未来GPU将Beyond Gaming
PhysX
：我办不到。
英伟达
： 我知道， 这不公平，你本来不是集成在显卡里，但是我们并购了。
这就像我们听过的精彩故事，歌颂伟大的并购一样，充满了机遇和挑战。
有时你不想知道结局，因为怎么可能有快乐结局？
与HD 4000系列竞争的残酷事实下，9800GTX怎么可能回到从前8800GTX？
但是最后我们的合作，终究会成功。
我们会甩开对手HD 4850，物理运算的一天将会来临，CUDA会发挥更大的功能。
这才是让ATI永生难忘，认为意义非凡的经典GPU。
即使所有人不明白为什么GPU要这样做，但是我想我明白了。我现在明白了。
在研发物理运算专用驱动的时候，差点出现半途而废，但是最后并没有放弃。
研发者们决定勇往直前，因为研发者们抱着一种信念。
PhysX
：抱着什么信念？
英伟达
：未来显卡一定存在物理运算，CUDA值得我们奋战到底。Beyond Gaming Gaming Beyond！
显卡么，整合的、独显的、NVIDIA、ATI等等大家熟悉得不能再熟悉的名词。对于显卡来说，衡量显卡性能如何，我想3DMark功不可没，PC Games更是让3D加速应用到极致。回想一下1981年8月12日IBM在纽约宣布的IBM PC个人电脑诞生时，IBM PC 5150采用Intel 8088处理器，主频4.77MHz，64KB RAM以及5.25英寸软驱，存储160K的数据，可怜的黑白显示器，只有键盘没有鼠标，发声元件仅仅是一个发出简单“嘟，嘟”的蜂鸣器，更别说发声了。
IBM PC 5150采用Intel 8088处理器
但是随着个人应用电脑的发展，多媒体计算机就诞生了，用户从商务专用走向民用化，消费者在购得个人PC后当然要做到更多的事情，多媒体软件也就渐渐兴起这点Windows 95不得不说了。那时谈到3D加速真的太过前卫，因为CPU的指令集让CPU确立了PC的绝对统治地位。不过随着用户对视觉体验加深，显卡的图形加速从萌芽阶段，过渡到快速发展中。3dfx倒下，NVIDIA、S3、ATI等等崛起，并相继进入残酷的显卡竞争当中，直到今天主流两家显卡厂商NVIDIA跟ATI（已经被AMD并购）。但是之前双方竞争本质没有变，高性能的图形处理。现在或是未来GPU因为NVIDIA发生改变，视觉计算将会是未来的GPU发展趋势。为何？请往下看。
互联网的变化，视觉计算的未来
上个分页简单阐述了视觉计算将会是未来GPU发展的一个重要拐点，那么究竟视觉计算到底对我们普通用户会有多大影响呢？之前的GPU跟未来GPU用户怎么才能最简单的理解呢？视觉是人类获取信息的重要途径。我们有句成语“百闻不如一见”和西方人常说的“One picture is worth ten thousand words ”表达的就是这个思想。网络世界改变我们PC用户的使用习惯，上网、聊天、看新闻、玩网络游戏看高清玩视频等等。这也能解释为何YouTube这样视频网站很火的主要原因了，而国内优酷、土豆网、六间房等视频网站竞争也异常激烈。
那K男就从视频说起，在优酷网上如果我们想把原创视频或是电视卡录入好的电视节目等大容量视频上传，超过1G以上的容量就要安装超G客户端组件，好现在我们算一下吧，如果按照1M的ADSL容量算，就算每秒上传速度是100K，1G容量的视频就要1024*1024/100*60 = 175分钟，大约3个小时，时间是不是有点要命，如果掉线。。。更可怕的是上传后的视频，在优酷服务端也需要二次转码才能发布，过G容量的视频在转换过程中花费时间可能更多，因为要看优酷服务端CPU处理器“高兴程度了”，整体漫长的等待是必须了。
同样土豆网上传视频的要求似乎更高一点，最大不能超过200M，最长时间必须在30分钟以内，并且要至少大于50KB。。。过G容量的视频想上传，像K男这样的新注册用户就别想了。
土豆网在上传视频的左栏K男发现提供一些常用工具下载，这些工具有视频编辑工具还有视频压缩工具，还有视频分割工具，不过这样软件对于入门级用户操作相对有点难度。
这就需要我们对原始过大的视频进行二次转码，让体积变小，符合上传要求。以前我们使用的工具都是靠CPU来进行解码，我想好多用户在压缩过G视频，一定会因为CPU利用率100%或是需要很长时间而烦恼。这点我们2个视频MM一定深有感触。她们常常需要压缩一个超大的视频，必须苦苦等待20小时以上，还要期盼不能死机，否则一切从头再来。
