60、GPU在经济学计算中的应用与实践

GPU在经济学计算中的应用与实践

1. 引言

早期的并行计算系统可追溯到20世纪60 - 70年代，但当时仅限于专业机器，可访问性和分布范围有限，如Burroughs D825和CDC 6600。早期并行架构的发展形成了系统分类，定义了指令对数据元素的操作方式以及处理单元间共享内存的方法。主要的并行指令/数据操作分类包括单指令多数据（SIMD）和多指令多数据（MIMD）。SIMD中，相同指令以并行方式对不同数据元素进行操作；MIMD则允许对并行数据元素进行更灵活的操作设计。这些并行规范还可进一步分为共享内存和分布式内存模型。

20世纪90年代，计算硬件的进步和成本降低推动了分布式并行计算的发展。当时单核微处理器速度提升迅速，通过连接大量单核计算节点可轻松设计强大的并行计算系统，如1994年推出的Beowulf集群，该模型至今仍被广泛使用。然而，21世纪初，微处理器的速度提升受限，计算行业的系统设计重点转向多核和多处理器中央处理单元（CPU）。

与此同时，娱乐行业对高端图形的需求促使20世纪90年代开发出多核图形处理单元（GPU）。这些显卡本质上是SIMD架构，对数百万像素执行相同的浮点指令，具有大量用于浮点运算的晶体管，但用于内存管理和控制流的晶体管较少，因此消费级GPU以低成本提供了高算术运算能力。

千禧年后，一些计算科学家认识到GPU每单位算术运算能力的低成本和低功耗，开始将其用作解决科学问题的并行硬件设备，应用领域涵盖计算机科学、流体动力学、生物信息学和分子动力学等。2006年，NVIDIA发布了统一计算设备架构（CUDA），促进了通用GPU（GPGPU）计算的发展，随后各种硬件和软件供应商也开发并发布了相关工具。

尽管许多经济问题需