在这一点上，黄仁勋说得不无道理，NVIDIA曾在9月底发布了首个OpenCL驱动，适用于Windows、Linux和Mac操作系统。我们也不得不承认NVIDIA在平台的多样性和开放性上作出了不小的努力。

　　“我们推出了世界首款OpenCL驱动，也拥有全球首款同时也是最好的DirectCompute驱动，我们非常重视与微软和苹果等公司在这一方面的合作。”

　　“DirectCompute和OpenCL目前只针对一套操作系统，而CUDA是跨平台的，甚至在未来的Android手机上都可以实现并行运算。CUDA是最为开放也最唾手可得的GPU计算平台。”

　　GeForce GT 240的核心和shader频率分别为550MHz和1340MHz，预计将于本月稍晚时候上市。

　　当被问到NVIDIA为何不采取像“Intel Inside”这样的营销策略时，黄仁勋的回答显得十分意味深长：“‘Intel Inside’实际上是‘Money Inside’，它就像一门大炮，在里面塞满了钞票，然后“砰”的一声打出去，再塞满钱，再打出去。当然，英特尔是一家实力雄厚的大企业，他们有资本这么做。而我们的策略是把钱投资在研发方面，我们的研发工程每一年都在不断扩展，并且只专注于视觉计算和并行计算。我们对于这方面的投资是无人能及的，因此我们才能创造像CUDA这样的技术。”

　　“虽然我们并没有刻意在做营销，没有投广告，也没有造钞票大炮，但是由于我们的产品能为用户带来真正的好处，NVIDIA和GeForce在中国的计算领域已经是无人不知无人不晓。我们一直致力于提供好的产品，提供良好的用户体验，让消费者信任我们，并爱上我们的产品，这才是我们的策略。”

　　黄仁勋的话听起来就像是在讽刺英特尔的本事就是会砸钱，而自己才是脚踏实地地研发产品。当然，这样的口水战我们已经屡见不鲜，相信大家都各有自己的看法。事实上，无论谁更能说会道，产品的性价比才是赢得民心的最佳武器。

NVIDIA CEO 黄仁勋、 NVIDIA 首席科学家 Bill Dally 与“NVIDIA CUDA编程竞赛”获奖学生合影

　　NVIDIA（英伟达）联合创始人、总裁兼首席执行官黄仁勋先生当天表示：“中国科学院过程工程研究所和清华大学都是中国顶尖的学府和科研机构，我们授予它们CUDA卓越中心的称号将有助于推进他们在GPU计算领域的研究，并使GPU计算成为推动中国自主创新能力的重要力量。”CUDA是由NVIDIA（英伟达）推出的通用并行计算架构。该架构充分将GPU强大的并行计算能力调动起来，使GPU能够在解决复杂计算问题上发挥其先天的优势。开发人员现在仅使用C语言（C语言是应用最广泛的一种高级编程语言），就能在基于CUDA架构的GPU（图形处理器）上编写程序，所编写出的程序可以在支持CUDA的处理器上以超高性能运行。 CUDA将来还会支持其它语言，包括FORTRAN， Python以及C++。

　　截止到目前全球已经有超过250所大学开设了CUDA编程和GPU计算的课程，仅在上个季度CUDA开发工具包就被下载了超过90,000次。令人可喜的是，在全球掀起GPU计算浪潮的同时，中国的科研院所、高等学府和企业不仅没有落后，相反在包括油气勘探、离散模拟、三维扫描等领域利用GPU计算方面走到了世界的前沿，GPU计算为中国提高自主创新的能力提供了的绝佳机会。

　　中国科学院副院长李静海院士表示：“中国科学院过程工程研究所一直致力于多尺度模拟的研究工作，提出通过问题、软件和硬件结构的相似性来提高计算效率，GPU为实现这一多尺度计算模式提供了机遇。该所成功借助GPU实现了高效低成本的多尺度并行计算，并在复杂多相反应器、生物和材料分子、纳微系统、二三次采油和测量数据处理等领域获得了良好的应用效果。该所通过项目合作还有力带动了中科院的其它单位和企业在CPU－GPU协同计算方面的开发与应用。相信这种新兴的模式将会成为中国超级计算发展的重要方向。”

　　清华大学计算机系高性能所（HPC）的陈文光教授表示：“清华大学已经展开对CUDA编程的多项研究和应用，并开展了进一步增强GPU可编程性的研究工作。相对于传统的CPU计算来说，GPU为大规模并行计算提供了一种新的选择，具有很大的发展潜力。”

　　为进一步扩大CUDA 的应用，中国科学院过程工程研究所不仅会举办CUDA编程与应用的讲座，还将应用CUDA建立针对多尺度计算流体力学和分子动力学模拟的大规模并行计算软件，并应用于反应器设计、优化与控制，生物与材料分子结构与功能的研究等领域。同时着手编撰有关CUDA编程与应用的专著。力争在三年内建成应用CUDA技术的多相系统多尺度模拟的软硬件平台。