那你会问跟显卡有关系么？跟视觉计算有关系么？其实有很大关系，因为NVIDIA在视频计算中就是利用GPU并行计算的计算架构，用CUDA解决了视频压缩需要大量的并行计算在CPU上消耗的时间跟效率。你不用真正了解何谓并行计算跟串行计算或是CUDA到底是何物，请看下一个分页的举例测试你就会清楚了。当然你也可以通过下面的名词解释更清楚。
何谓CUDA ↓
NVIDIA CUDA技术是当今世界上唯一针对NVIDIA GPU（图形处理器）的C语言环境，为支持CUDA技术的NVIDIA GPU（图形处理器）带来无穷的图形计算处理性能。凭借NVIDIA CUDA技术，开发人员能够利用NVIDIA GPU（图形处理器）攻克极其复杂的密集型计算难题，应用到诸如石油与天然气的开发，金融风险管理，产品设计，媒体图像以及科学研究等领域。CUDA工具集的核心其实是一个C语言编译器。
为什么GPU跑得快 ↓
GPU具有两点主要特征：超长流水线与并行计算。 如果装配一台汽车需要10个时间单元，将它分成10个流水线阶段，每个阶段分配一个时间单元，那么一条装配线每一个时间单元就可以生产一辆汽车。显然流水线模式的生产在理想状况下要比串行方式快了十倍。 GPU通过单指令多数据(SIMD)指令类型来支持数据并行计算。在单指令多数据流的结构中，单一控制部件向每条流水线分派指令，同样的指令被所有处理部件同时执行。例如NVIDIA 8800GT显卡中包含有14组多处理器(Multiprocessor)，每组处理器有8个处理单元(Processor)，但每组多处理器只包含一个指令单元(Instruction Unit)。
GPU流式编程模型 ↓
GPU编程以流式编程模型为基础，它以允许高效计算和通信的方式构造程序[3]。在流式编程模型中，所有数据都表现为流。我们把流定义为具有相同数据类型的数据的有序集。数据类型可以是简单的(整数或浮点数流)或复杂的(点或三角形或变换矩阵流)。流可以是任意长度，如果流很长(流中有上百或更多的元素)，那么流上的操作并行度将很高。流上允许的操作包括复制它们，从它们导出子流，用一个单独的索引流索引入它们，以及用核在它们上执行计算。GPU程序称为核，核操作整个流，获取一个或多个流作为输入并产生一个或多个流作为输出。核的特征是它操作多个流上的所有元素而不是独立的元素。
CPU程序以异步的方式调用GPU核程序。GPU作为CPU的协处理器(Coprocessor)提供服务。
实际检验物理运算 体验：Badaboom
上个分页说了我们可以用显卡进行视频压缩，现在就进行测试。NVIDIA联合Elemetal制作了名为BadaBOOM Media Converter的视频转换工具，可以将众多的视频格式转换成直接能在PSP、iPhone等流行手持数码设备上播放的视频格式。该软件基于CUDA开发，最大限度的利用GPU加速。不过目前这款软件尚处在测试阶段，仅支持GTX280和GTX260，且驱动程序必须使用ForceWare 177.34之后的版本。我们测试系统基于Q6700处理器平台，这也方便比较顶级CPU和顶级GPU在编码能力方面的差距。
BadaBOOM的界面简单，选择需要压制的视频和需要生成的格式即可。中间的滚动条可以设定转换品质，我们使用最高画质，输出为iPhone默认的分辨率，压缩一段MPEG2编码的动画视频。这段视频就是NVIDIA利用Autodesk MAYA软件制作的首部动画《The Plush Life》，这部720P的片源播放时间近12分钟，容量为183MB，GTX280的实时编码速度达到了155.1帧，完成整个编码过程仅用20几秒。
同样的平台下（Intel Q6700），我们改用最新的iTunes软件来试着压缩这段视频。
转换完毕，总共消耗3分9秒。
使用Wondershare iPhone Video Converter软件进行同样的转换格式工作，我们选择压缩格式为标准的iphoneH.264 480x320。
转换完毕得，到的结果是耗时1分16秒。
测试显卡是GT200，9800GTX当然也同样支持
