesla生物工作台包含一系列GPU可处理的生物科学代码、一个Web社区站点提供代码的下载、一个论坛用来交流信息，当然，还包括装备Tesla GPU的工作站和集群。这个计划所做的实际就是告诉生物科学研究人员，所需的应用程序和硬件就在这里，并可以和更多的专业人员进行交流。

　　在过去的两年中，GPU能处理的生物学应用显著增加，这要归功于CUDA接口的增加，让很多分子动力学和量子化学的软件包可以运行在NVIDIA的GPU上，比如AMBER、GROMACS、NAMD、TeraChem、VMD的代码，还包括一些复杂的生物学代码如CUDA-SW++、GPU-HMMER和MUMmerGPU等。所有的这些代码都可以通过Tesla工作台从相应的站点来下载，其中一部分是免费的，特别是如果用于学术研究。

　　这一切背后的动机是NVIDIA认识到生物学计算是GPU加速最容易获取的果实之一，相比单纯的CPU计算，生物科学计算应用GPU可以获得10到100倍的性能提升，这对NV而言是不会注意不到的。“生物科学计算可能会是GPU计算应用最大的领域。”NVIDIA Tesla部门高级产品经理Sumit Gupta这样认为，原因是很多小型和中型生物研究项目中，成本和复杂的高性能计算是最大痛点。

在AMBER中不同平台的对比

　　例如，基于CUDA的GPU加快了AMBER中Generalized Born和PMEMD的模拟速度。当采用基于CUDA架构的Tesla GPU计算解决方案时，AMBER能够实现7至8倍的速度提升。