NVIDIA宣布推出Tesla生物工作台，这是一个新的计划，汇集运行GPU加速生物科学应用程序所需的计算组件，利用GPU的强大性能，降低HPC应用的门槛，为生命科学研究人员和科学家提供一个以GPU为核心的工作台。

Tesla生物工作台

　　简单的说，Tesla生物工作台包含一系列GPU可处理的生物科学代码、一个Web社区站点提供代码的下载、一个论坛用来交流信息，当然，还包括装备Tesla GPU的和集群。这个计划所做的实际就是告诉生物科学研究人员，所需的应用程序和硬件就在这里，并可以和更多的专业人员进行交流。

　　在过去的两年中，GPU能处理的生物学应用显著增加，这要归功于CUDA接口的增加，让很多分子动力学和量子化学的软件包可以运行在 NVIDIA的GPU上，比如AMBER、GROMACS、NAMD、TeraChem、VMD的代码，还包括一些复杂的生物学代码如CUDA- SW++、GPU-HMMER和MUMmerGPU等。所有的这些代码都可以通过Tesla工作台从相应的站点来下载，其中一部分是免费的，特别是如果用 于学术研究。

　　这一切背后的动机是NVIDIA认识到生物学计算是GPU加速最容易获取的果实之一，相比单纯的CPU计算，生物科学计算应用GPU可以获得 10到100倍的性能提升，这对NV而言是不会注意不到的。“生物科学计算可能会是GPU计算应用{zd0}的领域。”NVIDIA Tesla部门高级产品经理Sumit Gupta这样认为，原因是很多小型和中型生物研究项目中，成本和复杂的高性能计算是{zd0}痛点。

在AMBER中不同平台的对比(点击放大）

    例如，基于CUDA的GPU加快了AMBER中Generalized Born和PMEMD的模拟速度。当采用基于CUDA架构的Tesla GPU计算解决方案时，AMBER能够实现7至8倍的速度提升。

　　特别在药品的研究方面，HPC可以同时降低研究的费用并加速研究的速度，当前，xx化合物的物理综合和xx筛选非常昂贵并费时，通常需要5年的R&D周期。而应用现代的HPC系统，大部分工作可以采用分子动力学和量子化学代码来模拟，用更便宜的周期取代了昂贵的人力成本和材料花费。

    NVIDIA 的Tesla工作台的特点是利用GPU，将生物科学计算变得更加廉价，得益于当前显示芯片强大的数据并行计算能力，在很多科学应用中一台采用GPU的可以代替一个小型的CPU集群，一个中型规模的GPU集群可以取代一台xx的超级计算机。采用GPU计算可以显著的节省硬件成本、系统生命周期中的能耗以及数据中心的空间。

    例如，采用NAMD烟草花叶病毒（STMV）的一个小型仿真，用分子动力学代码进行生物分子仿真，可以用16颗x86四核处理器的CPU集群来进行，通过 NV测试，采用CUDA版本NAMD的4个GPU的工作站就可以比CPU集群做得好，而仅仅需要很少的能耗。据测试人员表示：“工作站上一切都运行的很 好。”

GPU计算和单纯CPU计算的对比

    当然，更为大型的仿真计算就不是一台工作站能够承担的了，但是这些代码也很容易扩展，建立一个GPU集群并不会造成多大的困难。应用GPU计算同样可以仿 真较大型的项目，Gupta认为，生物研究人员不需要在超级计算机上耗费时间，因为有太多的限制。对于个xx公司而言，这意味着每个研究人员都可以拥有一 台GPU工作站，并且在需要进行大型项目的时候可以组建GPU集群来进行计算。

    GPU驱动的生物科学计算目前还没有商业产品，并且采用GPU计算进行医药研究的xx公司还是很少，但Gupta认为不超过5年就可以听到GPU计算在医 药领域的成功故事。对于NVIDIA而言，目前{zd0}的挑战就是如何让生物产业相信其GPU计算工具和平台已经完备，能够切实的推动生物科学的发展。