基於GPU的通用計算已成為近幾年人們關注的一個研究熱點。 將GPU用於通用計算的主要目的是為了加速計算， 加速的動力來自GPU在高性能計算方面所具有的優勢：
（1）高效的並行性。
這一功能主要是通過GPU多條繪製流水線的平行計算來體現的。 在目前主流的GPU中， 多條流水線可以在單一控制部件的集中控制下運行， 也可以獨立運行。 GPU的頂點處理流水線使用MIMD方式控制， 片段處理流水線使用SIMD結構。 相對於並行機而言， GPU提供的並行性在十分廉價的基礎上， 為很多適合於在GPU上進行處理的應用提供了一個很好的並行方案。
（2）高密集的運算。
GPU通常具有128位元或256位元的記憶體位元寬， 因此GPU在計算密集型應用方面具有很好的性能。
（3）超長圖形流水線。
GPU超長圖形流水線的設計以輸送量的最大化為目標， 因此GPU作為資料流程並行處理機， 在對大規模的資料流程並行處理方面具有明顯的優勢。
如下圖所示， CPU中的大部分電晶體主要用於構建控制電路（如分支預測等）和Cache， 只有少部分的電晶體來完成實際的運算工作。 GPU與CPU的設計目標不同， 其控制電路相對簡單， 而且對Cache的需求較小， 所以大部分電晶體可以組成各類專用電路和多條流水線， 使GPU的計算速度有了突破性的飛躍， 擁有驚人的處理浮點運算的能力。
圖：GPU與CPU內部結構比較
正是由於GPU在並行處理和計算密集型問題求解等方面所具有的諸多優勢， GPU已成為目前普通PC機所擁有的強大、高效的計算資源。 從系統架構上看， GPU是針對向量計算進行了優化的高度並行的資料流程處理機。 這種以資料流程作為處理單元的處理機， 在對資料流程的處理上可以獲得很高的效率。