目前，国内GPU的研发比较火，总体上来讲，国内GPU初创公司主要是以GPGPU为主，主要玩家是以买IP来实现前端设计的方式，总体上对整个GPU的软件生态，linux图形技术栈的理解，对OS以及相应的编译器的投入还需要加强。那么如何从零到一实现一个GPU的设计，是一个复杂的技术性问题，后续，我将会做为一个系列，来介绍如何从零开始实现一款全新的GPU。
一，GPU最早主要是Nvidia和ATI推出的图形渲染加速处理器，这种以异构并行加速处理图形渲染的芯片，主要用于2D/3D游戏，3D动画，VR等图形渲染加速。显卡里面的GPU在游戏玩家跑分测试拼性能的过程中，迭代开发累计了成千上万颗cores在一个GPU芯片里面。使得异构并行计算时代加速到来。
二，后来，由于AI对算力的需求，AI开发工程师发现GPU的众核并行计算能力具有天然的并行加速能力，对OpenGL进行一定的接口适配，利用compute shader就可以利用GPU的并行多核加速提升AI算力。后面就催生了Cuda，OpenCL这样的异构并行计算软硬件生态度和相应的编程模型。GPU的异构并行这种能力，在国内一种初创公司中就活跃起来了，主要的方法就是把原本GPU中具有的图形渲染和通用计算视频编解码功能，进行了阉割版，只是实现其中的通用计算能力取名叫做GPGPU。
三，要实现GPU从零到一的微架构搭建，还得从GPU的最早的一般GPU的实现过程方法来分析，这样可以得到最原生的GPU/GPGPU的微架构实现方法。
实际上，现代的GPU/GPGPU，内部结构非常复杂，要说明白其结构原理，并从软硬件框架，linux图形技术栈，AI通用技术栈等方面解
