2010年，GPU在高性能计算领域迎来了令人瞩目的成绩。在TOP500全球超级计算机排行榜中，冠军天河1A，季军星云和排名第四的日本Tsubame都使用了Tesla GPU。一瞬间，GPU 成为HPC 业界当仁不让的明星。

　　想要实践GPU的高校也正在增加。在2010年底，清华大学百万亿次超算平台始建，采用的正是CPU-GPU协同加速技术。而南京大学，几年前就开始了对GPU的测试，并在几个月前贴出了对GPU 服务器的招标启事。

　　一项技术要取得长足的发展，必须有产业界的支持。尽管Intel对GPU总是不屑一顾，但nVIDIA却是GPU坚定的支持者。在2010年底，nVIDIA公司创始人黄仁勋说，“过去的约10年中，TOP500 全球最高速超级计算机的总运算性能提升速度基本上和摩尔定律保持一致。而在2007年左右，TOP500超级计算机的性能开始明显地加速上涨。这一时间点，正是GPU被引入超级计算机的开端。”

　　从技术上来说，GPU 的发展并不是一帆风顺的。首先，GPU本身是一个特殊的多核处理器，并不是所有的计算都适合这样的结构；其次，还需要开发新的算法和软件。现成的软件不可能通过重新编译就能充分利用GPU的计算效能，必须要做一些移植和再开发，对于很多人来讲，或者对于很多企业来讲，这是一个很高的门槛。

　　不过随后CUDA(Compute Unified Device Architecture)平台的推出，极大地推动了GPU在高性能计算中的应用。

　　业界此前就有质疑的声音出现：未来GPU与CPU谁将是胜者？一些人认为GPU最终将代替CPU，另一些观点则恰好相反；而更多的人相信，未来它们将是融合而非战争。事实正在证明第三种猜测。天河1A 使用了超过14000颗CPU，辅以7168颗Tesla M2050 GPU，总运算能力2.5PFLOPS，成为当今全球最强的超级计算机。

　　据称天河1A 将GPU 加速的效率从20% 提升到了70%。但是与此同时，CPU与GPU的结合面临着巨大的挑战。“根据我们实验室的测试，当C PU 利用率越高时，G P U 的利用率就越低，二者之间的此消彼长使得这种GPU 与CPU 的融合无法达到完美效果。”南京大学周会群教授说，“我们今后很重要的任务就是解决平衡问题，利用GPU 和CPU 来设计我们的并行计算软件，这是相当大的挑战。”