近日在GPU技术大会(GTC)上，MathWorks宣布通过使用Parallel Computing Toolbox或MATLAB Distributed Computing Server实现在MATLAB应用中提供对NVIDIA图形处理器(GPU)的支持。这项支持可使工程师和科学家加快多种MATLAB计算的速度，而无需执行底层编程。
现在，越来越多的工程师和科学家可以借助MATLAB使用NVIDIA的具有支持CUDA的GPU，其中包括基于Fermi架构的最新Tesla 20系列GPU。Parallel Computing Toolbox可以使用户无需学习CUDA编程或对其应用程序进行重大修改，即可访问NVIDIA CUDA库。
MathWorks公司的并行计算市场部经理Silvina Grad-Freilich说：“MATLAB使用方便，它使工程和科学界能快速地采用GPU进行科学计算。MathWorks首次支持NVIDIA具有CUDA的GPU，这使MATLAB用户能利用GPU极大地提速其应用程序。Parallel Computing Toolbox使MATLAB的工程师和科学家只需进行少量编程，即可访问所有开放给他们的计算资源，从本地桌面的多核和GPU到集群和网格等。”
GPU最初设计用于图像密集型视频游戏产业中的图形渲染，但近年来GPU不断发展壮大，现可用于更广泛的用途。研究人员可对其进行编程以执行计算和复杂图形效果，用于数据分析、数据可视化，以及金融建模和生物建模等应用。
NVIDIA公司Tesla产品部高级经理Sumit Gupta说：“MATLAB是工程师和科学家工具箱中的基本工具。使用GPU可使MATLAB用户加速其各种应用，这为工程与科学应用领域中的突破性创新提供了基础。”
MATLAB用户可以使用MathWorks提供的Parallel Computing Toolbox在GPU上轻松实现具有GPU计算特色的代码加速。
