由于CPU的性能提升并不是无止境的，这也就催生出计算技术向多样化发展，而不仅仅依赖于传统的计算平台。当计算技术进一步细化，GPU作为一种独立的计算单元，以其优异的运算性能脱颖而出，为计算技术的革新带来了一种新的思路。

    GPU计算是指利用图形卡来进行一般意义上的计算，而不是传统意义上的图形绘制。时至今日，GPU已发展成为一种高度并行化、多线程、多核的处理器，具有杰出的计算功率和极高的存储器带宽。

    GPU计算得到了业界的广泛支持，NVIDIA、AMD、INTEL等都对芯片市场的微妙变化和GPU计算的技术发展前景都极为关注，并展开了激烈的技术竞赛。  

GPU计算方案配置选择，主要考虑以下因素：

  1. 计算比例，通常应用程序的执行需要GPU与CPU协同完成，可根据GPU计算部分所占比重，配置节点GPU卡密度;

  2. 计算规模，根据不同应用数据规模及计算类型，可以选择单机单GPU卡、单机多GPU卡和GPU集群应用模式;

  3. 数据通信，在GPU集群模式下，可根据应用程序对集群通信带宽及延迟的需求，选择高速Infiniband网络或万兆网络;

  4. 存储系统：单节点应用模式下一般数据量比较小，对存储系统性能要求不高，一般采用本地存储;集群环境下，应用数据量比较大，一般配置大容量、统一、高速的并行文件系统，另外对一些特殊应用，如石油、天然气应用，可以在每个GPU计算节点内部配置SSD硬盘，作为分级存储使用，加速节点内部数据交换;

  5. 管理调度，合理选择GPU集群的作业调度和监控系统，可以提升集群的使用效率，降低维护成本。