gpu用到解密技术了吗（吓人的技术GPU到底是什么鬼）

华为说这个技术还真吓人。为什么呢？

我们知道，GPU 英文全称"Graphic Processing Unit"，即"图形处理器"。

若你现在还以为GPU只是一个图形处理器，你就OUT了。

一般而言，CPU 擅长处理不规则数据结构和不可预测的存取模式，以及递归算法、分支密集型代码和单线程程序，这类程序任务拥有复杂的指令调度、循环、分支、逻辑判断以及执行等步骤。

GPU 擅长处理规则数据结构和可预测存取模式，特别适合那些超大规模的并行密集运算多线程程序。而异构计算的理念就是同时结合CPU 和GPU 的运算能力，让它们能够各展所长，从而兼具两者的优势，实现协同计算、彼此加速的。

要研究一个东西，就要先研究它的历史。

那么，首先让我们来看看GPU的历史吧。。。

一 GPU的历史

但是，CUDA有一个非常大的缺陷就是。。。只能在NVIDIA的GPU上使用，你说郁闷不。

2007 年12 月，AMD 在Brook 的基础上推出了Fire Stream 通用计算开发工具，而CTM 改称CAL。可是，AMD突然又放弃Brook ，转而采用OpenCL（Open Computing Language）作为新的GPU计算开发语言。

2008年，NVIDIA推出了改进版GT200架构，进一步提升了性能和编程效率。与G80相比，GT200并没有实质性的变化，只是增加了晶体管，并改进了合并访问要求。2010年，NVIDIA推出了全新设计的Fermi架构，Fermi是依据高性能计算用户的要求全新设计的，提供了很多科学计算迫切需要的特性，如浮点原子函数、双精度支持、IEEE-754（2008）浮点标准等。

从GTX200到HD4870系列开始，AMD和NVIDIA两大厂商都开始提供对双精度运算的支持，这正是不少应用领域的科学计算都需要的。

2011 年，AMD 推出了其APU 架构，通过在同一芯片上集成CPU 和GPU，APU 能够提供极高的CPU 和GPU 之间的数据传输速度。但是目前AMD 还不能集成高性能的CPU 和GPU，因此其计算能力并不太高。

2012 年，AMD 推出了其新的GPU 架构GCN，GCN 吸取了NVIDIA GPU 的成功经验，放弃了VLIW，转而采用标量运算。其旗舰产品HD7970 性能大幅提升。

2012 年3 月，NVIDIA 推出了Fermi 的改进架构Kepler。Kepler 极大地降低了能耗，而在编程上面，相比Fermi，有许多大的增强，如动态并行、更快的原子操作、内核可以给自己分配计算任务、分离编译等。

2013 年，AMD 升级了其GCN 架构，推出了GCN 1. 1。相比GCN，GCN 1. 1 可集成更多核心，效率也更高。2014 年，NVIDIA 推出了Kepler 的升级版Maxwell，Maxwell 提升了核心的计算效率，降低了指令延迟。

二 GPU在显示上的能力

GPU Turbo还能够帮助实现HDR的游戏效果，有效地增强画面细节，提升画质。

为什么说HDR能提高画质？HDR到底是什么鬼？

玩摄影或图像视频处理的都知道。HDR就是高动态范围。

大家一定听过微软的体感游戏机XBOX ONE X吧？

6 Teraflop GPU可呈现更多细节，更顺畅地显示动画，让4K环境和角色更显逼真，前所未见。

XBOX ONE X对电视显示的要求是比较高的。

电视需要支持4K ULTRA HD，HDR。

HDR，全称High-Dynamic Range，是目前影像届火爆的标准，可以让你的显示画质提高到一个全新的层次，对比度更强大，光线处理更鲜明，更加真实感，现场临场感更强。

说白了就是明暗差别。能分辨的明暗层级越多，层次越多，图像越清晰。

你对比带HDR和不带HDR的图像就知道了。

GPU Turbo是一种软硬协同的图形处理加速技术，恰恰就起到了大幅提升手机性能但又有效平衡功耗的作用。它不仅打破了软硬件边界，将系统底层对传统的图形处理框架进行了重构，使得GPU图形运算整体效率提升60%，SoC能耗降低30%，提高图形渲染效率，让手机在长时间的游戏状态下保持画面平滑，不卡顿，带来高帧率状态下的持续稳定。

华为的余承东在现场介绍称，这项技术能让热门游戏满帧跑，即便是千元机也能玩大型游戏。＂我们的团队报告我这项技术的时候，真的吓了我一大跳！＂余承东说。

这个月从华为P20pro，Mate10等旗舰机开始，GPU Turbo这项技术都将通过EMUI推送升级。

三 GPU在深度学习以及区块链等新兴领域上的强大能力

更重要的是，GPU已不再仅仅是一个图形处理器了，它已经脱胎换骨，成为人工智能时代的重要核心。

目前深度学习一般都使用GPU的模式训练网络，推断网络。

这种核心数的差异直接决定了GPU更适合深度学习。

GPU的核心一般比CPU多几个数量级，目前主流的NVIDIA的显卡，一般有几千个流处理器。如NVIDIA TITAN V显卡具备110万亿次深度学习浮点运算能力，5120个CUDA核心数。CPU内核数却只是个位数。

我们知道，目前的深度学习网络主要是卷积神经网络，其主要的运算是卷积运算。而卷积运算说到底就是矩阵乘法运算。矩阵乘法运算就是许多乘加运算的并行。

看出来没，这些运算有个神奇的特点:类型高度统一，相互无依赖。因此具有多核心的GPU更适合这一计算密集型的任务。

比特币挖矿的矿机处理器就是用的GPU。

由此可见，GPU Turbo这门技术，华为绝不仅用于一个游戏这样的一个小小的领域而已，已为深度学习运算整装待发。

​