這個還真的沒有太好的建議，既然你已經被分到［圖形計算］領域中的話，GPU平行計算絕對是你接下來關註和研究的重點，畢竟GPGPU在圖形計算領域中的優勢對比CPU還是挺大的，這個時候你就得把CPU平行計算稍微放一放了。
但是這個「稍微放一放」並不是讓你徹底拋棄CPU平行計算，而是要把GPU平行計算當成研究的重點，CPU平行計算只能當成課題之外的一個興趣分支（偶爾關註一下CPU平行計算領域中的前沿資訊即可）。
當然這並不意味著CPU平行計算就沒有它的價值了，因為基於GPGPU平行計算的器材也少不了中央處理器（CPU），所以現在工程師們正在努力開發一種［CPU+GPGPU］的計算體系，CPU平行計算或許會重新成為大家關註的重點也是說不準的事兒。
因此，即便是專註於GPU平行計算，但同時也不應忘了CPU平行計算也是頗具研究價值的，雨露均沾嘛，多了解一點未必是壞事。
在GPU平行計算與輝達CUDA並列編程愈發成熟且強勁的今天，我們的眼光始終離不開具備高算力的顯卡。
由此也造就了輝達T系列、P系列、A系列、特斯拉系列以及後續一系列圖形計算顯卡與AI加速顯卡的成功。
反觀CPU平行計算在過去5到10年的時間裏貌似逐漸淡出了人們的視線，而實際上和CPU平行計算有關的東西很多都還沒來得及開發到極致，原因是大家都等不起啊。
圖形計算的異軍突起使得以CPU並列開發為主的科學計算研究一下子變得黯然失色。畢竟圖形計算的發展勢頭太過於迅猛，不管是個人還是企業都會在下一輪的投票中選擇投資前景更好的專案。更重要的是CPU平行計算要想做到如GPU平行計算那般的便捷與易普及還需要跨越很多短時間內無法解決的難題。
首先，在具體套用上絕大多數個人使用者根本就不需要那麽強大的科學計算能力，普通消費級的酷睿i5、酷睿i7、酷睿i9以及一些入門級別的至強E5伺服器即可完美覆蓋個人使用者對科學計算能力的需求。
一千塊到幾千塊不等的價格就可以解決的問題，我們沒有必要非得付出上萬元甚至是十幾萬元的代價去解決它。
其次，要想獲得強大的CPU平行計算能力必須建立在你擁有一個非常龐大的CPU集群體系之上，即便是它再怎麽mini也有一個衣櫃那麽大，體積如此之大的主機聽起來就感覺它不會獲得更多人的青睞，尤其是個人使用者，誰會願意在自己家裏放那麽大一個機櫃？
最後，同時也是最重要的，GPU在圖形計算與AI加速計算等領域中的實用價值確實要高於CPU，當我們在確認了某樣工具能顯著提升生產力效率與投資收益後，我們很難抵擋得住這樣的誘惑。
既然提到了CPU平行計算嘛，那我們不妨再講一些和CPU平行計算相關的東西。
英特爾在CPU平行計算領域中已經取得了一些成就，最著名的當屬英特爾旗下的 Xeon Phi協同處理器。
這種協同處理器最終的產品外觀和獨立顯卡非常相似，單個Xeon Phi協同處理器就長這樣（如下圖所示）：
英特爾Xeon Phi協同處理器是一種典型的眾核處理器，Xeon Phi協同處理器發展了兩代，第一代是X100系列，第二代是X200系列，目前的狀態是已經停產了很長一段時間了，因為有了更好的替代產品了，所以那些早期的協同處理器自然會退居幕後。
在Xeon Phi協同處理器系列中「出鏡率」最高的型號是Xeon Phi 7120A，英特爾給它配備了61個核心，每一個核心最多可以支持4個執行緒，基礎頻率1.24GHZ，最大頻率1.33GHZ，這種處理器可以支持一機多卡（即多個協同處理器紮堆在一個主機裏，類似於顯卡的交火技術），它被大量套用於企業級伺服器甚至是超級電腦之中。
之所以要弄出這種協同處理器的主要原因是英特爾想用眾核處理器的方式去和GPU做對抗。
Xeon Phi協同處理器最大的特色並不是它的核心多，也不是它的執行緒多，而是它能很好的相容那些對接GPU並列編程的主流軟件，並且它的可移植性也比較強，這裏的移植指的不是CPU的移植性，而是程式碼的可移植性（部份基於GPU並列編程的程式碼可以最大限度的移植到Xeon Phi協同處理器的平台上，不需要做太多的修改）。
那麽這麽好的東西為什麽現在仍然看不到它的大量普及呢？
終極原因還是那一個，GPU平行計算的發展速度太快了，GPU平行計算更新一代在圖形計算領域中取得的進步抵得上CPU平行計算更新好幾代了，慢慢的往下發展它倆的身位只會越拉越遠。
