GPGPU, пожалуй, самый практичный вариант для энтузиастов. Тем не менее, DSP - это еще один вариант, например, производства Texas Instruments, Freescale, Analog Devices и NXP Semiconductors. Конечно, большинство из них, скорее всего, больше ориентированы на промышленных пользователей, но вы можете взглянуть на линейку DSP Storm-1 , некоторые из которых должны стоить всего $ 60 за штуку.
Другим вариантом параллелизма данных являются блоки обработки физики, такие как Nvidia (ранее Ageia) PhysX. Наиболее очевидное использование этих сопроцессоров для игр, но они также используются для научного моделирования, криптографии и других приложений векторной обработки.
Подключенные процессоры ClearSpeed - еще одна возможность. Это в основном SIMD сопроцессоры, разработанные для приложений HPC, поэтому они могут быть вне вашего ценового диапазона, но я просто догадываюсь здесь.
Все эти предложения основаны на параллелизме данных, так как я думаю, что это область с наиболее неиспользованным потенциалом. * партия приложений, в настоящее время интенсивно использующих процессор, может выполняться гораздо быстрее при гораздо более низких тактовых частотах (и с использованием меньшей мощности), просто используя преимущества векторной обработки и более специализированных наборов команд SIMD.
Действительно, большинству пользователей компьютеров не требуется больше, чем процессор Intel Atom, для удовлетворения большинства их повседневных вычислительных потребностей: электронной почты, просмотра веб-страниц и воспроизведения музыки / видео. А для остальных 10% вычислительных задач, которые на самом деле требуют большой вычислительной мощности, скалярный процессор общего назначения обычно не является лучшим инструментом для работы в любом случае.
Даже большинству людей, у которых есть серьезные потребности в обработке, она нужна только для узкого диапазона применений; физику не нужен ПК, способный воспроизводить новейшие FPS; звукорежиссер не должен заниматься научным моделированием или статистическим анализом; и графический дизайнер не должен заниматься цифровой обработкой сигналов. Специфичные для предметной области векторные процессоры с узкоспециализированными наборами команд (например, современные графические процессоры для игр) могли бы справляться с этими задачами гораздо более эффективно, чем универсальные высокопроизводительные процессоры.
Кластерные вычисления, без сомнения, очень полезны для многих высокопроизводительных промышленных приложений, таких как ядерные исследования, но я думаю, что векторная обработка имеет гораздо более практическое применение для среднего человека.