从图形渲染到密集计算 通用GPU的崛起
Fermi处理器，脱离GPU羁绊，专为通用而生
然而，现行的G80/GT200架构虽然具有非常不错的灵活性，但远不足以完成如此重大的使命。NVIDIA的高层作出激进的决策：那就是全部推倒重来—这就是Fermi的出台背景。Fermi被打造成一款高度灵活的处理器，除了图形渲染的基本职能，它还整合了PhysX物理处理器以及光线追踪处理器，同时让每个计算单元都拥有自己的缓存系统，可以高效地完成高负荷的浮点计算任务，比如对视频的实时优化编码，执行“任意妄为”地渲染指令、DNA排序、宇宙探索、质数计算等等，当然还包括物理计算和光线追踪计算—这些过去是CPU的专属应用。
用户也许会发问：“从CPU手中抢到这些任务，对我们会有什么好处么？会不会像那些CPU整合GPU之类的噱头而已？”其实这种好处相当显著：CPU所执行的是X86指令，程序可以任意编写，完全没有使用限制，灵活是它的大优点；另外，CPU是被设计来执行诸如任务处理之类的整数任务，固定式的浮点计算并非其特长，虽然CPU设计者始终不遗余力增强它的浮点性能。与此不同，Fermi采用一种高度并行的计算结构，它拥有多达512个CUDA计算单元，每个单元都有缓存，作为一个基本的计算单位，这些单元可以同时进行浮点计算的处理。并行度远非CPU可比—AMD的GPU虽然有更多的流处理单元，但这些单元并没有缓存系统，只是被动地接受上级数据计算后输出，通用性非常有限，加上AMD并没有提供理想的开发工具，令开发者无从下手。
Fermi的CUDA核心，拥有完整的浮点和整数计算单元，
不再在整数计算方面瘸腿，具有高度自主性。
其次，Fermi的每个CUDA核心，都在浮点计算单元之外加上整数处理单元，可执行完整的32位整数计算任务，而后者在过去只能通过模拟实现，且仅能计算24-bit整数乘法而已；同时Fermi引入了复合乘加运算机制(Fused Multiply-Add，简称FMA)，每个周期可执行512单精度浮点或256个双精度浮点数运算，而上一代G200仅能支持单精度的FMA操作。当然，所有这些FMA运算都基于IEEE 754-2008浮点算法，计算结果不会出现差错。此外，Fermi的双精度浮点(FP64)性能也大大提升，峰值执行率可以达到单精度浮点(FP32)的1/2，而过去只有1/8；AMD Cypress/RV870核心的双精度浮点性能也只有单精度浮点的1/5—例如Radeon HD 5870的单精度性能达到2.72TFlops，但双精度处理时仅有544GFlops。
第三，Fermi引入了真正的缓存设计，每32个CUDA核心被配置成一组SM(Streaming Multiprocessor)流处理器，每组SM拥有64KB可配置内存，可以根据任务的性质部署成16KB共享内存加48KB一级缓存，或者48KB共享内存加16KB一级缓存的形式，从而满足不同类型程序的需要。此外，整个芯片还共享768KB的二级缓存，方便SM计算单元的输入输出—这些显然都是为通用计算而准备。
Fermi拥有16组SM流处理器，每组都具有自己的缓存
和内存系统，能够独立地完成各种密集计算应用。
计算核心的大幅增强以及缓存系统的纳入，让Fermi成为一枚高度通用的浮点处理器而非传统的GPU。其实，从数学角度来看，无论是图形渲染的浮点运算，还是物理处理、光线追踪、视频编码处理、DNA排序还是其它的数学计算，在本质上都是相同的单精度浮点或双精度浮点计算，基础的数学计算机制也完全相同，区别仅在于采用不同的算法—如果算法可以用软件方式输入，GPU依照这种算法进行结构部署并处理，那么就可以实现了通用的浮点处理任务。我们可以打个简单的比喻：这个模式相当于将CPU内的浮点计算单元完全搬移出来，作适应性改造之后再放到GPU上面，同时大大增加它的数量—这就是NVIDIA Fermi的设计立意。
复杂的CUDA Core设计和缓存系统大大增加了Fermi的规模，
它的晶体管总量达到史无前例的30亿个，给制造工作带来巨大困难。
Fermi被打造成通用型浮点处理器，加上NVIDIA一向对性能要求极高，Fermi就不可避免地成为又一个巨无霸。在产品展示之时，外界咨询为何Fermi屡屡跳票，几乎创下NVIDIA新的历史。NVIDIA的高管不禁大吐苦水：要设计出这个超大超强的玩意实在是太难了！的确，Fermi需要为每个单元建构缓存系统，要确保如此众多的核心能够高效率地协作和共享，这种难度明显超出常规的多核处理器(目前的多核CPU多只需要应对12核的协作)。NVIDIA高层与它们的科学家都深知Fermi的革命性，虽然产品屡屡因这样那样的问题跳票，但他们几乎不以为意，而对于未来始终充满自信。
