Nvidia首席科学家David Kirk表示，到2012年，全球5种顶尖的超级计算机将使用具有并行计算应用软件的图形处理器，从而完成目前标准的单一CPU配置无法完成的海量数据处理功能。

在上周于旧金山举行的“三维图形的未来”的演讲中，Kirk畅谈了基于GPU的并行计算可以为诸如石油和天然气开采、计算金融以及其它计算建模项目等应用提供运算能力，此外，在图形学科本身也将提供更快、更为强大的混合表现。因为GPU计算已经是一个“数据并行处理”，Kirk认为，把各种计算问题分解为可以在GPU上并行完成的较小的指令集，要比在多核CPU上完成更为方便。

在类固醇上描绘有几分类似于摩尔定律的规律时，他表示，只要人们发挥Nvidia的基于GPU的通用目的计算(GPGPU)的优势，在真实世界应用中性能将提高100倍，正因为如此， Nvidia GPU已经付运了大约五千万片，这些GPU均能运行用于并行计算的CUDA编程语言。

Kirk表示，“这是对超级计算的真正证明，我们每周付运一百万片并行计算芯片。”

CUDA是计算统一设备架构的缩写，是一种由位于加州Santa Clara的Nvidia公司开发的C编程语言，它容许GPGPU程序员编写在图形处理器上执行的算法。目前，有可能在Nvidia的GeForce桌面芯片组、Quadro工作站以及Tesla高性能计算产品上运行CUDA，据Kirk透露，这家图形芯片制造商最近为Macintosh操作系统发布了一款SDK。

除了关于GPU驱动的超级计算机的预测之外，Kirk还谈到了像Evolved Machines这样的公司正在完成的有巨大潜力的研究工作，他们利用经加速的GPU创建了用于有机神经电路生长的仿真模型。

“那意味着我们正在学会如何创建具有嗅觉或视觉认知能力的计算模型，”他说道。当被问及技术上是否实现自我配线合成神经电路阵列时，Kirk拒绝做出回答，因为那预示着“A.I. 霸王”的攻击。

在演讲之后的问答期间，Kirk被问到Nvidia公司的竞争对手AMD下属ATI分部提供的GPGPU产品—如Close To Metal开放式薄硬件接口以及FireStream流计算处理器—时，他说：“ATI的产品有几分并行计算的成分，但是，我们实际上已经不采用他们那种方法，而是构建了实现并行计算的机器。”暗示Nvidia在GPU计算上是主要的原动力。