通过简单的体验，我们可以看到，通过BadaBOOM和两款软件对比后，之间的速度差距也十分直观放在大家眼前。但目前BadaBOOM只是测试版本，相信等到NVIDIA推出正式版本后，到时软件的兼容性更强，不单只有GT280能支持外，让中低端显卡用户也能感受到显卡通过CUDA进行物理运算带来的喜悦。
从竞争对手ATI而言，应用GPU加速物理运算还仅仅是纸上谈兵，ATI现在来说根本就不具备这样GPU加速类似CUDA的平台，更别说应用物理运算来进行视频压缩等我们常用的功能，虽然ATI这边并没有说没有视频压缩的功能，不过从捆绑的收费软件跟压缩格式的单一（只支持DVD 转MPEG）K男认为仅仅是一个应用的开始，而非一个成熟技术的表现。从2003年NVIDIA就开始起步做CUDA，NVIDIA在GPU加速物理运算再次的领先其竞争对手ATI。开放的CUDA平台基于C++让编程人员上手容易，这样CUDA在日后应用就会越来越广泛。就拿本分页的测试结果来看20秒的压片过程，足以证明一切。CUDA编程大会让更多的应用技术得以体现，这些靠时间跟精力推广的技术，ATI来说需要花费更多时间去追赶。至少从个人角度，一旦视频压缩技术成熟后，视频MM的机器里一定会添置2块NVIDIA的显卡。
CUDA显卡支持列表
通过显卡进行物理运算解放CPU，让GPU通过CUDA这个C语言汇编平台，利用GPU在并行计算的巨大优势让物理运算成为可能。而视频压缩的应用从普通消费者来说最直接受益，也最明显。说到这些普通消费者并不想深研究CUDA，也记不住GPU的并行计算跟CPU串行计算之间复杂关系。那还有什么最直观，最直接的应用呢？显卡参与物理运算还有那些呢？PhysX被NVIDIA并购后的最大的变化是什么呢？
PhysX应用得到延伸
作为先前物理加速界的两大厂商，Ageia与Havok相继为NVIDIA与INTEL收购，而就在数天前，AMD方面也宣布与Havok展开合作。而NVIDIA方面则将Ageia物理加速技术融入了CUDA中，成为未来全系列NVIDIA显卡都具备的特殊功能。PhysX物理加速芯片将不再继续开发，也就是不再会单独的出产PhysX显卡，取而代之的是建立在CUDA 2.0的新版PhysX驱动，即使电脑没有安装PhysX物理加速卡，所有拥有Unified Shader Processor的NVIDIA显示卡，包含GeForce 8及 GeForce 9家族，将拥有物理加速能力，提供单纯使用处理器多10倍以上的物理加速运算能力。所有目前已使用PhysX技术的游戏都支持新版驱动程序，如果装有支持CUDA平台的显卡，游戏将自动选取显卡进行物理加速运算，否则仍会使用性能较慢的CPU进行运算。此外，PhysX并不只使用于游戏市场，同时亦会运用CUDA通用运算领域上，应用更广。
安装驱动的话现在是独立安装，不过以NVIDIA的作风日后一定会整合到驱动里，方便使用。
当驱动成熟后软件应用当然一定需要普及让用户能深深感受到变化，就好像视频编码的应用。在性能得以稳定的发挥下，而完全超越游戏，让GPU为其它应用程序发挥更大潜力，这也是NVIDIA所给予的初衷。当然，NVIDIA能如此鉴定的喊出这样的口号，完全是基于NVIDIA的GPU已经站在了业界的前沿。在NVIDIA与Adobe公司合作后，为其Adobe Acrobat 8以及Reader 8系列软件都很好的提供了页面显示着色的技术，充分的利用GPU来加速对PDF格式的绘图文件进行显示。
同样一个容量达到50MB的期刊读物电子版PDF文件，在使用传统方式打开时，读取时间为8秒。而使用GPU硬件加速功能时，打开时间不超过3秒，且在浏览时不会有拖沓感，PDF文件也变得流畅异常了。
并且除了在效能上有所增加以外，还可以利用GPU的可编程特性（下面我们会有关于CUDA的详细介绍），来进一步加强对PDF文件中的2D内容拓展效果，包括平移、卷动与缩放等等，而实际上，Adobe Reader 8的每一项运用到GPU的功能都有着显著的效能增进。所以，我们在使用过程中可以有效的避免一些包括对比较精细的图片缩放读取出错、读取过慢等。
