正文
实际上，这样的应用，远超老黄的最初预期。
黄仁勋生于台湾，在俄勒冈州立大学和斯坦福大学学习电子工程，后来在硅谷的芯片制造商工作。
1993年，他和Chris Malachowsky、Curtis Priem一起创办了英伟达，最初，他们给游戏PC提供视觉特效，帮它们和那些专业的电子游戏机竞争。
Malachowsky说，公司最初的产品并不成功，而图形市场对手众多。后来，英伟达重组了它的产品和战略，逐渐与对手拉开距离，最终成就了在游戏PC中GPU加速器卡的绝对的领导地位。
GPU生成三角形以形成框架结构，模拟对象，为显示屏上的像素赋予颜色。要做到这一点，必须并行执行许多简单的指令，这就是图形芯片随着微型处理器数量的增加，性能优化的原因。
如何最大化利用这些微处理器的并行计算能力，始终是英伟达核心关心的问题。
也是CUDA诞生的原因。
实习生杰作
2004年，斯坦福大学博士生Ian Buck进入英伟达实习，这是CUDA研发的开端。当时，Buck参与过一项编程竞赛，任务是让能更容易地管理GPU的众多计算引擎。
△
Ian Buck
来源：heise.de
CUDA的核心设计理念就是计算机中的线程。与传统CPU中的4、8和16个线程不同，GPU中的线程可以多达几万个。
Buck表示，看起来这些线程的管理是一件十分复杂的事情。但实际上，编程人员主要的困难在于如何发挥这些线程的优势，而不是管理这些线程。早期，CUDA的性能主要依赖编程人员人工发现代码中可并行计算的部分。
目前，随着CUDA库的发展，这方面的工作开始越来越自动化。CUDA团队已经开发了很多石油、天然气和国防等相关产业所使用的科学计算方面的库。最终，2012年发布的Titan超级计算机使用了18688个NVIDIA Tesla K20 GPU作为协处理器，标志着GPGPU在高性能计算方面的成功推广和应用。从2011年开始，Top 500的超级计算机中至少有50台会使用GPU进行加速。而这些机器基本上也都出现在Green 500（全球节能超级计算机榜单）的列表中。
Buck曾表示，在CUDA的应用当中，最让其影响深刻的就是，乳腺癌检测和诊断的系统。与传统方法相比，采用支持CUDA编程的Tesla GPU后，医生能够更早、更精确地发现乳腺癌。而美国国家癌症研究所数据显示，基于CUDA的系统在运行蛋白质配体运算（用于研发治疗癌症和老年痴呆症的新药）时只需要原来1/12的时间。
此后，CUDA开始受到越来越多的关注。
