爆炸新闻：OpenCL早期访问计划***

——今天，我们发布了这个行业的第一个OpenCL驱动程序和SDK。

——OpenCL是针对在异构系统上并行编程的开放标准。

——OpenCL受到了NVIDIA的CUDA架构的支持。

——NVIDIA正在与战略OpenCL开发人员就我们的GeForce、Quadro和Tesla产品家族进行积极合作。

——开发人员可以在这里申请：<http://nvdeveloper.nvidia.com/content/GPUComputingDeveloperApplication/frmDeveloperRegistration.asp>；在这里查看新闻稿：<http://www.nvidia.com/object/io_1240224603372.html>

CUDA在行动

每周我们都能了解到人们使用GPU计算能力的创新方法。下面有几个例子：

——Montreal的Centre de Recherche Informatique正在使用CUDA开发一个语音识别系统。研究人员使用了171小时的法国电视台节目录音和来自当地报纸La Presse 的9300万个单词“训练”计算机模型。初步结果显示，该系统的速度是CPU实现的5倍。请查看：http://www.crim.ca/Publications/2008/documents/plein_texte/PAR_CarPals_Interspeech2008.pdf <http://www.crim.ca/Publications/2008/documents/plein_texte/PAR_CarPals_Interspeech2008.pdf>

——总部设在英国的Wicks & Wilson主要生产电子图像产品。他们的8850 Roll Film Scanstation将缩微胶片自动转换成数码图像。该公司写到：“与传统的解决方案相比，使用带有CUDA的NVIDIA GPU具有很多优势……包括减少上市时间，降低成本以及增加未来开发的灵活性。”请查看：http://www.wwl.co.uk/cuda/index.htm <http://www.wwl.co.uk/cuda/index.htm>（注意“GeForce with CUDA”徽标。）

——加拿大研究人员正在大规模电力系统的“稳定性模拟”领域使用CUDA。这些研究人员评论道：“在这个研究中使用的最大系统中，GPU-CPU混合模拟器的速度是只使用CPU的模拟器的340倍。GPU的另一个优势是，当数据大小扩大时，它的计算时间呈线性增加。这是由GPU的大规模并行架构决定的。”请查看：http://developer.download.nvidia.com/CUDA/CUDA_Zone/papers/GPUinPowerSystem.pdf <http://developer.download.nvidia.com/CUDA/CUDA_Zone/papers/GPUinPowerSystem.pdf>

新的CUDA主流应用程序

MotionDSP的vReveal解决了常见视频问题
MotionDSP发布了vReveal，这个Windows应用程序使用CUDA的并行处理能力修复了屏闪、黑屏和模糊等视频问题。NVIDIA的视觉客户解决方案总经理Michael Steele评论道：“vReveal好像拥有一个魔法按钮，这个魔法按钮能够使劣质视频瞬间焕然一新。您只有亲眼目睹才会相信。”请查看：http://www.nzone.com/object/nzone_vreveal_home.html <http://www.nzone.com/object/nzone_vreveal_home.html>

ArcSoft使用SimHD提升标准分辨率
ArcSoft发布了SimHD，这是该公司的TotalMedia Theatre 3电影播放器的一个插件，这个插件允许提升标准分辨率文件和DVD电影。这个基于CUDA的应用程序提供了极佳的视频输出，同时保持很低的CPU占用。请查看：http://www.nzone.com/object/nzone_tmt3_home.html <http://www.nzone.com/object/nzone_tmt3_home.html>

使用GPU，LoiLoScope视频软件速度提升了10倍
LoiLo公司发布了Super LoiLoScope MARS，这是该公司的视频编辑软件的新版本，这个软件使普通用户编辑HD电影成为可能。Super LoiLoScope MARS创建电影文件的速度比使用CPU驱动的编解码器最多快10倍。请查看：http://www.nzone.com/object/nzone_loilo_home.html <http://www.nzone.com/object/nzone_loilo_home.html>

