◆CUDA的应用范围：

    由于GPU的特点是处理密集型数据和并行数据计算，因此CUDA非常适合需要大规模并行计算的领域。目前CUDA除了可以用C语言开发，也已经提供FORTRAN的应用接口，未来可以预计CUDA会支持C++、Java、Python等各类语言。虽然现在更多的应用在游戏、图形动画、科学计算、地质、生物、物理模拟等领域，但是由于GPU本身的通用特性和CUDA提供的方便的开发环境，我们可以放开思维的束缚，想象几种可能的应用场景：

• 搜索引擎中的排序、文本分类等相关算法的应用
• 数据库、数据挖掘
• 电信、金融、证券数据分析
• 数理统计分析
• 生物医药工程
• 导航识别
• 军事模拟
• 无线射频模拟
• 图像语音识别

    这些领域内的计算都是属于大规模的数据密集型计算，因此我们完全有理由相信，在CUDA的驱动下，GPU能够在这些领域建立一个属于自己的新时代。

◆硬件需求：

    首先，我们来看看对于CUDA的卡发者和用户群来说，都需要哪些硬件设施。CUDA支持的GPU (CUDA-enabled GPU)包含GeForce、Quadro和Tesla三个系列：GeForce是NVIDIA公司面向消费市场的GPU产品；Quadro是面向专业图形市场的GPU产品；而Tesla则是专门面向GPU计算的产品，它不具备图形输出的功能，因此不能作为图形卡来使用。这三个产品面向不同的应用领域，因此建议在开发和部署CUDA应用的时候需要考虑到产品的应用决定采用不同的GPU。

    NVIDIA的CUDA-enabled GPU具有一个完整的产品线，各种用户都可以从中选择到合适自己的产品。对于有高密度计算能力需求的用户来说，Quadro和Tesla则是必须的选择。诸如Quadro Plex 1000 Model S4和Tesla S870在一个1U高度的标准服务器机架机箱内装备了四个GPU，每个GPU具备128个stream processor以及1.5GB的存储器，每个1U装置总共具备512个stream processor和6GB存储器，非常适合于有高密度、大规模数据计算需求的用户。CUDA-enabled GPU的家族还在不断地扩大之中，随着NVIDIA新一代GPU的发布，更多的产品也将加入到这个行列中来。

    另外，CUDA对于GPU产品线还涵盖了从笔记本电脑到高性能多GPU的系统中。也就是说，对于普通用户来讲，我们使用的普通笔记本或者台式电脑，只要拥有一块NVIDIA的GeForce 8以上级别的显卡都能够支持CUDA。

◆软件需求：

    对于普通的应用者来说，对于软件方面，只要安装了一款能够支持CUDA的驱动程序，就可以了。接下来需要做的就是使用那些能够支持CUDA的软件。对于目前来说，能够支持CUDA的软件还是有些偏少，不过随着越来越多的软件开发者加入CUDA的行列，日后能够支持CUDA的软件将会逐渐完善起来。

    而对于CUDA的开发者来说，开发CUDA的软件也非常简单。开发者只要会运用C语言编程，就能够顺利的学会CUDA。因为CUDA就是基于C语言为基础的，CUDA可以支持多种运行在Windows XP和Linux操作系统下的C开发系统诸如Microsoft Visual C++等。CUDA工具集的核其实心是一个C语言编译器，CUDA开发环境的具体内容包括：

· nvcc C语言编译器
· 适用于GPU（图形处理器）的CUDA FFT和BLAS库
· 分析器
· 适用于GPU（图形处理器）的gdb调试器（在2008年3月推出alpha版）
· CUDA运行时（CUDA runtime）驱动程序（目前在标准的NVIDIA GPU驱动中也提供）
· CUDA编程手册

    除了编译器外，NVIDIA提供了一些非常实用的函数库。目前有两个数字计算库包含在已经发布的软件包里面，分别是CUDA FFT和CUDA BLAS子程序库。CUDA FFT是快速傅立叶变换（Fast Fourier Transform， FFT）的子程序库，快速傅立叶变换是信号处理之类应用的基本算法。BLAS是基本线性代数的子程序库，提供了高效率的线性代数计算子程序。CUDA FFT和BLAS都是针对GPU高度优化的高性能数学函数库，在CUDA程序中可以方便调用，节省大量的代码编写时间。

    另外，CUDA所有软件包都可以从NVIDIA公司的网站上免费下载。NVIDIA还专门建立了一个针对CUDA的名为CUDA Zone社区，网址是 http://www.nvidia.com/object/cuda_home.html。它包含各种程序、文档的下载，并且有几个针对开发者的论坛，里面有专人为各位开发者进行服务，解答各种疑问。