首次宣布一周之后，NVIDIA今天公开发布了GPU通用计算开发包的CUDA 4.0 RC候选版，并提供给开发人员下载使用。

如果你是一位GPU计算开发人员，或者对这方面有兴趣，可以在NVIDIA官方网站上注册并获得这个新的开发包，地址为：
http://developer.nvidia.com/object/cuda_4_0_RC_downloads.html

CUDA 4.0作为一个全新版本，功能特性自然增加了不少，主要涉及应用程序移植的简化、多GPU编程的加速、开发工具的增加和改进三个方面。下边我们就结合NVIDIA的官方演示文稿，一起看看CUDA 4.0的新特性。

从超级手机到超级计算机：NVIDIA正在将自己定位成一家“超级”计算公司，CUDA 4.0就是这条路上的重要里程碑。 

CUDA发展之路：2007年1.0版，只有研究人员和一些尝鲜者体验；次年升级为2.0版，吸引了科学家和高性能计算领域；2009年3.0版，掀起了应用程序创新的风潮；如今4.0版诞生，意味着将有更广泛的开发人员加入CUDA阵营。 

CUDA 4.0三大进步：应用程序移植的简化、多GPU编程的加速、开发工具的增加和改进。 

为了简化应用程序的移植，CUDA 4.0带来了统一虚拟寻址(UVA)、GPUDirect 2.0、Thrust C++模板化算法与数据结构。

CUDA 4.0支持多个线程共享一个或者多个GPU，同时单个主线程也可以访问所有GPU，可以充分发挥多GPU的联合优势，即使是单线程程序也能从多GPU中获得更好性能。

无需拷贝的映射机制(No-copy Pinning)，减少系统内存占用、避免过载，并且支持Windows、Linux系统和所有CUDA GPU。 

C/C++语言方面也增加了新特性，包括新建/删除、虚拟功能和Inline PTX等等。 

Thrust C++模板化算法与数据结构，强大的开源C++并行算法和数据结构，类似C++ STL标准模板库；可在编译时自动选择最快的代码路径，在多核心CPU与GPU之间分配工作，编译速度加快5-10倍。 

GPU加速图形处理：全新的NVIDIA Performance Primitives NPP函数库，图像处理加速10-36倍。 

层纹理：适合以标准尺寸、格式处理多重纹理，性能更快，而且不会出现采样残影。

旧版的GPUDirect 1.0侧重于改进网络间通信，2.0版则侧重于改进节点内通信效率，支持P2P内存访问、传输和同步，代码更少，编程效率更高。 

在此之前，同一节点内的不同GPU互相访问，需要绕道系统内存并进行两次拷贝。 

现在就不用理会系统内存了，不同GPU可以直接进行传输，一次拷贝搞定。 

不过要注意，GPUDirect 2.0仅支持Fermi费米架构的Tesla 20系列高性能计算卡，而且需要64位的Linux、Windows操作系统。

统一虚拟寻址：之前系统内存、GPU显存都是彼此互相独立的，现在则融合在一起，为所有CPU、GPU提供单个统一的寻址空间。 

但是这项技术也有同样的限制，只适用于Fermi Tesla 20系列和64位系统。  

开发工具方面首先是可视化编译器的自动性能分析，并为内核分析提供了新的用户界面。 

cuda-gdb调试同样增加了大量新功能，尤其是Fermi架构支持GPU Binary反汇编。

而且操作系统支持在Linux的基础上增加了苹果Mac OS。 

此外NVIDIA还提供了新的专业开发工具Parallel Nsight Pro 1.5，这是业界第一个针对微软Visual Studio的GPU加速应用开发环境。

CUDA特性总览

CUDA注册开发人员项目

NVIDIA CUDA开发资源

CUDA第三方生态系统

CUDA计算研究与教育

PGI CUDA-x86编译器

GTC 2011技术大会