GDC上很酷的CUDA演示和演讲

GPU计算在世界最大的游戏行业活动GDC 2009上引起共鸣
我们在GDC上展示了一些非常酷的演示，强调了CUDA架构上的编程界面。请在YouTube网站上查看它们：
——海洋演示 <http://www.youtube.com/watch?v=K1I4kts5mqc&feature=channel_page> （黄昏光照条件下的海洋，使用DirectX Compute）
——nBody演示<http://www.youtube.com/watch?v=dXy_ssSGuy0>（重力吸引下的身体运动，使用OpenCL。注意：最初在Siggraph 2008上展示，是在GPU上运行的OpenCL的首个公众演示。）
——湍流演示<http://www.youtube.com/watch?v=RuZQpWo9Qhs>（汽车产生的气流，模拟数十万个粒子，使用C for CUDA。）
——破坏演示<http://www.youtube.com/watch?v=LPvL73GHxV0>（墙壁中的实时断裂，使用C for CUDA in PhysX）

Prezos包含NVIDIA的Neil Trevett 和Cyril Zeller关于Khronos Developer University/OpenCL的讲话，以及NVIDIA的Cem Cebenoyan、Sarah Tariq和Simon Green关于高级视觉效果的讲话。关于NVIDIA的所有GDC展示的链接，请查看http://developer.nvidia.com/object/gdc-2009.html <http://developer.nvidia.com/object/gdc-2009.html>

纽约时报上的NVIDIA首席科学家Bill Dally
斯坦福大学计算机科学系主任Bill Dally最近加入了NVIDIA，他对纽约时报发表了关于新的计算革命和为什么图形处理器非常适用于今天的计算密集型应用程序的讲话。他说：“从智能手机到笔记本再到服务器的所有设备都将装备各种各样的处理器芯片。所有价值都将通过我们的处理器提供。”请查看：http://bits.blogs.nytimes.com/2009/04/09/hello-dally-nvidia-scientist-breaks-silence-criticizes-intel/ <http://bits.blogs.nytimes.com/2009/04/09/hello-dally-nvidia-scientist-breaks-silence-criticizes-intel/>（注意：除了这个博客外，4月13日的纽约时报上还刊登了一篇文章，标题是“To a Visionary, NVIDIA Wins Out”。）

CUDA无处不在：世界各地的CUDA快照

澳大利亚：CUDA帮助彻底改善医疗领域
NVIDIA的Mark Harris最近在Brisbane的一个健康研讨会上谈到CUDA。他表示，在他的演示之后，当地研究人员也进行了关于CUDA的讲话，主题包括：
——基于GPU的人体数据绘制用于手术前计划。
——培训食管手术医生的组织模拟。
——结肠镜检查术模拟研究。
——前列腺癌检测。

印度：研究机构和大学竞相采用CUDA
今天，CUDA出现在印度的一流研究机构中，它们包括：
——总部设在Pune的国家化学实验室（化学和分子动力学建模）。
——总部设在新德里的国家信息中心（数据挖掘应用程序）。
——总部设在Pune的中央水电研究所（振动分析）。

NVIDIA印度团队正在和来自以下大学的教授和学生合作：Pune的工程学院、IIIT Hyderabad、IIT Delhi、IIT Kanpur、IIT Madras、IIT Powai、印度科学院、Maharashtra工程和教育研究所、Pune大学、Sri Sathya Sai大学、VIIT PUNE和VIT PUNE。

韩国：“循序渐进”
从4月18日开始，NVIDIA韩国团队每周六都在首尔的Yonsei大学提供一个“CUDA循序渐进”培训项目。讲师是Hyungon Ryu，他是一个韩国研究生和CUDA专家。要参加培训，请在以下网址下载申请表<http://www.nvidiaevent.co.kr/CUDA_200904/>并将申请表发送到<mailto:CUDA-KR@nvida.com>。

