在高性能计算、机器学习等现代应用领域中，GPU（Graphics Processing Unit）是占统治地位的计算引擎。GPU从早期的固化逻辑实现、到可编程、到今天的通用计算架构（GPGPU），其应用接口（API）随着功能和通用性的提升而变得越来越灵活和高效。
1. 图形渲染：DirectX 和 OpenGL
早期的GPU有浑名显卡也不冤枉。从软件角度来说，其逻辑架构基本上就是图形的三角形坐标变换、顶点照明、像素着色等一系列功能。因为逻辑固化、功能单纯，应用程序通过驱动接口可以直接执行这些功能，主要API就是较早版本的OpenGL和DirectX。
OpenGL源于曾经非常风光的SGI公司，然后演进成支持跨平台图形的工业标准，版本也从最初的1.x，到2.0，3.x，到今天的4.5【1】。目前Khronos Group（OpenGL标准化组织）正在推进OpenGL5.0。而DirectX是微软的windows平台上专用API。DirectX图形API最初的几个版本基本上是奋力直追OpenGL的features，直到DirectX 9.3c，微软才完成了实质上的超越。DirectX 9.3在features上大致相当于OpenGL3.3。（注意，OpenGL分为台式、嵌入式两个不同的profile，其版本之间的一一对应关系不甚明显）
随着图形算法的改进和对高质清晰画面的追求，GPU需要越来越强大的灵活性来支持纹理、材料属性、和精细度渲染，固化的逻辑显然无法跟得上这些需求。GPU实现真正意义上的可编程是支持高层渲染语言（shading language）。对应于OpenGL的高层语言是GL Shading Language（简称GLSL），对应于DirectX的高层语言是High Level Shading Language （或HLSL）。GPU的可编程流水线架构如下：
由上图可见，在GPU的逻辑流水线上，只有两个阶段是可编程的，其它的仍然是固化的硬件支持。其中，一个可编程的stage是三角形顶点处理器（vertex processor），用户可以根据自己的需求编写适当的坐标变换、光线照明等复杂程序。另一个是像素处理器（fragment processor），实现更细节的渲染和纹理映射等。两个处理器对应的GPU程序分别叫做vertex shader 和fragment shader。在DirectX中，fragment shader叫做pixel shader。
不同的GPU厂商对上述的可编程逻辑单元有不同的的硬件实现。比如，英伟达（Nvidia）早期的GeForce 系列，ARM Mali GPU都采取了离散架构，即vertex processor和fragment processor是独立的物理处理单元。英伟达直到GeForce 8 系列的Tesla微架构，才改成了归一化的GPU架构【2】，即统一的处理器可以同时执行vertex shader 和fragment shader。ARM Mali Midgard和最近的Bifrost微架构也采用了归一化的实现【3】。不过，高通（Qualcomm)的Adreno GPU一开始就是归一化的微架构。
2. 通用计算：DirectX、OpenGL／OpenCL和Renderscript
在DirectX9.3 实现超越之后，微软在GPU API方面一直处于领跑地位。只是DirectX 10时运不济，几乎随着Windows Vista灰飞烟灭。但之后的DirectX 11改头换面，并率先推出了细分曲面（tessellation)和通用计算（compute）API，实现了从GPU 到GPGPU（general-purpose GPU）的飞跃【4】。
虽然从API的角度，通用计算处理器似乎是一个独立的单元，但一般的GPU物理实现都是重复利用流水线上的可编程单元（归一化的处理器），在执行通用计算GPU程序（叫做compute shader）时忽略其它的硬件功能。Vertex shader，fragment shader，和compute shader采用归一化的编程模型。
因为DirectX是微软的专用API，OpenGL社区也不甘落后，很快就推出相应的OpenGL通用计算和细分曲面功能。为了有别于DirectX，OpenGL的tessellation 程序叫做tessellation control shader和tessellation evaluation shader，分别对应于DirectX的Hull shader和Domain shader。OpenGL ES（嵌入式系统）在3.1版本引进了通用计算，但直到去年的3.2版本才正式加入tessellation功能（在此之前由Google的扩展包得以维系）。
真正跨平台的通用计算API是Khronos的OpenCL1.x 和随后的OpenCL2.x。感觉比较别扭的是，同一个Khronos Group标准化组织，却同时有两套通用计算API。简单的理解是，OpenCL是为大计算准备的（heavy-duty compute），比如在GPU上的大规模高性能科学计算。OpenGL compute是轻量级的，适合于简单的图形、图像处理等任务。例如，在模拟粒子系统时，用OpenGL通用计算API来计算速度、位置、势能等，再快速切换到渲染模式，把整个粒子系统显示出来。相比之下，OpenCL需要比较复杂的set-up，而且和图形渲染之间的相互切换（inter-op）也有较高的执行开销。
