图形硬件简史与可编程管线
GPU发展简史
GPU英文全称Graphic Processing Unit，中文翻译为“图形处理器”，在现代计算机系统中的作用变得越来越重要
20世纪六七十年代，受硬件条件的限制，图形显示器只是计算机输出的一种工具，限于硬件发展水平。人们只是纯粹从软件实现的角度来考虑图形用户界面的规范问题，此时还没有GPU的概念
GPU概念在20世纪70年代末和80年代初被提出，使用单片集成电路作为图形芯片，此时的GPU被用于视频游戏和动画方面，它能够很快的进行几张图片的合成（仅限于此）。在20世纪80年代末到90年代初这段时间内，基于数字信号处理芯片的GPU被研发出来，与前代相比速度更快，功能更强，当然价格是非常的昂贵。在1991年，S3 Graphics公司研制出第一个单芯片2D加速器，到了1995年，主流的PC图形芯片厂商都在自己的芯片上增加了对2D加速器的支持
1998年NVIDA公司宣布modern GPU研发成功，标志着GPU研发的历史性突破成为现实，通常将20世纪70年代末到1998年的这一段时间，称为pre-GPU时期，而自1998年往后的GPU称为modern GPU，在pre-GPU时期，一些图形厂商如SGI、Evans & Sutherland，都研发了各自的GPu，这些GPU在现在并没有被淘汰，依然在持续改进和被广泛的使用，当然价格也是非常的高昂。modern GPU使用晶体管( transistors）进行计算，在微芯片( microchip）中，GPU所使用的晶体管已经远远超过CPU。例如，Intel在2.4GHz 的Pentium lV上使用5千5百万(55million）个晶体管;而NVIDIA在GeForce FX GPU上使用超过1亿2千5百万( 125 million）个晶体管，在NVIDDIA 7800 GXT上的晶14体管达到3亿2百万( 302 million)个。
回顾GPU的发展历史，自1998年后可以分为4个阶段。NVIDIA于1998年宣布Modern GPU研发成功，这标志着第一代Modern GPU的诞生，第一代GPU包括NVIDIA TNT2，ATI 的Rage和3Dfx的Voodoo。这些GPU可以独立于CPU进行像素缓存区的更新，并可以光栅化三角面片以及进行纹理操作，但是缺乏三维顶点的空间坐标变换能力，这意味着“必须依赖于CPU执行顶点坐标变换的计算”。这一时期的GPU功能非常有限，只能用于纹理组合的数学计算或者像素颜色值的计算。
1999年，nvidia推出了一款可以用“惊变”来形容的显示核心代号NV10的geforce 256。nVidia率先将硬体T&L整合到显示核中。T&L原先由CPU负责,或者由另一个独立处理机处理。T&L是一大进步,原因是显视核心从CPU接管了大量工作。硬件T&L引擎带来的效果是，3D模型可以用更多的多边形来描绘，这样就拥有了更加细腻的效果。而对于Lighting来说，CPU不必冉计算大重的光照数据，直接通过显卡就能获得更好的效能。同时，这一阶段的GPU对于纹理的操作也扩展到了立方体纹理(cube map） 。NVIDIA的GeForce MAX，ATI的Radeon 7500等都是在这一阶段研发的。
2001年是第三代modern GPU的发展时期，这一时期研发的GPU提供vertex programmability (顶点编程能力），如GeForce 3，GeForce 4Ti，ATI的8500等。这些GPU允许应用程序指定一个序列的指令进行顶点操作控制(GPU编程的本质! )，这同样是一个具有开创意义的时期，这一时期确立的GPU编程思想一直延续到今天，不但深入到工程领域帮助改善人类日常生活（医疗、地质勘探、游戏、电影等），而且开创或延伸了计算机科学的诸多研究领域（体绘制、光照模拟、人群动画、通用计算等）。同时，Direct8和OpenGL都本着与时俱进的精神，提供了支持vertexprogrammability 的扩展。不过，这一时期的GPU还不支持像素级的编程能力，即fragment programmability （片段编程能力）。
所谓Vertex，就是我们熟悉的组成3D图形的顶点，由于设计3D模型是基于坐标空间内部设计的，所以Vertex信息包含了3D模型在空间内的坐标等信息。Vertex Shader则是对于Vertex信息的运算编程器，可以通过赋予特定的算法而在工作中改变3D模型的外形，Vertex Shader顶点运算单元可以直接检索显存中的材质数据。现在的游戏场景越来越复杂了。所涉及到的材质和多边形数量都非常惊人。顶点材质技术可以极大的提高GPU在处理复杂的游戏场景时的效率。并且游戏开发人员还可以利用Vertex Shader的这一新的特性，充分发挥想象，实现很多非常漂亮的特效。例如在星际争霸2demo片中展示的神族母舰黑洞的技能效果。
第四代GPU的发展时期从2002年末到2003年。NVIDIA的GeForceFX和ATI Radeon 9700同时在市场的舞台上闪亮登场，这两种GPU都支持vertex programmability和fragmentProgrammability。同时DirectX和OpenGL也扩展了自身的API，用以支持vertex programmability和fragment programmability。自2003年起，可编程图形处理器正式诞生，并且由于DirectX和OpenGL锲而不舍的追赶潮流，导致基于图形硬件的编程技术简称GPU编程，也宣告诞生。
GPU的优越性
由于GPU具有高并行结构，所以GPU在处理图形数据和复杂算法方面拥有比CPU更高的效率。CPU大部分面积为控制器和寄存器，与之相比，GPU拥有更多的ALU (Arithmetic Logic Unit,逻辑运算单元）用于数据处理，这样的结构适合对密集型数据进行并行处理。
GPU采用流式并行计算模式，可对每个数据进行独立的并行计算，所谓“对数据进行独立计算”，即，流内任意元素的计算不依赖于其它同类型数据，例如，计算一个顶点的世界位置坐标，不依赖于其他顶点的位置，所谓“并行计算”是指“多个数据可以同时被使用，多个数据并行运算的时间和1个数据单独执行的时间是一样的”。所以，在顶点处理程序中，可以同时处理N个顶点数据。
GPU的缺陷
由于“任意一个元素的计算不依赖于其它同类型数据”，导致“需要知道数据之间相关性的”算法，在GPU上难以得到实现，一个典型的例子是射线与物体的求交运算。GPU中的控制器少于cPU，致使控制能力有限。另外，进行GPU编程必须掌握计算机图形学相关知识，以及图形处理APl，入门门槛较高，学习周期较长，尤其国内关于GPU编程的资料较为匮乏，这些都导致了学习的难度。在早期，GPU编程只能使用汇编语言，开发难度高、效率低，不过，随着高级Shader language的兴起，在GPU上编程已经容易多了。
GPU的更多应用
科学可视化计算:由于人体CT、地质勘探、气象数据、流体力学等科学可视化计算处理的数据量极大，仅仅基于CPU进行计算完全不能满足实时性要求，而在GPU上进行计算则可以任双率上运到质的突破，许多在CPU上非常耗时的算法，如体绘制中的光线投射算法，都可以成功移植到GPu上，所以基于GPU的科学可视化研究目前已经成为主流。
通用算法:基于GPU进行通用计算的研究逐渐成为热点，被称之为GPGPU ( General-Purpose Computing on Graphics ProcessingUnits,也被称为GPGP，或GP2)，很多数值计算等通用算法都已经在GPU上得到了实现，并有不俗的性能农现，日E，线t八效，物理仿真和光线跟踪算法都已经成功的移植到GPu上。在国内，中国科学院计算技术研究所进行了基于GPU的串匹配算法的实现。
