大家知道，不同架构的处理器硬件能力各有不同：
- CPU是标准的多指令单数据流的处理器，它适合逻辑控制以及任务调度
- GPU是单指令多数据的处理器，它支持大规模的并行计算，适合图像渲染
- DSP是专用的数字信号处理处理器
- FPGA对高并行性，低延时的场合特别适合
异构计算设备是指在同一个电脑系统中有两种以上、架构差异很大的计算设备，例如同时有CPU和GPU。异构计算能够提供更灵活的组合方案。
异构计算概念的产生要从 CPU 的发展历程说起。
现在是一个大数据的时代，随着物联网的广泛应用，每时每刻都会产生海量的数据，这些数据对应着庞大的计算量，这对硬件算力的要求就越来越高了。
人们在最初提高算力的时候主要是去提高 CPU 运行的主频，等到 CPU 的主频提高到极限以后，就开始想办法把 CPU 的内核做成多核，这种多核系统是一种同构（相同结构）多核的并行计算系统。
通过多核是可以明显提高性能，但是有一些计算场景在处理数据的时候，它会需要大量的乘加的计算、而有的只需要去做一些事务性的调度或者传输，完成的任务各不相同，此时采用同构计算的多核CPU不能够满足多种计算的需求，所以人们就想到了异构计算，对于不同的任务，采用不同的架构的处理器去进行计算，做到物尽其用，提高它的算力。
这里举个例子：现在人工智能领域非常火的英伟达显卡，它内部的每个计算单元在最开始是去做 3D 的渲染计算用的， 它和 CPU 是不同的架构，但当它们同时存在于一个系统当中，它们可以根据各自的优势处理不同的任务 ，充分发挥各个架构的算力，所以来说异构并行计算的系统是现在在大数据、物联网、人工智能时代的必然产物。
但是不同的硬件处理器平台对软件开发人员来说，开发语言、环境都是不一样的，这为开发带来了难度，所以一个统一的开发标准去桥接不同硬件极为关键，OpenCL 的出现就为异构系统并行计算提供了这样的一个标准。
下一讲 我们介绍OpenCL。
