在2008年12月9日，新加坡举行的2008亚洲SIGGRAPH大会上，NVIDIA公司宣布支持由全球各大半导体巨头组成的Khronos Group发布的OpenCL 1.0技术规范。OpenCL实际上是针对异构系统进行并行编程的一个全新的API，简单来说OpenCL它可以利用GPU，然后进行一些并行计算这方面的工作，这是API应用程序的编程接口，图形里面也有很多API，比如OpenGL那是针对图形的，OpenCL是针对并行计算的API，能够充分调动GPU的并行运算性能。 OpenCL不会代替CUDA，它实际上是利用CUDA驱动程序堆栈来在NVIDIA GPU上实现高性能计算，OpenCL标准的出台，CUDA更是如虎添翼。

根据NVIDIA亚太区技术市场经理邓培智先生所说，OpenCL最早是Apple公司提出来的，从OpenCL一开始，NVIDIA就和Apple公司保持非常紧密的合作关系。OpenCL开发的过程中，它的技术平台都是基于NVIDIA的GPU，实际上OpenCL是基于NVIDIA GPU的平台进行开发的。另外OpenCL在大概两个多月以前进行了第一次演示，第一次演示也是在NVIDIA的GPU上演示的，可以说到目前为止NVIDIA GPU几乎是进行过的像这种演示的OpenCL程序的唯一的平台。

Khronos Group的OpenCL工作组主席，同时也是NVIDIA公司嵌入式内容副总裁的Neil Trevett说到：“OpenCL技术规范是NVIDIA等行业领袖意识到这一机遇之后所取得的成果。凭借其开放式、跨平台的标准，该技术规范将在整个异构并行计算市场中得到更多的认可。NVIDIA将继续活跃于OpenCL工作组以便推动该技术规范的发展，并在所有NVIDIA平台中提供对OpenCL的支持，从而为开发人员提供另外一种方式来利用我们GPU中的超强计算动力。”

关于CUDA和OpenCL的关系，其实CUDA是一个架构，类似于CPU里的x86，而OpenCL是一个API，类似DirectX和OpenGL，在CUDA架构上，目前主要使用CUDA C语言编译，NVIDIA计划今后推出更多基于其他语言的编译器，使用这些语言就可以开发OpenCL、DirectX等等程序，程序员在CUDA架构上，可以更随意的使用自己熟悉的语言来调动GPU并行运算性能，不需要对OpenCL的架构有非常深的了解就能进行开发。

目前OpenCL路线图目前还是属于Alpha版本。目前我们可以让OpenCL在NVIDIA GPU上很好地运行起来，明年第一季度可能是Beta的版本，09年是OpenCL1.0这个可能正式推出，OpenCL最开始可能出现在Mac OS上，以后逐渐的扩展到其他的操作系统，像Windows或者Linux。

基本上大家可以理解为如果你想获得更多的对硬件上的控制权的话，你可以使用OpenCL这个API来进行编程，如果对API不是太了解，也可以用CUDA C语言来编程，这是两种不同编程的方式，他们有他们相同点和不同点。但是有一点OpenCL和CUDA C语言进行开发的时候，在并行计算这块，他们的概念是差不多的，这两种程序在程序上是有很大的相似度，所以程序之间的相互移植相对来说也是比较容易。

这个是CUDA C语言的路线图，现在是CUDA C 2.0，到今年年底会推出CUDA C 2.1版本，到明年会有2.2、2.3版本，到明年年底会出现CUDA C 3.0。随着CUDA C版本的升级，它的功能也在不断地升级，比如最早的CUDA C只能支持单精度的浮点计算，现在可以支持双精度，可以支持各种各样的库，各种各样的功能也是越来越多。CUDA C语言的研发已经超过5年时间，从03年左右就开始开发这个语言。发布到现在已经超过2年，而且大的版本已经是有2个。

到目前为止，活跃的CUDA开发人员的数量已经是超过25000个，应用程序已经超过100个，主要集中在科学计算的领域，几乎涉及到各种各样的HPC高性能计算的领域都有CUDA的身影出现，NVIDIA Tesla系统甚至跻身全球高性能计算机排行榜前100，而且它的开发语言也是使用了CUDA C语言。以下几个CUDA应用实例均在各自领域获奖，足以证明此架构的运用前景。

1.加利福尼亚大学伯克利分校的Vasily Volkov以及James W. Demmel凭借其“利用GPU基准测试调稠密线性代数”荣获了最佳学生论文奖（Best Student Paper Award）。

2.在美国计算机协会最佳研究生海报（ACM Best Graduate Student Poster）中，田纳西大学诺克斯维尔分校的Akila Gothandaraman凭借其“新兴计算平台上的量子蒙特•卡罗应用程序加速”荣获了第一名。 威斯康星大学麦迪逊分校的David Dynerman凭借其海报“CUSA与CUDE：溶剂可及表面面积预估及解溶的GPU加速法”获得第二名。两张海报均聚焦于NVIDIA CUDA架构所实现的进步。你可以在YouTube上观看David Dynerman对其作品的评价。

3.由于使用了GPU来开发欧洲超大天文望远镜（E-ELT）的实时控制程序，国家仪器公司LabVIEW应用程序被提名入围超级计算分析挑战赛决赛。参见YouTube上的视频。

4.HPCWire是一家报道高性能计算行业的最负盛名的新闻信息网站，该网站为NVIDIA颁发了读者选择奖（Readers Choice Award），而获得此奖的正是NVIDIA Tesla/CUDA。