GPU代表的是圖形處理單元，但是，這些小小芯片除了處理圖形功能，還有其它用處。比如，Google使用GPU來為人腦建模，Salesforce則依賴GPU分析Twitter微博數據流。GPU很適合并行處理運算，也就是同時執行成千上萬個任務。怎么做呢？你得開發一個新軟件，讓它挖掘GPU芯片的潛力。最近美國印第安納大學計算機博士埃里克-浩克（Eric Holk）就作出嘗試，他開發了一個應用程序來運行GPU。浩克說：“GPU編程仍然需要程序員管理許多低層細節，這些細節是與GPU執行的主要任務分離 的。我們想開發一個系統，幫助程序員管理這些細節，讓GPU在提高生產力的同時仍然有很好的性能。”
一般來說，電腦計算任務大多由CPU完成。一個CPU處理一個計算序列，也就是所謂的一次處理一個線程，它必須盡可能快地執行。GPU的設計初衷是一次處理多個線程，這些線程處理速度慢很多，但程序可以利用并行優勢執行得更快一些，就像超級電腦一樣。
浩克稱，今天，CPU已經能執行并行運算了，多核也很流行，但它們主要還是針對單線程優化???。
GPU術語直到1999年才出現，但在此之前已經有早期的視頻處理芯片了，它們于1970-1980年推出。 當時，視頻處理芯片嚴重依賴CPU進行圖形處理，1990年代圖形顯卡更流行了，也更強大了，主要是因為3D顯卡出現。
喬治亞科技大學克里斯-麥克拉納罕（Chris McClanahan）認為，GPU硬件架構已經進化，以前它只是特定單一核心，現在向一組高并行、可編程核心轉變，它可以用來處理更通用的計算。毫無疑 問，隨著GPU技術的發展，它會增加更多可編程性、更多并行性，變得越來越像CPU，可以用于通用計算。麥克拉納罕說，CPU和GPU最終會融合。同時， 開發者也開始挖掘GPU的能力，用于不同的應用中，包括物理系統建模、強化智能手機等。
浩克解釋道：“GPU的內存帶寬也比CPU高很多，在對海量數據進行簡單計算時，它的效率更好。”
已經有一些GPU編程語言存在，包括CUDA和OpenCL。漢克開發了新語言Harlan，它可以控制GPU。實際上，Harlan被編譯成 OpenCL。但與其它語言不同，Harlan語言的抽象思維更多與高級編程語言相近，比如Python、Ruby。浩克稱：“Harlan的另一個目標 是想回答一個問題：如果從一開始就開發一門語言，它最初的目標就是支持GPU編程，那會怎樣呢？

目前的大多系統將GPU編程嵌入到現有語言中，開發者不得 不處理舊語言的所有問題。Harlan可以讓開發者更好地為目標硬件、程序作決策。”
Harlan語法基于Scheme，它是Lisp語言的現代變種，Scheme是所有好語言的始祖。為了讓編程語言更“正常”一些，浩克還用到 了Rust語言，這種語言主要面向開發系統，它可以操作硬件底層。浩克的目的是讓程序員編寫的代碼更有效，因為Harlan能生產更好的GPU代碼。
(完)