GPU代表的是图形处理单元，但是，这些小小芯片除了处理图形功能，还有其它用处。比如，Google使用GPU来为人脑建模，Salesforce 则依赖GPU分析Twitter微博数据流。GPU很适合并行处理运算，也就是同时执行成千上万个任务。怎么做呢？你得开发一个新软件，让它挖掘GPU芯片的潜力。最近美国印第安纳大学计算机博士Eric Holk就作出尝试，他开发了一个应用程序来运行GPU。Holk 说：“GPU编程仍然需要程序员管理许多低层细节，这些细节是与GPU执行的主要任务分离的。我们想开发一个系统，帮助程序员管理这些细节，让GPU在提高生产力的同时仍然有很好的性能。”
一般来说，电脑计算任务大多由CPU完成。一个CPU处理一个计算序列，也就是所谓的一次处理一个线程，它必须尽可能快地执行。GPU的设计初衷是一次处理多个线程，这些线程处理速度慢很多，但程序可以利用并行优势执行得更快一些，就像超级电脑一样。
Holk称，今天，CPU已经能执行并行运算了，多核也很流行，但它们主要还是针对单线程优化的。
GPU术语直到1999年才出现，但在此之前已经有早期的视频处理芯片了，它们于1970-1980年推出。当时，视频处理芯片严重依赖CPU进行图形处理，1990年代图形显卡更流行了，也更强大了，主要是因为3D显卡出现。
乔治亚科技大学Chris McClanahan认为，GPU硬件架构已经进化，以前它只是特定单一核心，现在向一组高并行、可编程核心转变，它可以用来处理更通用的计算。毫无疑问，随着GPU技术的发展，它会增加更多可编程性、更多并行性，变得越来越像CPU，可以用于通用计算。McClanahan 说，CPU和GPU最终会融合。同时，开发者也开始挖掘GPU的能力，用于不同的应用中，包括物理系统建模、强化智能手机等。
Holk解释道：“GPU的内存带宽也比CPU高很多，在对海量数据进行简单计算时，它的效率更好。”
已经有一些GPU编程语言存在，包括CUDA和OpenCL。Harlan 开发了新语言Harlan，它可以控制GPU。实际上，Harlan被编译成OpenCL。但与其它语言不同，Harlan语言的抽象思维更多与高级编程语言相近，比如Python、Ruby。Holk 称：“Harlan的另一个目标是想回答一个问题：如果从一开始就开发一门语言，它最初的目标就是支持GPU编程，那会怎样呢？目前的大多系统将GPU编程嵌入到现有语言中，开发者不得不处理旧语言的所有问题。Harlan可以让开发者更好地为目标硬件、程序作决策。”
Harlan语法基于Scheme，它是Lisp语言的现代变种，Scheme是所有好语言的始祖。为了让编程语言更“正常”一些，Harlan 还用到了Rust语言，这种语言主要面向开发系统，它可以操作硬件底层。Holk的目的是让程序员编写的代码更有效，因为Harlan能生产更好的GPU代码。
原文链接：http://www.wired.com/wiredenterprise/2013/07/gpu-programming-language/