当然，除了Adobe阅读软件外，如今我们在日常办公中还会经常用到的Photoshop，最近NVIDIA也宣布了关于对Photoshop提供GPU加速功能。虽然Photoshop已经能够支持多核心处理器，但是在遇某些大分辨率的图片或者滤镜较为复杂时，速度仍让人许多精益求精的专业人士抓狂。对于他们来说，浪费时间就代表浪费金钱，浪费时间也意味着浪费生命。但是在Photoshop Creative Suite Next上，我们通过GPU、物理加速的支持（下面我们会有关于PhysX的详细介绍）。Photoshop在打开一个大容量、高像素的图像文件将会变得非常简单，对图片进行缩放、旋转也不会存在任何Lag。
更多应用软件
除了Adobe、Photoshop等常用的办公软件外，GPU加速也延伸到了Google earth。Google earth是一款3D地图显示软件，它能够将地球上某一区域的地貌，以3D图像的形式展现出来。这款软件读者都很熟悉，早期的Google earth从2D起步，但是随着深入发展和商业应用，这款软件也进入了3D化，很显然，这类软件将会逐渐成为我们今后生活的必备软件。
在Google earth的设置界面，如果你拥有一个性能强劲的显卡，那么可以将画质设置为最高，这是在没有GPU加速功能的PC上无法体验的速度感。
没有GPU加速状态下
GPU加速状态下
当我们以最高画质量为限查找地图街景时，带有GPU的PC系统可以流畅地进行地图缩放。而同样的场景、同样的搜索速度、同样的处理器，在没有GPU加速时，运转速度简直无法忍受，在Fraps显示的速率上，使用GPU加速和不使用GPU加速情况下，速度落差达到了几十倍之巨，由此可见，GPU的作用和意义绝不仅限于游戏。
图片浏览也向3D迈进—Google Picasa2。Google Picasa2是一款可帮助您在计算机上立即找到、修改和共享所有图片的软件。在使用NVIDIA显卡的电脑上使用Picasa软件，通过GPU加速，图片的拖放或文件夹切换，图片生成的速度都非常快，这跟我们采用NVIDIA的显卡是息息相关的。如果换用没有GPU加速的平台，搜索图片时生成速度可绝非一时一刻，前后对比，数倍的差异十分明显。
Pictomio是一个类似于Picasa的图片浏览和管理软件，它提供了极其华丽3D图片浏览效果。如果PC中具备GPU，那么完全可以利用强大的GPU将浏览方式变更为3D模式，无缝缩放、渐变式切换，效果十分惊叹。但如果没有GPU，平面的交互效果实在是太过让人失望了。
如你所见，视频功能的日渐丰富是当今计算机发展的主流趋势，这些软件通过GPU 的提升可以明显的得到更快、更连贯的显示效果。而这些性能的改变单靠提升CPU的运算性能，是无法完全实现的。可以说，GPU强大的浮点运算能力转化为全新的应用方式，将成为PC机正在经历的一场全新变革；我们的数字生活也将会因GPU的改变而步入全新的视觉时代。
GPU应用在更多的科学计算
这个分页似乎会跟普通消费者有点距离，因为说到大型的科学计算跟我们日常生活确实联系不紧密，因为之前我们的机器想进行这样的计算单靠CPU来工作未免有点太太太吃力，硬件的成为了最主要瓶颈。
CUDA开发平台是基于NVIDIA GPU的平台上，因此发挥GPU的并行优势才是最终的目的。从客观上考虑，CUDA对于非图形的计算，并没有任何的限制性，不过CUDA还是相对比较适合与高度并行的计算。这里所谓的高度并行的数量级为上千个，相对于CPU来讲，双核的CPU也许几个线程就能充满它整个的计算单元，然而CUDA-enabled GPU却能够容纳上千个线程（也就是GPU中数百个SP单元的功力），所以常遇到的高性能计算领域的问题就特别适用于CUDA，而之前通常采用计算机集群的方式来进行计算。
从NVIDIA GeForce6开始，就已经能够支持较为复杂的控制指令，比如条件的转移，分支以及循环和子程序用等。到现在的新一代显卡，GPU的程序控制能力又增强了不少，支持的程序长度也得到了扩展，也就是说GPU的任务不单单为一项，而是还可以写一些较为复杂的程序。
当然，万物皆不完美，其还是主要去做那些能够分成很多个独立线程的数值计算。比如说矩阵的乘法计算，矩阵相对应的元素的计算是没有什么联系的，可以很多个线程同时送入很多个处理器进行并行处理，这就非常适合于用CUDA来解决。当然并不是所有的事情CUDA都能够很好地解决，比如像操作系统这样复杂的指令和纷繁的分支循环而又用很少的线程来处理，这显然就不是CUDA的强项了。高度并行的计算是CUDA的技术特性之一。
