1、概念
所谓异构计算，是指CPU+ GPU或者CPU+ 其它设备（如FPGA等）协同计算。
一般我们的程序，是在CPU上计算。但是，当大量的数据需要计算时，CPU显得力不从心。那么，是否可以找寻其它的方法来解决计算速度呢？那就是异构计算。例如可利用CPU（Central Processing Unit）、GPU（Graphic Processing Unit）、甚至APU(Accelerated Processing Units， CPU与GPU的融合)等计算设备的计算能力从而来提高系统的速度。
2、必要性
以汽车和人工智能来说明异构处理器的必要性，在汽车上异构系统可以帮助降低成本，在人工智能领域，异构系统可以实现扩展并动态地匹配计算力。
人工智能建立在专家系统 、机器学习和神经网络之上，神经网络的特点是矩阵和矢量运算，需要很大的数据带宽，异构系统可以和CPU紧密耦合实现最大的灵活性。
3、好处
异构系统可以避免显式拷贝，最新的异构计算理论上要求实现CPU、GPU、DSP 等计算单元实现内存统一寻址，使CPU、GPU等计算单元可以共享内存，不必将数据复制一份到对方的内存区域中。异构系统还可以把任务快速卸载到最适合的架构上，另外异构还提供一个平台，以减少具有多种处理器类型的系统中的软件复杂性。异构系统还有以下好处：
1. 可以让CPU、GPU和其他加速器 共享内存，因此可共享虚拟内存（SVM）支持；
2. 不同的代理访问相同的内存位置；
3. 软件开发人员通过大量使用指针链接的数据结构编写代码；
4. 主机操作系统和管理程序控制系统内存管理功能；
5. 通用HSA驱动程序和代理HSA驱动程序协作以实现代理之间的SVM；
6. MMU驱动程序支持代理MMU，如果它需要自己的页表等。
4、结语
随着国内业界对异构计算和HSA（全球异构系统架构 ）认识的深入，越来越多的单位在异构计算领域开始了实质性研发，目前加入或正在申请加入全球异构系统架构(HSA)联盟中国区域委员会(CRC)的中国本土单位已达50余家，各相关行业的领先企业、科研院所和知名专家学者均踊跃参与相关活动，出谋划策，助力自主创新的异构计算标准的顶层设计与实施规划。
版权声明：本文为CSDN博主「屹owl」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/jhg196665/article/details/142370164
