问：今天中科院过程工程研究所和清华大学介绍的大部分内容都是在说CUDA如何应用于科研开发、工程计算、高性能计算。NVIDIA为什么没有把CUDA在第一时间推向消费市场，而是面对开发者？

答：CUDA是一项全新的技术，是一个新事物。对于这样的技术，我们的推广策略是这样的：第一，首先交给核心的开发者、技术领域的先驱们，让他们首先学会如何使用它；第二，让大学的教授教会学生们如何应用它；第三，把它交给开发商，推出使用该技术的产品。有了这样成熟的产品后，消费者最终会从中受益。这就是我们的营销策略，从开发的中心开始，而不是从简单的电视广告、宣传画着手。

问：普通的消费者能从CUDA中得到什么？

答：每一次在计算技术上的革命，都能够同时在科学领域和普通消费领域得到体现。今天这里主要介绍了科研方面的应用，但消费者也一样可以使用同样的技术，同样的GPU在游戏中模拟烟雾、水面、纺织物效果。比如PhysX，再比如图像处理，视频转码等等，这都是CUDA在消费领域中的应用，完全可以让消费者从中受益。

问：今天展示的这些CUDA应用成果，都号称对比单核CPU能带来多少多少倍的性能提升。但事实上目前双核、四核CPU已经成为主流。甚至近日已经有公司宣布了100核心的CPU，Intel也展示过80核CPU。这样的多核心CPU会不会对GPU并行计算构成威胁，GPU面对它们还有多大的优势？

答：首先，我没有见过100核CPU，也没有见过Intel的80核CPU，肯定没有办法告诉你它们和GPU比较的确切结论。但是我想，为这样多核心的CPU编程肯定不会太容易。一款开发平台要成为主流，需要面对三大问题：一是优秀的技术，出色的性能，真正能够解决实际问题；二就是编程的简易程度，性能和编程的方便是互相权衡的关键；第三还有量的问题，我不知道有多少人会去买100核CPU。但是对于CUDA来说，任何一个大学生都可以开发，因为他们随处可见，随时都可以买到，平时玩游戏的PC里本身就有一颗CUDA处理器。

问：虽然近年来GPU通用计算蓬勃发展，但仍有很多应用并不适合GPU计算，你们如何解决这个问题？

答：那些用传统顺序编程思想编写的应用，在GPU上实现起来确实不容易。不过换一个想法，有些应用并不需要GPU加速，比如操作系统中的大量应用。除了这些应用以外，我们还有非常大的发挥空间。未来有一天我们希望模拟世界，因为世界本身就是并行的，符合GPU并行计算的特点。GPU可以做的事情非常多，并不需要去做所有的运算，也不需要做以前用CPU就已经解决的问题。

问：NVIDIA并不是业界最大规模的企业，但为什么能在GPU并行计算领域实现领先，未来会如何保持这种优势？

答：NVIDIA并不是一家小公司，我们是全球第三大计算机技术企业，但我们只做一件事：视觉计算。领先的秘诀就在于专注，我们可以把所有的资源都放在视觉计算上。而视觉计算和并行计算天生就是相似的，因为视觉计算本身就是并行的，所以我们在并行计算领域的先进性正来自于我们在视觉计算领域积累的经验。并且，我们在GPU计算推广上没有顾虑，我们的GPU可以在Intel或是AMD的平台上使用。我们不需要因为保护自己的CPU产品线，而在发展GPU运算上畏首畏尾。

问：NVIDIA在掌上设备领域，Tegra平台上投入了多大的力量，未来有怎样的规划？

答：NVIDIA在Tegra身上花了5年的时间进行开发，耗资5亿美元。Tegra是史上最强大的掌上设备处理器，集中了NVIDIA近15年来的各种技术创新成果。正像Tesla是面向服务器领域的GPU，GeForce是面向PC的GPU一样，Tegra是面向移动设备、面向网络的GPU。我们认为，PC只是未来应用的很小一部分，像Facebook、YouTube这样的网页化应用并不仅限于PC。比如“开心农场”，它是有史以来发展速度最快的游戏，有数以千万计的玩家，超越《星际争霸》，超越《魔兽世界》。我们认为这种基于网页，基于网络云计算的应用才代表了未来。