经过多年的尝试，图形处理单元(GPU)开始受到主流服务器厂商的重视，作为第一批在高性能计算(HPC)上采用GPU的一线服务器厂商，戴尔的应用和解决方案更有其独到之处。为进一步了解戴尔 GPU解决方案的特点及创新技术，IT168记者采访戴尔高性能计算高级顾问凌巍才。
GPU计算适合哪些应用?
GPU计算诞生之初，主要作为电子游戏等高速图形加速器，但服务器厂商很快发现它除了在游戏渲染方面有出色的表现外，在科学算方面也有先天性优势。
凌巍才谈道，带有GPU的混合架构的并行计算是高性能计算发展的趋势。高性能计算发展的最初，是一些大型的主机，CPU共享内存; 90年代末，基于Linux Cluster技术出现;最近几年，利用GPU进行科学计算成为一种新的发展趋势。
他指出， GPU是完全脱离开CPU的计算架构，计算核数非常多。一个CPU通常只有4核、6核、8核或者16个核，而在GPU里，Tesla一个卡上面就有448个核，所以GPU和CPU在物理架构上不同，这导致应用程序在不同架构上面跑的时候也有不同的特性。
GPU计算核数非常多，如一个Tesla M2075 的GPU卡有448个核，内存6GB，比较适合数据集不是很大、但是并行非常多的应用，比如基因序列比对等。
CPU处理的内存很大，有的达到512GB，甚至2TB，核数现在通常有4核、6核、8核等，很多个处理器在一起运行，这类架构比较适合数据集比较大、不好分块处理但有一定并行度的应用软件，比如说基因拼装等应用软件。
