當前的cpu和gpu是分立設計的處理器，不能高效率地協同工作，編寫同時執行於cpu和gpu的程式也是相當麻煩。由於cpu和gpu擁有獨立的位址空間，應用程式不得不明確地控制資料在cpu和gpu之間的流動。cpu**通過系統呼叫向gpu傳送任務，此類系統呼叫一般由gpu驅動程式管理，而驅動程式本身又受到其他排程程式管理。這麼多的環節造成了很大的呼叫開銷
為了充分釋放並行處理器的計算能力，架構設計者必須打破既有格局，採用新的思路。設計者必須重塑計算系統，把同乙個平台上分立的處理單元緊密整合成為不斷演進單顆處理器，同時無需軟體開發者的程式設計方式發生重大的改變，這是hsa設計中的首要目標。
異構系統架構(hsa，heterogeneous system architecture)用一句話來概括就是：一種智慧型計算架構，通過無縫地分配相應的任務至最適合的處理單元，使cpu、gpu和其他處理器和諧工作在單一晶元上。上一代apu雖然已經將cpu和gpu無縫融合在了一起，但並沒有實現「分配相應的任務至最適合的處理單元」，這就是hsa架構的精髓，也是amd未來apu想要努力實現的方向。
hsa系統的幾大特性：
1. 任何處理單元的資料可以輕易地被其它處理單元所訪問；
2. 異構計算不僅包括gpu，還包括其它專用處理單元或協處理器；
3. 程式設計人員不用知道程式在什麼處理單元上執行；
4. gpu和其它處理單元無縫訪問虛擬記憶體，解決資料搬遷瓶頸，資料無需複製。
在硬體層面，hsa架構當中的異構統一記憶體訪問是一項關鍵技術。
FPGA異構計算架構對比分析
ai晶元主要分為cpu gpu fpga以及asic。其中以cpu gpu fpga asic的順序，通用性逐漸減低，但運算效率逐步提高。fpga，即現場可程式設計門陣列，它是在pal gal cpld等可程式設計器件癿基礎上進一步發展的產物。為解決能耗限制，無法使處理器核心同時運作，及效能提公升有...
GPU計算或者異構計算程式設計方式與參考資料
很多朋友想學習gpu計算，大家會有如下幾個關心的問題 我使用什麼程式設計方式來做gpu計算，或者使用什麼程式設計方式書寫在gpu上執行的多執行緒函式？目前比較成熟的可以實現gpu計算的程式設計方式有 cuda，opencl，openacc，openhmpp。我們一一敘述。cuda cuda是nvid...
GPU計算或者異構計算程式設計方式與參考資料
很多朋友想學習gpu計算，大家會有如下幾個關心的問題 我使用什麼程式設計方式來做gpu計算，或者使用什麼程式設計方式書寫在gpu上執行的多執行緒函式？目前比較成熟的可以實現gpu計算的程式設計方式有 cuda，opencl，openacc，openhmpp。我們一一敘述。cuda cuda是nvid...