Eileen Shen
國家高速網路與計算中心於高雄舉辦 2009 年亞洲高速計算會議與環太平洋先進網路國際會議，會中 NVIDIA 即針對具高速運算特性的 GPU 如何讓電腦成為超級電腦以及目前 NVIDIA 對於 GPU 市場現況提出見解。
NVIDIA Tesla Supercomputing 總經理 Andy Keane 表示，GPU 的平行運算特性適合大量資料運算需求，核心數也已發展出 240 個，能夠滿足高速、即時的運算需求。「根據數據顯示，執行 CUDA（GPU 開發程式）的 GPU，相較於 CPU 能夠節省 24 倍的功耗，且速度較 CPU 快 60 倍。」
「NVIDIA 近幾年來致力將 GPU 推向高階應用市場，透過 GPU 多核心的優勢執行平行運算，在某些大量或即時運算上更符合需求。」NVIDIA TASA PSG Sales 系統工程師李宗育表示，NVIDIA 從 07 年起開始推動超級電腦的概念，硬體方面從第一版的 G80 到現在的 G200，搭配周邊硬體與主機板卡廠商進行許多整合與穩定度測試；軟體方面從 GPU 開發平臺 CUDA 、相關開發套件等也提供不少開發資源，目前將 GPU 做為高速運算的應用上，在研究機構以及學校單位已有不少導入採用，「另外像是 IC 晶圓製造產業、製藥產業等也都有相關的應用。」
李宗育表示，不少企業需要透過叢集電腦 (Cluster) 執行大量運算，如果採用 GPU 超級電腦更能滿足需求。不過，以目前來看，所謂的企業應用指的是晶圓製造或基因研究等方面的需求，而商業應用的可能性呢？
「資料庫的應用是未來可能的發展方向，」李宗育表示，資料庫需要快速搜尋與排序，有時甚至得進行字串的比對，如果透過 GPU 來執行，速度能夠提升許多，「如果資料庫有壓縮需求也很適合使用 GPU，因為壓縮同樣需要大量運算。」
不過，企業較注重應用程式以及系統的穩定性，這部分仍需要時間的累積。
目前要想開發 GPU 執行功能，可透過 NVIDIA 提供的專屬開發平臺 CUDA 撰寫程式，這套 CUDA 近似於 C 語言，NVIDIA 並提供許多既有範例程式讓開發者參考採用，「CUDA 和開發套件 SDK 可免費下載使用。」
此外，軟體開發商 PGI 提供支援 CUDA 轉換編譯器，「由於 PGI 的 Fortran 是具歷史的程式語言，其擁有相當豐富的數值運算函式庫，將這些程式碼移植到 CUDA 相當耗費人力，因此透過轉換編譯器即可將需要平行運算的程式碼轉換平行化處理，如果是 Fortran 使用者就不需要再另學 CUDA 。」