基于GPU的通用計算已成為近幾年人們關注的一個研究熱點。將GPU用于通用計算的主要目的是為了加速計算，加速的動力來自GPU在高性能計算方面所具有的優勢：

（1）高效的并行性。

這一功能主要是通過GPU多條繪制流水線的并行計算來體現的。在目前主流的GPU中，多條流水線可以在單一控制部件的集中控制下運行，也可以獨立運行。GPU的頂點處理流水線使用MIMD方式控制，片段處理流水線使用SIMD結構。相對于并行機而言，GPU提供的并行性在十分廉價的基礎上，為很多適合于在GPU上進行處理的應用提供了一個很好的并行方案。

（2）高密集的運算。

GPU通常具有128位或256位的內存位寬，因此GPU在計算密集型應用方面具有很好的性能。

（3）超長圖形流水線。

GPU超長圖形流水線的設計以吞吐量的最大化為目標，因此GPU作為數據流并行處理機，在對大規模的數據流并行處理方面具有明顯的優勢。

如下圖所示，CPU中的大部分晶體管主要用于構建控制電路（如分支預測等）和Cache，只有少部分的晶體管來完成實際的運算工作。GPU與CPU的設計目標不同，其控制電路相對簡單，而且對Cache的需求較小，所以大部分晶體管可以組成各類專用電路和多條流水線，使GPU的計算速度有了突破性的飛躍，擁有驚人的處理浮點運算的能力。

圖：GPU與CPU內部結構比較

正是由于GPU在并行處理和計算密集型問題求解等方面所具有的諸多優勢，GPU已成為目前普通PC機所擁有的強大、高效的計算資源。從系統架構上看，GPU是針對向量計算進行了優化的高度并行的數據流處理機。這種以數據流作為處理單元的處理機，在對數據流的處理上可以獲得很高的效率。