尽管异构计算的概念已提出多年，包括英特尔、英伟达等多家厂商都在提供异构计算的产品，并应用了不同的技术方案，但在中科院计算所并行实验室的贾海鹏先生看来，异构计算在编程上有三座大山需要翻越：编程思想、编程优化、调试。随着AMD推HSA(Heterogeneous System Architecture，即异构系统架构)，异构编程难题将得到有效缓解。

　　首先是编程难。异构计算和GPU都是并行程序，而传统应用都是串行的，这就需要程序开发者改变编程思维，需要程序员经过一段时间的特殊训练的程序员。在这方面，目前看并没有捷径可走。

　　第二，借助GPU发展异构计算，其终极目的是为了提高性能，这就需要程序能够完美地映射到硬件上去，需要对GPU程序进行优化。而要实现这点，必须同时具备两个技能：对算法有非常清晰的认识、特别了解底层硬件架构，只有这样才能够做到两者非常好的映射，但这将是一个非常有难度和工作量非常大的工作。不仅如此，由于异构计算还处于日新月异的高速发展过程当中，GPU的架构太多，变化太复杂，兼容性也不够。我们在编写程序时就遇到过一个很大的问题，而当我们耗费巨大精力将程序性能优化到最佳时，GPU架构出现了变化，导致我们有很多优化方法失效，不得不对这个程序进行再次优化。在这方面，HSA提供了中间语言，一份代码只需要程序员编写一次，就可以在任何的地方运行。

　　第三，调试难。这是最让我刻骨铭心的，程序调试本身就是难点，而在GPU程序中，这个难点就显得尤为突出。在GPU上有成百上千个线程在运行，数据在并行处理时，如果编写的程序在某一个地方出错，开发者很难知道是在GPU上哪里出了问题，也不知道是哪个分支在什么时候出了问题，这是并行计算编程中的常见问题，而在GPU上更为突出。在这方面，基于HSA架构的软件生态环境也提供了一种开放的标准，非常适合各个厂家开发各自的开发工具。

　　此外，贾海鹏表示，HSA所具有的异构队列、CPU和GPU共享内存等技术也解决了CPU和GPU协同工作，提高效率的问题。“如何让CPU和GPU来协同工作是异构计算中另一个难点。我们在让GPU工作的时候，CPU或者处于闲置状态，或者在等待数据的返回从而进行决策，这就使计算系统上的计算资源不能充分利用。原来在写程序时，这个问题可以通过队列形式让CPU和GPU来协同工作，但这种形式是使所有的交互甚至所有任务都是由CPU来承载，GPU扮演的只是协同者和参与者的角色。所以，如果GPU产生了新的任务，但这个任务又更适合CPU来处理的时候，GPU就无法将任务传给CPU执行。”贾海鹏说，“HSA让CPU和GPU可以共享内存，这就会避免我们原来在编写程序时，无法让CPU和GPU同时工作的瓶颈。CPU和GPU共享内存空间之后，就没有必要对这个数据进行二次处理;而异构队列提供了一个非常好的功能，就是可以让CPU和GPU进行任务的交互，在这种情况下，GPU与CPU将不会是一个简单协同的关系，而是将GPU和CPU摆在了一个同等的位置进行交互运算。”

　　“我相信AMD在相关技术上也一定会再次带给我们惊喜的表现，我们也期望AMD能够为我们科研工作者，提供更好的科技创新的平台。”他说。