1.3 WHY MORE SPEED OR PARALLELISM?

正如我们在第1.1节中所述，大规模并行编程的主要动机是应用程序在未来几代硬件中享受持续的速度增长。人们可能会质疑应用程序是否会继续要求提高速度。我们今天拥有的许多应用程序似乎运行得足够快。正如我们将在案例研究章节中讨论的那样（见章节：应用案例研究-非笛卡尔核磁共振，应用案例研究-分子可视化和分析，以及应用案例研究-机器学习），当应用程序适合并行执行时，GPU上的良好实现可以实现比单个CPU核心上顺序执行的100倍以上（100倍）加速。如果应用程序包含我们所说的“数据并行性”，通常只需几个小时的工作就可以实现10倍的加速。除此之外，我们邀请您继续阅读！

尽管当今世界有无数的计算应用程序，但未来许多令人兴奋的大众市场应用程序是我们以前认为的“超级计算应用程序”或超级应用程序。例如，生物学研究界正越来越多地进入分子水平。显微镜可以说是分子生物学中最重要的仪器，用于依赖光学或电子仪器。但是，我们可以用这些仪器进行分子水平的观察是有限的。通过结合计算模型来模拟传统仪器设置的边界条件的潜在分子活动，可以有效地解决这些局限性。通过模拟，我们可以测量比传统仪器所能想象的更多的细节和测试更多的假设。在可预见的未来，这些模拟将继续受益于计算速度的提高，即可以建模的生物系统的大小和可以在可容忍的响应时间内模拟的反应时间长度。这些增强功能将对科学和医学产生巨大影响。

对于视频和音频编码和操作等应用程序，请考虑我们对数字高清（高清）电视与旧NTSC电视的满意度。一旦我们体验了高清电视的细节水平，就很难回到旧技术。但请考虑那台高清电视所需的所有处理。这是一个非常平行的过程，就像3D成像和可视化一样。未来，低分辨率视频的视图和高分辨率显示等新功能将需要更多的电视计算能力。在消费者层面，我们将开始拥有越来越多的视频和图像处理应用程序，以改善图片和视频的焦点、照明