很多人不知道自己的台式计算机有800小处理器在同时为自己工作吧 。我贴一小段自己的综述吧：
导言
十多年前开始的BEOWULF项目，是利用目前廉价的硬件资源组建集群（CLUSTER），进行大规模并行计算的主要进展和方向。从每年计算能力最强的计算机排名可以看出，具有此类体系结构的系统的比例具有绝对优势 。最近的一次统计表明（2008年11月），基于机群结构的超级计算机的比例占前500台中的82% , 而中国跻身其中的15台超级计算机，全部是基于集群体系结构
集群体系结构在计算节点间的通讯，一直是提高计算效率的瓶颈。集群对于一般粗粒度的并行算法和应用，不存在很大的问题，但是对于细粒度的并行应用，例如分子动力学模拟计算，却非常难以利用现有的巨大的计算能力进行提高。如何利用现有的硬件资源，进行针对类似分子动力学模拟的需要细粒度的应用进行加速，是一个非常富有挑战性的课题。
最近几年，由于图像处理器（GPU）的飞速发展，利用该处理器的计算能力来加速分子动力学的模拟成为可能。图二显示，从2003年开始，GPU的浮点计算能力就开始超过同时期的CPU。最近的报告称 ，一个价格与CPU相当的图像处理器，在经过针对其优化的代码后，分子动力学模拟性能能够得到上百倍的性能提升。可以说这是在分子动力学模拟硬件上的一个惊人进展，值得我们进行关注。
我们在本文中，对目前主流的GPU硬件，开发环境和针对应用于分子动力学模拟算法发展进行系统的评述，为这一迅速发展和正在演化的技术和市场给出一个大概轮廓， 使读者能够迅速地进入到这领域开展相关工作铺垫道路。在第一部分我们从理论构架上指出GPU计算的优势；第二部分介绍目前市场上能够获得的主要GPU硬件产品和他们的性能；第三部分介绍相关产品的让将开发环境和目前的发展概况；第四部分介绍针对分子动力学模拟算法的优化技术。