國家高速網路與計算中心於高雄舉辦2009年亞洲高速計算會議與環太平洋先進網路國際會議，會中NVIDIA即針對具高速運算特性的GPU如何讓電腦成為超級電腦以及目前NVIDIA對於GPU市場現況提出見解。
NVIDIA Tesla Supercomputing總經理Andy Keane表示，GPU的平行運算特性適合大量資料運算需求，核心數也已發展出240個，能夠滿足高速、即時的運算需求。「根據數據顯示，執行 CUDA（GPU開發程式）的GPU，相較於CPU能夠節省24倍的功耗，且速度較CPU快60倍。」
「NVIDIA近幾年來致力將GPU推向高階應用市場，透過GPU多核心的優勢執行平行運算，在某些大量或即時運算上更符合需求。」NVIDIA TASA PSG Sales系統工程師李宗育表示，NVIDIA從07年起開始推動超級電腦的概念，硬體方面從第一版的G80到現在的G200，搭配周邊硬體與主機板卡廠商進行許多整合與穩定度測試；軟體方面從GPU開發平臺CUDA、相關開發套件等也提供不少開發資源，目前將GPU做為高速運算的應用上，在研究機構以及學校單位已有不少導入採用，「另外像是IC晶圓製造產業、製藥產業等也都有相關的應用。」
李宗育表示，不少企業需要透過叢集電腦(Cluster)執行大量運算，如果採用GPU超級電腦更能滿足需求。不過，以目前來看，所謂的企業應用指的是晶圓製造或基因研究等方面的需求，而商業應用的可能性呢？
「資料庫的應用是未來可能的發展方向，」李宗育表示，資料庫需要快速搜尋與排序，有時甚至得進行字串的比對，如果透過GPU來執行，速度能夠提升許多，「如果資料庫有壓縮需求也很適合使用GPU，因為壓縮同樣需要大量運算。」
不過，企業較注重應用程式以及系統的穩定性，這部分仍需要時間的累積。
目前要想開發GPU執行功能，可透過NVIDIA提供的專屬開發平臺CUDA撰寫程式，這套CUDA近似於C語言，NVIDIA並提供許多既有範例程式讓開發者參考採用，「CUDA和開發套件SDK可免費下載使用。」
此外，軟體開發商PGI提供支援CUDA轉換編譯器，「由於PGI的Fortran是具歷史的程式語言，其擁有相當豐富的數值運算函式庫，將這些程式碼移植到CUDA相當耗費人力，因此透過轉換編譯器即可將需要平行運算的程式碼轉換平行化處理，如果是Fortran使用者就不需要再另學CUDA。」