　　清华大学在CUDA教育推广方面已经走在了全国的前列，微电子研究所副教授邓仰东开展了CUDA培训课程，已有来自全国的300多名学生参加；薛巍博士已经为本科生教授包含CUDA编程的“并行编程”课程，吴永卫博士则在其研究生课程班上开设“并行程序设计实践”。

　　GPU计算对于国内的编程人员并不陌生，之前有随机对12所大学的1700名学生进行调查。有将近56%的大学生听说过基于CUDA利用GPU进行的并行计算，并有69%的学生表示有计划基于CUDA和GPU进行开发。为了鼓励更多的在校编程爱好者学习基于CUDA和GPU计算的编程，NVIDIA（英伟达）联合创始人、总裁兼首席执行官黄仁勋先生在活动当天还为在之前在中国成功举办的NVIDIA（英伟达） CUDA 编程竞赛中获奖的学生进行颁奖，授予他们CUDA未来之星的称号。

NVIDIA 授予中科院过程工程研究所和清华大学“CUDA卓越中心”荣誉

　　日前该视频软件已更新到1.1版本，具体改进如下：

* 稳定性更佳

* 可直接上传至Facebook

* 支持视频输出为DivX格式

* 增加对NVIDIA G80系列显卡的支持

大家可以点击这里免费下载vReveal 1.1（30天试用版）。

最低配置要求：

* 操作系统：Windows XP或Vista

* 处理器：Intel或AMD 1.6GHz CPU

* 内存：1GB

* 硬盘：50MB可用剩余空间

　　纵观GPGPU的现状，目前已经有OpenCL和微软的DirectX等技术，而AMD和NVIDIA都实现了对上述技术的支持，但是如果论各自的GPU标准，NVIDIA的CUDA技术无论是在知名度或应用广泛性上都比Stream要胜出一筹。

　　另外，CUDA要想在AMD GPU上运行的话，NVIDIA必然需要得到AMD的支持，但是NVIDIA自己都认为AMD是不会答应的。与此同时，NVIDIA的PR主管Derek Perez也明确表示，NVIDIA同样不会支持Stream技术。消息来源：[INQ]

　　NVIDIA的首席科学家Bill Dally在日前的一次会议上谈论到GPGPU技术时，暗示AMD也有望支持NVIDIA的CUDA技术。

　　Bill Dally表示：“以后大家可以在更多的平台上应用CUDA技术，我相信平台的不同将不会成为限制”。虽然没有明确点名AMD，但是Dally称“我们正努力在其他平台上实现CUDA技术的支持”。

　　Dally称，“AMD所运用的Brook编程语言有着很大的局限性，而CUDA可以提供更为丰富的编程环境”，而且“CUDA比Stream所提供的应用丰富得多。”

　　至于NVIDIA是否担心AMD在支持CUDA技术以后具有更强竞争力的问题，Dally显得信心满满：“我们并不在乎CUDA是否运用于更广阔的平台，因为我们的GPU是最好的，在公平的竞争环境下，我相信用户仍然会选择我们的产品”。消息来源：[Techradar]

　　NVIDIA近日发布了用于GPU通用计算技术的CUDA 2.2版开发工具包和SDK。新版本增加了一些新的新特性，并首次提供了对Windows 7操作系统的支持。因此，CUDA 2.2目前支持的操作系统包括Windows XP/Vista/Win7 32/64-bit、Mac OS X以及多款Linux 32/64bit的不同发行版本。 　　硬件方面，CUDA 2.2支持的显卡型号包括GeForce G/GT/GTS/GTX 200/100系列、GeForce 9/8系列显卡，包含桌面独立/整合显卡和移动独立显卡，同时还支持Quadro FX/Plex系列专业显卡、Quadro NVS系列商用显卡以及Tesla系列通用计算平台。 CUDA开发工具包2.2版的新增特性包括：

* CUDA Visual Profiler图形化性能检测工具新增显存使用图，可有效监控GPU C语言程序的显存使用状况。* 改进OpenGL互操作性，提升医疗成像及其他应用中，当在不同Quadro GPU上分别运行CUDA应用和OpenGL图形渲染时的性能表现。* Pitch Linear Memory纹理，为视频处理应用提供两倍带宽。* Zero-copy功能可令程序直接读写系统内存，减少在CPU和GPU内存之间互拷数据的频率和数量，提升性能。该功能支持MCP7x和GT200以上GPU。* Pinned Shared System功能，可让多颗GPU读写系统内存的同一区域，占用更少系统内存。同时提升性能。* Vista下支持异步内存拷贝功能，其他系统之前已经支持该功能。* 新增GPU硬件Debugger。* 独占设备模式，可允许软件独占使用一颗GPU的全部资源，保证其运算能力100%应用在该程序上。

　　MediaShow Espresso 视频转换软件卖39.95美元，支持含中文的多国语言，软件大约50MB左右，但未发现到有下载试用。

PS. NVIDIA官网也发布相关新闻