英国：“每个人都可以拥有的超级计算机芯片”
总部设在英国的HPC计算项目发表了一篇关于GPU计算概述的文章，标题为“每个人都可以拥有的超级计算机芯片”。文章引用了NVIDIA的Sumit Gupta的解释，他说，传统的CPU很“胖”，因为它们拥有巨大的缓存和丰富的指令集，因此适用于不可预见的任务。相反，GPU拥有数百个“瘦”处理器，这些处理器拥有缩减的指令集和大量小型分布内存。但是GPU设计用于可预测的，计算密集型任务，在这些任务中，算法仍然相同，只是输入发生了变化。请在以下网址查看这篇文章：http://www.hpcprojects.com/features/feature.php?feature_id=227 <http://www.hpcprojects.com/features/feature.php?feature_id=227>

CUDA在学校成绩优异

通往千兆级之路
美国伊利诺伊大学的国家超级计算应用程序中心（NCSA）组织了一个专题讨论会，名为“通往千兆级之路：为加速器和加速器簇调整GEO/CHEM/ASTRO应用程序”。会上，NVIDIA的Nathan Bell讨论了CUDA生态系统，Jonathan Cohen做了关于建立CUDA计算流体动力学图书馆的陈述。UIUC的John Stone做了关于CUDA和视觉分子动力学的讲话。这个讨论会的幻灯片可以从以下网址获取：http://www.ncsa.uiuc.edu/Conferences/accelerators/agenda.html <http://www.ncsa.uiuc.edu/Conferences/accelerators/agenda.html>

哈佛被指定为CUDA卓越中心
NVIDIA曾经承诺为科学和工程研究项目提供关于GPU计算以及GPU计算与基于CUDA的GPU集成的教学，为兑现这一承诺，NVIDIA将哈佛大学指定为CUDA卓越中心。请查看新闻稿：http://www.nvidia.com/object/io_1238651745914.html <http://www.nvidia.com/object/io_1238651745914.html>

研究生接受NVIDIA奖学金
10个研究生每人接受了25000美元的奖学金，这是第8届一年一度的NVIDIA奖学金项目的一部分。项目领域包括计算机视觉、神经科学和量子化学模拟。代表学校：卡内基梅隆大学、麻省理工学院、斯坦福大学、加州大学戴维斯分校、加州大学伯克利分校、Chalmers、乔治亚州科技大学、犹他大学、弗吉尼亚大学和华盛顿大学。请查看新闻稿：http://www.nvidia.com/object/io_1238675403397.html <http://www.nvidia.com/object/io_1238675403397.html>

新的CUDA开发人员工具

CUDA 2.2 Beta：业界首个GPU计算硬件调试器和分析器
注册的开发人员现在可以获取CUDA 2.2 Beta，它包括以下功能：GPU硬件调试器（Hardware debugger for the GPU）、GPU视觉分析器v2.2（Visual Profiler v2.2 for the GPU），以及对Microsoft Windows Server 2003/2008的支持。请查看：
http://forums.nvidia.com/index.php?showtopic=92416 <http://forums.nvidia.com/index.php?showtopic=92416>

成为一个CUDA高手
CUDA网络研讨会对普通公众和NVIDIA雇员开放

GPU计算简介（1.5小时+ Q&A）
2009年4月29日上午11点（PST），注册网址：
https://nvidia.webex.com/nvidia/j.php?ED=108427222&RG=1&UID=0 <https://nvidia.webex.com/nvidia/j.php?ED=108427222&RG=1&UID=0>

CUDA编程的性能考虑因素（1.5小时+ Q&A）
2009年4月22日上午11点（PST），注册网址：
https://nvidia.webex.com/nvidia/j.php?ED=108529667&RG=1&UID=0 <https://nvidia.webex.com/nvidia/j.php?ED=108529667&RG=1&UID=0>
2009年5月6日上午11点（PST），注册网址：
https://nvidia.webex.com/nvidia/j.php?ED=108529497&RG=1&UID=0 <https://nvidia.webex.com/nvidia/j.php?ED=108529497&RG=1&UID=0>

我们最喜欢的引语：
“对CUDA架构的兴趣正在哈佛大学校园和波士顿生机勃勃的科学界广为传播。”
——哈佛大学教授Hanspeter Pfister

注意：您可以向客户、合作伙伴、开发人员和同事自由宣传CUDA的好处。