GPU和MIC是目前两个流行的异构计算平台，二者在市场上的地位类似。如果当下有一个fortran程序，是该选择移植到GPU上还是MIC上呢？
个人推荐：GPU要优于MIC。
首先，我们来看下GPU和MIC的单机linpack结果：
该测试的GPU为K40m,MIC为31S1P（天河2号专用卡）
从这个测试结果上看，MIC的linpack测试性能似乎略胜于GPU。
其次，从编译器的软件环境来看，CUDA FORTRAN的编译器为PGI，MIC的编译器为intel fortran，两款编译器对于fortran语言标准的支持有细微差别，
从移植的角度来说，如果原来的程序是用的intel的，移植选择intel的编译器可能要少些麻烦。除此以外，intel的编译器是免费的，PGI是收费的，而且
费用还不低，如果单买PGI的fortran，需要5000rmb,同时购买PGI C和fortran，估计价格约为1万rmb。幸运的是，PGI推出了社区版本，可以免费试用1年。
从支持的库来看，MIC支持intel的MKL，而在GPU上的fortran库只有CULA，且CULA目前停止更新。当然可以通过fortran调用C的方式来调用其他的C
版本的库，前提是PGI最好连C版本一起买了。
从使用的难易程度来看，MIC的接口很容易，形似openMP,fortran使用GPU的方式有两种，一种CUDA FORTRAN,一种OPENACC。如果希望能深层次的
优化的话，CUDA FORTRAN更好一些。代价就是，增加了移植的难度。
从debug的角度来说，CUDA有支持的图形化界面nvvp和命令行nvprof，而对于MIC来说，debug则显得不方便，因为接口封装的比较完美，底层不易触及。
最后，我阐述下个人使用GPU和MIC的感受，对于GPU来说，固然有编写代码和优化的难题，但是，其效果是明显和可预期的，只要并行度高的程序总能
有加速比。而MIC表面上使用简单，但真到用起来了也是“谁用谁知道”，简单概况有两大坑：第一，接口的坑。明明一个很简单的类似openmp的接口语句，
就是给你报错，报的莫名其妙，而且debug起来也是头疼不已。第二，性能的坑。linpack测试的结果很喜人，实际用起来就不咋地，有时候不一定加速，甚至
减速也是有可能的。
总之，GPU目前来说更成熟更稳定，MIC的发展要晚于GPU，缺陷较多。希望对疑惑于选择GPU还是MIC的同学们有些帮助。
个人推荐：GPU要优于MIC。
首先，我们来看下GPU和MIC的单机linpack结果：
该测试的GPU为K40m,MIC为31S1P（天河2号专用卡）
从这个测试结果上看，MIC的linpack测试性能似乎略胜于GPU。
其次，从编译器的软件环境来看，CUDA FORTRAN的编译器为PGI，MIC的编译器为intel fortran，两款编译器对于fortran语言标准的支持有细微差别，
从移植的角度来说，如果原来的程序是用的intel的，移植选择intel的编译器可能要少些麻烦。除此以外，intel的编译器是免费的，PGI是收费的，而且
费用还不低，如果单买PGI的fortran，需要5000rmb,同时购买PGI C和fortran，估计价格约为1万rmb。幸运的是，PGI推出了社区版本，可以免费试用1年。
从支持的库来看，MIC支持intel的MKL，而在GPU上的fortran库只有CULA，且CULA目前停止更新。当然可以通过fortran调用C的方式来调用其他的C
版本的库，前提是PGI最好连C版本一起买了。
从使用的难易程度来看，MIC的接口很容易，形似openMP,fortran使用GPU的方式有两种，一种CUDA FORTRAN,一种OPENACC。如果希望能深层次的
优化的话，CUDA FORTRAN更好一些。代价就是，增加了移植的难度。
从debug的角度来说，CUDA有支持的图形化界面nvvp和命令行nvprof，而对于MIC来说，debug则显得不方便，因为接口封装的比较完美，底层不易触及。
最后，我阐述下个人使用GPU和MIC的感受，对于GPU来说，固然有编写代码和优化的难题，但是，其效果是明显和可预期的，只要并行度高的程序总能
有加速比。而MIC表面上使用简单，但真到用起来了也是“谁用谁知道”，简单概况有两大坑：第一，接口的坑。明明一个很简单的类似openmp的接口语句，
就是给你报错，报的莫名其妙，而且debug起来也是头疼不已。第二，性能的坑。linpack测试的结果很喜人，实际用起来就不咋地，有时候不一定加速，甚至
减速也是有可能的。
总之，GPU目前来说更成熟更稳定，MIC的发展要晚于GPU，缺陷较多。希望对疑惑于选择GPU还是MIC的同学们有些帮助。
原文发布时间为： 2016-12-19 16:07:45
原文由：LGZ 发布，版权归属于原作者
本文来自云栖社区合作伙伴NVIDIA，了解相关信息可以关注NVIDIA官方网站