目前来说，CUDA已经被应用在了许多领域中，包括在通用计算中的一些GPU加速，游戏中的物理模拟等等，而在科学计算中，CUDA可发挥的功效就更大了。比如有限元的计算、神经元的研究计算、地质分析等等科学研究的领域；当然目前GPU计算的应用还是处于一个早期的阶段，大部分CUDA应用都是专业人员和相关的程序员在开发，随着CUDA的广泛推行，以后会有实际的基于CUDA的程序，更多的程序员能够加入进来，并且开发一些可以给大家日常应用带来好处的程序，只要有支持CUDA的GPU就能够利用到GPU计算的好处。
在我们接下来将要测试的1个CUDA应用实例中，GPU分布式计算和密集型计算时有着比CPU强上很多倍的能力，随着CUDA的飞速发展，越来越多的程序可以使用GPU来作计算，处理能力比CPU更为强悍，无论对于消费者还是NVIDIA来说，都是非常乐观和期待的。
体验：Folding@Home
Folding@home是美国史丹佛大学推动的分散式运算计划，目的在于使用联网式的计算方式和大量的分布式计算能力来模拟蛋白质折叠的过程，并指引对由折叠引起的疾病的一系列研究。ATI早在2006年就加入了这个计划，最新的客户端能支持Radeon HD 2000/3000系列显卡，NVIDIA一直无缘这项可以说是全球最普及的显卡通用计算应用。
但在日前加州举行的一次媒体会议上，NVIDIA宣布NVIDIA CUDA显卡即将加入Folding@home计划。NVIDIA表示，目前全球有7000万块CUDA显卡（GeForce 8及以上，包括Quadro和Tesla系列），平均拥有100GFLOPS的浮点运算能力。如果这其中有0.1%参与Folding@Home，就能够为该计划带来7PFLOPS的运算能力，远远高于全世界最强大的超级计算机（运算能力不足1PFLOPS）。注：以下测试采用GT200
目前NVIDIA CUDA显卡已经加入Folding@home计划，资料表明GTX280显卡可以在一天内模拟超过650纳秒的蛋白质折叠，而HD3870只能达到大约170纳秒，PS3仅仅100纳秒，四核心处理器更是不过4纳秒。这就是说，GTX280在这方面的性能是四核处理器的160多倍。
一直强调GPU Computing的NVIDIA首当其冲，我们利用CUDA开发的支持GTX280的Folding@home的客户端，进行了简单试用，在Forceware 177.39 beta驱动中开始加入了对CUDA的支持。Folding@Home是以ns/day来衡量性能的，我们看到GTX 280能提供621ns/day的计算能力，与而一颗四核心CPU的计算能力为4ns/day，HD3870的计算能力则为170ns/day相比，GTX280在此具备着极大的优势。另外，除了CUDA的运用随着NVIDIA的驱动开始对PhysX的支持，玩家更是可以体验到物理加速的快感。
测试显卡赏析
本次常规测试使用的显卡是耕昇GeForce 9800GTX采用了公版设计，红色的底色跟京剧的脸谱已经是耕昇不是标志的标志。
显卡使用了代号为G92-420-A2的显示核心，采用了65nm制程，核心晶体管数量为7.54亿个，并且拥有128个SP流处理器，64个纹理单元跟16个ROPs，核心的显存位宽是256Bit，支持PCI-E 2.0规范，第二代的PureVideo HD视频解码技术。支持MPEG-2、H.264硬件解码，支持DX10.0跟SM4.0特效，还支持三卡互联SLI技术。
耕昇这款9800GTX显存使用了三星0.8ns GDDR3显存颗粒，总共8颗组成了512M/256bit的显存规格，核心频率/shader 是 675/1688MHz，相对来说有点保守。
显卡辅助供电需要双6PIN，并且支持三路SLI技术，显卡视频输出是双DVI+SVideo的输出方式。
测试平台介绍与测试说明
测试平台使用了我们评测室常用的Q6700并且OC到333*9，主板平台使用了华硕提供的Intel X48平台，显示器使用了明基提供的LCD，为此特别感谢。
