谈CUDA和OpenCL的差异和发展前景

【前言】谈CUDA和OpenCL的差异和发展前景由文秘帮小编整理而成，但愿对你的学习工作带来帮助。CUDA在这方面显然受更多开发者青睐。原因在于其统一的开发套件（CUDAToolkit， NVIDIA GPU Computing SDK以及NSight等等）、非常丰富的库（cuFFT，cuBLAS， cuSPARSE， cuRAND， NPP， Thrust）以及NVCC（NVIDIA的CUDA编译器）所具备的PTX（一种SSA中间表示，为不同的...

摘 要：cuda是一种由NVIDIA推出的并行计算架构，非常适合大规模数据密集型计算。CUDA使GPU的超高计算性能在数据处理和并行计算等通用计算领域发挥优势，本文讨论了CUDA的计算架构和基于GPU的CUDA C编程语言，CUDA使GPU流处理器阵列的性能得到充分发挥。极大地提高了并行计算程序的效率。

关键词：opencl；CUDA

从很多方面来看，CUDA和OpenCL的关系都和DirectX与OpenGL的关系很相像。如同DirectX和OpenGL一样，CUDA和OpenCL中，前者是配备完整工具包、针对单一供应商（NVIDIA）的成熟的开发平台，后者是一个开放的标准。

虽然两者抱着相同的目标：通用并行计算。但是CUDA仅仅能够在NVIDIA的GPU硬件上运行，而OpenCL的目标是面向任何一种Massively Parallel Processor，期望能够对不同种类的硬件给出一个相同的编程模型。由于这一根本区别，二者在很多方面都存在不同：

1 开发者友好程度。

CUDA在这方面显然受更多开发者青睐。原因在于其统一的开发套件（CUDAToolkit， NVIDIA GPU Computing SDK以及NSight等等）、非常丰富的库（cuFFT，cuBLAS， cuSPARSE， cuRAND， NPP， Thrust）以及NVCC（NVIDIA的CUDA编译器）所具备的PTX（一种SSA中间表示，为不同的NVIDIA GPU设备提供一套统一的静态ISA）代码生成、离线编译等更成熟的编译器特性。相比之下，使用OpenCL进行开发，只有AMD对OpenCL的驱动相对成熟。

2 跨平台性和通用性。

这一点上OpenCL占有很大优势（这也是很多National Laboratory使用OpenCL进行科学计算的最主要原因）。OpenCL支持包括ATI，NVIDIA，Intel，ARM在内的多类处理器，并能支持运行在CPU的并行代码，同时还独有Task-Parallel Execution Mode，能够更好的支持Heterogeneous Computing。这一点是仅仅支持数据级并行并仅能在NVIDIA众核处理器上运行的CUDA无法做到的。

3 市场占有率。

作为一个开放标准，缺少背后公司的推动，OpenCL显然没有占据通用并行计算的主流市场。NVIDIA则凭借CUDA在科学计算、生物、金融等领域的推广牢牢把握着主流市场。再次想到OpenGL和DirectX的对比，不难发现公司推广的高效和非盈利机构/标准委员会的低效（抑或谨慎，想想C++0x）。

我接触的很多开发者（包括我本人）都认为，由于目前独立显卡市场的萎缩、新一代处理器架构（AMD的Graphics Core Next （GCN）、Intel的Sandy Bridge以及Ivy Bridge）以及新的SIMD编程模型（Intel的ISPC等）的出现，未来的通用并行计算市场会有很多不确定因素，CUDA和OpenCL都不是终点，我期待未来会有更好的并行编程模型的出现（当然也包括CUDA和OpenCL，如果它们能够持续发展下去）。

观点1

（1）CUDA有远好于OpenCL的生态系统，更易用，对程序员更友好。OpenCL的API设计怪异，缺乏一致性，功能亦不正交，很不直观，远未成熟。

（2）OpenCL的portability被夸大了，事实上根据我的经验，AMD和NV的OpenCL实现，组合行为是有差异的，并且有些十分隐蔽，难于调试。而且同样的代码在AMD和NV是有性能差异的，有时候差异非常大，为了一致的性能不得不写两套代码。如果有更多的vendor呢？

（3）OpenCL作为开放的标准，完全依赖于厂商的实现，不同厂商支持标准不同。如果NV放弃支持OpenCL，那它还是通用的开放的标准吗？

（4）即使NV倒闭，会有OpenCUDA出现的。

现在AMD在推新的HSA，其IL类似NV的PTX，不知是何用意。Java会在未来（JAVA 9？ 2015？）支持NV/AMD GPU加速。OpenCL的美好只存在于未来，问题是这个未来有多远。

观点2

（1）CUDA与OpenCL的联系并不是矛盾关系，而是互相辅助关系，OpenCL其实就是一个API，在最低一个级别，CUDA架构是更高地一个级别，这个架构上不论是OpenCL还是DX11这样的API，或是像C语言、Fortran、DX11计算，都可以很好地支持。程序开发员来说，一般他们只懂这些语言或者API，可以利用多种语言开发自己的程序，不论程序员选择什么语言，只要是希望调用GPU的计算能，在这个架构上都可以用CUDA来编程。

（2）关于OpenCL和CUDA之间的技术区别之处，体现重点在实现方法上。基于C语言的CUDA被包装成一种简易编写的实用代码，所以即使是不熟悉芯片构造的科研人员，也能利用CUDA工具编写出实用的程序。OpenCL虽然句法上与CUDA接近，OpenCL它更加强调底层操作，因此操作难度较高，但正因为如此，OpenCL才能跨平台良好地运行。

参考文献：

[1]钱悦.图形处理器CUDA编程模型的应用研究[J].计算机与数字工程2008，36（12）.