需要强调的是，OpenCL虽然是从GPU领域诞生出来，但通用计算框架远不止适用于GPU。同样可以应用在CPU，DSP，FPGA，或其它异构计算的体系架构中。OpenCL在跨平台的功能移植性（functional portability）方面是很好的，但是其性能移植性（performance portibility）往往并不理想。
另一个算是常用、但并不被大多数人知道的通用计算API是Google推出的RenderScript。Google一开始是希望能像DirectX一样，同时支持图形渲染和通用计算。但很快发现，图形渲染抵不过OpenGL，便丢下了渲染，专注于通用计算。所以有人开玩笑说，RenderScript既不是render也不是script。目前，RenderScript主要用在安卓系统中，只有Google自己的应用在使用。但随着下一代通用计算API的发展，RenderScript前途未卜。
3. 下一代API：一场“几乎零开销驱动”的竞争
阿里的许多业务app在手机端上执行，对GPU的使用一般都是轻量级的。但随着业务功能的增强，特别是AI和机器学习应用的普及，在端上的计算越来越多。之前的图形渲染、通用计算API，不管是OpenCL和OpenGL，还是Renderscript，驱动开销（driver overhead）都比较高。所以提高端上GPU功效、增加电池续航能力是移动GPU的当务之急。即使是在数据中心，能降低驱动程序的开销，提高服务器CPU／GPU效率，对能源、硬件资源的节省也可以带来可观的效益。所以近两三年来，工业界在研究如何降低GPU驱动上投入了大量的人力物力。几大巨头纷纷加入了所谓的“几乎零开销驱动”（almost zero overhead driver，AZOD）的竞争。
- 苹果的Metal API，主要用在iOS和MacOS上
- 微软的DirectX 12，当然还是聚集在windows系统中
- 超微（AMD）推出了Mantle
- Google 也有自己的版本（出于公司的秘密，隐去其名）
- Khronos Group跨平台的Vulkan
经过一番混战和讨价还价，竞争的结果就是AMD和Google各自把自己的ideas和框架工作捐给了Khronos，融合、演变成了现在的Vulkan 1.0。笑到最后的是苹果Metal和微软DirectX 12专用API，以及Khronos Group的跨平台通用Vulkan API。实质上，这三个API的features都是大同小异。
当然，AZOD并不能魔术般的让驱动程序开销一扫而光。他们在实现层面上主要集中在以下几点：
- 减少GPU在命令序列中的状态更新、同步等开销
- 重复使用命令包，并允许增量更新（incremental update）
- 实现多个渲染目标的融合，减少GPU数据的导入、导出
- non-binding 纹理等资源的使用
- 把内存管理、多线程管理等繁琐的任务推到用户层；用户本来就有更好的全局观来管理资源的生命周期
- 把GPU程序（shaders）的编译工作在线下预处理，降低在线编译的开销
再稍微介绍一下Vulkan：
如果想理清Vulkan和OpenGL的关系，可以把Vulkan看成是下一代的OpenGL，即OpenGL 5.0。在Vulkan的命名上，除了希腊神话中的强大火神外，还有5的意思（罗马数字V）。同样，Vulkan也有一个附带的编程语言，叫做SPIR-V （standard portable intermediate representation，SPIR）。V既是5，也是针对Vulkan。不过，SPIR-V在语言的定义上，远超出了图形的范畴，有能力表述通用计算、甚至C++的功能。现在有不少开源项目是基于SPIR-V，以得到更好的移植性。
4. 后记
上文提到，Khronos Group工业标准有两套通用计算API，OpenCL和OpenGL（加上一个新的Vulkan）。这两套API到底是什么关系呢？正所谓，天下大势，分久必合。目前的解决思路主要有两个：
- 淘汰OpenCL，把其功能和某些特性引入到Vulkan中
- OpenCL作为上层API，用Vulkan在底层来实现OpenCL的功能
第二个想法与C++／C的关系有点像。C++可以作为与C无关的独立语言，但C++的功能往往可以用C来具体实现。虽然Khronos 标准组织还没有对外公开最后的答案，感觉这个方案可能会通过。
旁白
本文有意回避了把CUDA作为通用计算API的讨论。严格意义上讲，CUDA是一个GPU的软件生态系统，且只限于英伟达的GPU架构。所以和DirectX或RenderScript还是有区别的。
参考文献
- https://www.khronos.org/opengl/wiki/History_of_OpenGL
- https://en.wikipedia.org/wiki/List_of_Nvidia_graphics_processing_units
- The Bifrost GPU architecture and the ARM Mali-G71 GPU
- https://en.wikipedia.org/wiki/DirectX