测试项目：有理论测试的3DMark Vantage跟游戏UT3，理论测试3DMark Vantage可以直接测试出当有物理运算后分数变化，UT3则是NVIDIA放出一个物理扩展包后，自带“飓风”(Tornado)和“灯塔”(Lighthouse)这两张地图，可以实现物理加速。
3DMark Vantage测试结果
对于3DMark Vantage我们肯定不能错过。3Dmark Vantage作为最新面世的DX10时代基准性能测试软件，其成绩尤其是GPU成绩是衡量DX10世代显卡性能的重要参考标准，与3DMark06相比，完全采用了全新的测试场景，其中两个GPU测试场景，两个CPU测试场景。在GPU测试场景当中，使用了最新的DirectX 10特效，对于不能够支持DirectX 10的产品来说，3DMark Vantage直接为他们选判了死刑，因此3DMark Vantage是一款更加之的测试的DX10基准测试软件。
这里是3DMark Vantage测试中关于CPU Test2部分的测试，也就是一个物理加速测试的环节。测试的场景为一个飞机场，飞机都尝试着穿过圆形的障碍物。并且飞机尾部的彩色喷雾也会彼此产生交错。
在没有安装上PhysX物理驱动的时候，障碍物的数量为4个。
也就是在这张图片中，我们可以看到有4个圆形的障碍物，这4个圆形障碍物的多少是取决于处理器核心和物理加速是否存在的关键，每个核心代表1个障碍物。如果开启物理加速的话，那么物理加速将分别负担4个圆形障碍物，处理器1个核心负责物理卡，其余核心各自负责一个障碍物，也就是障碍物的数量等于处理器核心数减一再加四。（我们使用的处理器为Intel Q6700）
当我们安装完PhysX物理驱动以后，障碍物的个数增至7个。
接下来我们进行测试，测试的步骤为两部，首先是在没安装物理驱动前的成绩，Forceware 177.39 Beta驱动的单项测试。第二次是Forceware 177.39 Beta + NVIDIA PhysX v8.06.12物理驱动后的成绩。
在相同平台下，同样选择Performance模式，Forceware 177.39 Beta + NVIDIA PhysX v8.06.12物理驱动后的测试成绩为P7061，提升幅度将近12.2%，提升幅度不小！尤其是的在开启了第二个物理加速模式后CPU成绩能飙升到30873，成绩提升可以用恐怖来形容。作为GPU辅助CPU测试物理加速，K男觉得这样的成绩是正常的。
UT3测试结果
相继几款采用《UT3》引擎的热门游戏大作发布之后，《虚幻竞技场3》终于在玩家们的期待中亮相了。《虚幻竞技场3》采用了最新的“虚幻3”游戏引擎开发，画面效果十分震撼，这在其他几款同样引擎的游戏中也有所体现。 并且Unreal Tournament 3发布物理扩展包，自带“飓风”(Tornado)和“灯塔”(Lighthouse)这两张地图。《UT3》物理扩展包主要卖点体现在环境的可破坏性，比如砖墙、天花板、地板都可被打碎。这样当敌人躲在墙后的时候，你可以摧毁墙体进而攻击敌人。每一堵墙都成了一扇门！尤其在《Tornado飓风》这张地图中，能量站中刮起一场飓风，无论环境还是玩家的搏斗都被这场飓风刮得支离破碎，带来更加真实、震撼的游戏效果。
测试方法：采用第三方软件开发的Benchmark软件进行测试，多次测试取平均值。
我们可以看到在开启了PhysX加速跟未开启帧值变化并没有想象的那么大，但是游戏里在“飓风”(Tornado)和“灯塔”(Lighthouse)这两张地图里，物理特效表现的十分明显。不过对于没有使用PhysX的玩家应该不能同场竞技。ATI的HD 4850在常规测试中表现当然就只能是中规中矩来形容，在开启了PhysX后ATI的HD 4850并不能进入地图，而耕昇9800GTX提升幅度接近10帧。
简短非主流总结
“未来”这个词需要敬畏，谁要是能预测或是洞察未来，我们常常称为——先知。百度上对先知是这样解释的：”先知是对人类社会或自然科学的大事有较早了解或准确预言（这些预言必须是准确的）的人。“对于IT产业的某些重要产品的更新来说，产品的更新更像对未来市场占卜的先知，毕竟市场变换太快，产品每次革命性更新就是一个拐点的开始，拐点是向上还是向下，则是由市场来决定的！为何我突然想到了R600......
