"本书聚焦通用并行计算GPGPU 技术及其实践，系统回顾GPU 从图形渲染到通用计算的演化历程，深入解析GPU指令集、微架构、软件工具链设计。本书分为4 部分：第 1 部分回顾GPGPU的时代背景与发展历程，介绍主要开源项目；第2 部分探讨GPU设计思想与指令集，并引出乘影GPGPU自定义指令集；第3 部分剖析乘影GPGPU硬件微架构，包括流式多处理器单元、CTA调度器、缓存子系统、内存管理单元以及张量计算系统等关键模块；第4 部分介绍基于OpenCL的编程模型、LLVM 编译器及驱动工具链，构建完整的GPGPU软件生态。本书兼顾理论与实操，既涵盖GPU并行计算的核心原理与关键技术，又结合乘影开源项目的实践示例，帮助读者深入理解并掌握现代GPGPU的设计与实现路径。 本书适合对GPU 架构、并行计算与开源硬件生态感兴趣的工程师、学生和研究人员阅读。 "

"何虎，上海清华国际创新中心副主任，清华大学集成电路学院副教授，博士生导师，清华大学工业与车规半导体芯片研究中心主任。主要研究方向是高性能处理器。在TCAD，TCAS、TVLSI，Frontiers in Neuroscience，MICRO等国际期刊和会议上发表多篇论文。曾获北京市科学技术奖一等奖等三项省部级奖励。出版《通用图形处理器指令集架构和软硬件设计》《车规级芯片技术》等专著。承担清华大学“超大规模集成电路CAD”和“大规模集成电路测试方法学”课程教学。马鸣远，清华大学集成电路学院博士研究生，本科毕业于清华大学物理系。曾获清华大学优良毕业生、北京市优秀毕业生等荣誉。于芳菲，清华大学集成电路学院硕士研究生，2022年获得学士学位，2025年获得硕士学位，专注于GPGPU指令集架构及硬件设计研究。目前就职于阿里巴巴达摩院。"

前言 自人类文明诞生以来，对算力的需求就从未停歇。从古希腊的算盘、阿拉伯数学家对代数的系统化，到莱布尼茨与牛顿为微积分而争锋，再到近代图灵、冯·诺依曼等先驱奠基的计算机理论，技术的不断迭代皆围绕一个核心目标：更高效率、更强大、更普惠的计算能力。我们身处的信息时代，数据与计算需求正以指数级增长：从庞大的科学计算、高性能计算（HPC），到人工智能、大数据，再到实时渲染和元宇宙应用，一个个应用场景的浮现，都将“通用且强大的并行计算”推向了时代舞台的中央。 在过去的数十年间，图形处理器（GPU）经历了从固定功能管线到可编程着色器，再到GPGPU（通用GPU）时代的演变，充分展现了并行计算的巨大潜力。回顾20世纪末，GPU尚被视为专业的图形加速硬件，主要用于游戏、图形渲染以及CAD等领域。随着程序员和研究者对可编程着色单元的不断挖掘，尤其是Shader Model的演进，人们逐渐意识到：GPU不只能绘图，其强大的多核并行结构同样可被用来加速通用计算。自2006年前后CUDA、OpenCL等编程生态的兴起，GPU的通用计算价值被全面释放，无数科学研究、机器学习、数据分析工作开始从传统CPU平台迁移或部分迁移至GPU平台，性能呈现数量级的提升，成为当之无愧的并行计算基石。 然而，主流GPU架构与软件栈常被少数厂商主导，GPU的核心指令集架构、硬件实现细节等关键技术信息通常在专利和商业机密保护下，难以被公开探究。对于学术研究者、开源爱好者、初创企业等群体而言，难以从头完整地了解GPU内在原理与软硬件的协同设计。于是，开源GPU项目应运而生。在全球范围内，部分高校实验室、开源社区以及行业先...