图形芯片最开始被用作固定函数的图形流水线。经过多年的发展，这些图形芯片的可编程性逐渐增强，从而使第一颗 NVIDIA® GPU 得以问世。 在 1999-2000 年间，计算机科学家和医学成像以及电磁学领域中的研究者开始使用 GPU 来加速一系列的科学应用。这就是所谓的「GPGPU」或 GPU 通用计算运动

虽然用户取得了前所未有的性能 (在某些情形中实现了比 CPU 高 100 倍的性能)，然而难题是 GPGPU 需要使用 OpenGL 和 Cg 等图形编程 API 来对 GPU 进行编程。 这样便限制了人们利用 GPU 的强大处理能力来为科学加速。

所有 NVIDIA® GPU GeForce、 NVIDIA® Quadro 以及 NVIDIA® Tesla) 均支持 GPU 计算和 CUDA® 并行编程模型。开发者几乎在任意平台上均可运用 NVIDIA® GPU，这些平台包括更新的苹果 MacBook Pro。 然而，我们建议使用 NVIDIA® Tesla GPU 来处理那些强调可靠性与整体性能的工作。 如需了解更多细节，敬请参阅「为什么选择 NVIDIA® Tesla」。

NVIDIA® Tesla GPU 完全专为加速科学技术计算工作而设计。更新的 NVIDIA® Tesla GPU 基于「Kepler 架构」中的诸多创新特性，与上一代架构相比，可提供三倍的性能，双精度浮点性能高达 1 Teraflops 以上，同时还大幅提升了可编程性和效率。Kepler 是世界上最快、最节能的高性能计算 (HPC) 架构。

NVIDIA® 意识到了将这种性能提供给更广阔的科学界的潜力，因此投入力量修改 GPU，让开发者能够对 GPU 充分编程，使其能够无缝地运用 C、C++ 以及 Fortran 等熟悉的语言。

GPU 计算的发展势头比以往任何时候都更加迅猛。现在，世界上一些最快的超级计算机仰仗 GPU 来加快科学探索，全球有 600 所大学已开设 NVIDIA® GPU 并行计算课程，积极运用 GPU 的开发者人数已达数十万计。