本次的评测非常规的技术解析或是评测，里面很多避开了CUDA专有名词跟技术名词，为了就是让网友更加清楚GPU在NVIDIA并购PhysX后，CUDA平台在普通消费者能理解的应用。也可以说抛开了以往GPU Just Only For Gaming的单一发展方向，NVIDIA在GPU的视觉计算来说的确走在了前面，而作为消费者来说有必要了解跟清楚这个方向究竟如何？否则就变成了编程人员的自娱自乐，毕竟未来的标准要由未来市场竞争决定。
GPU是3D加速芯片发展的一个里程碑式的阶段，是一种通用的解决方案，3D加速不死，GPU照样有用武之地。3D加速是基础，NVIDIA引领GPU发展数年，但不能仅仅是3D加速，让GPU更加通用，协助CPU发挥最大并行计算的潜力，这是GPU双线发展道路，也是未来GPU发展雏形。或许正如我文章开头写的那样......
PhysX
：我办不到。
英伟达
： 我知道， 这不公平，你本来不是集成在显卡里，但是我们并购了。
这就像我们听过的精彩故事，歌颂伟大的并购一样，充满了机遇和挑战。
有时你不想知道结局，因为怎么可能有快乐结局？
与HD 4000系列竞争的残酷事实下，9800GTX怎么可能回到从前8800GTX？
但是最后我们的合作，终究会成功。
我们会甩开对手HD 4850，物理运算的一天将会来临，CUDA会发挥更大的功能。
这才是让ATI永生难忘，认为意义非凡的经典GPU。
即使所有人不明白为什么GPU要这样做，但是我想我明白了。我现在明白了。
在研发物理运算专用驱动的时候，差点出现半途而废，但是最后并没有放弃。
研发者们决定勇往直前，因为研发者们抱着一种信念。
PhysX
：抱着什么信念？
英伟达
：未来显卡一定存在物理运算，CUDA值得我们奋战到底。Beyond Gaming Gaming Beyond！
文章到最后已经告一段落，写文章之前思路被无数次打断。现在静下心来写最后的文章总结，回顾一下NVIDIA与ATI之间的恩恩怨怨，NVIDIA在3D加速方面，可谓胜多负少。ATI能拿来称赞的经典神卡光靠9550现在来看难以信服，NVIDIA在图形领域的领先地位，起到作用是引领整个GPU发展。而CUDA平台不仅仅是一个简单平台开放，而是一个GPU发展另外一个方向。Game+视觉计算双向的“并行”发展，而ATI在这点上还在执迷是否能上高频或是飙升流处理器这样的传统游戏发展方向。传统PC游戏从Crysis就可以窥见未来游戏的一个方向，逼真动态的模拟真实环境，大量的物理运算+智能的AI，这些不单单是一个简单的3D加速问题了，更别说抛开Game的话GPU还能分担更多的并行计算，跟我们使用密切软件应用如：视频压缩、图片处理、3D建模、Google Earth等等越来越多非Game应用。以上这些NVIDIA在开放CUDA平台后，一个并行计算的接口就诞生了，GPU不单单是Game不单单是玩游戏、打游戏这样的传统模式。NVIDIA在游戏的领先现在依旧强势，CUDA应用平台开放后，ATI的GPU面临就是再次的压力跟挑战，并行计算的应用NVIDIA领先对手，这样的强势让Intel也不得不发表很多新闻来，又回到文章的开头：PhysX：抱着什么信念？ 英伟达：未来显卡一定存在物理运算，CUDA值得我们奋战到底。Beyond Gaming Gaming Beyond！
更多精彩的最新配件资讯，请点击进入硬件中心！
大家如果对本栏目有任何建议、意见或任何IT配件资讯的投稿，欢迎发邮件到zhang.yang@staff.pchome.net，我们会尽快给予回复。最后，硬件频道全体同仁感谢大家对PChome一贯的关注和支持!
