生命科学已经成为高性能计算最大的市场之一，在2008年，29%的TeraGrid超级计算周期被应用于生物科学应用，另外19%被用于化学和材料科学研究。在商业领域，医药公司和新兴的基因组科学对更好的药物和治疗方法的需求也在推动着HPC的需求。市场调研机构IDC预计生物领域将为HPC制造商带来15亿美金的收入，并提升2.6%的复合年均增长率。
特别在药品的研究方面，HPC可以同时降低研究的费用并加速研究的速度，当前，药物化合物的物理综合和药物筛选非常昂贵并费时，通常需要5年的R&D周期。而应用现代的HPC系统，大部分工作可以采用分子动力学和量子化学代码来模拟，用更便宜的CPU周期取代了昂贵的人力成本和材料花费。
NVIDIA 的Tesla工作台的特点是利用GPU，将生物科学计算变得更加廉价，得益于当前显示芯片强大的数据并行计算能力，在很多科学应用中一台采用GPU的工作站可以代替一个小型的CPU集群，一个中型规模的GPU集群可以取代一台高端的超级计算机。采用GPU计算可以显著的节省硬件成本、系统生命周期中的能耗以及数据中心的空间。
例如，采用NAMD烟草花叶病毒（STMV）的一个小型仿真，用分子动力学代码进行生物分子仿真，可以用16颗x86四核处理器的CPU集群来进行，通过NV测试，采用CUDA版本NAMD的4个GPU的工作站就可以比CPU集群做得好，而仅仅需要很少的能耗。据测试人员表示：“工作站上一切都运行的很好。”
当然，更为大型的仿真计算就不是一台工作站能够承担的了，但是这些代码也很容易扩展，建立一个GPU集群并不会造成多大的困难。应用GPU计算同样可以仿真较大型的项目，Gupta认为，生物研究人员不需要在超级计算机上耗费时间，因为有太多的限制。对于个药物公司而言，这意味着每个研究人员都可以拥有一台GPU工作站，并且在需要进行大型项目的时候可以组建GPU集群来进行计算。
GPU驱动的生物科学计算目前还没有商业产品，并且采用GPU计算进行医药研究的药物公司还是很少，但Gupta认为不超过5年就可以听到GPU计算在医药领域的成功故事。对于NVIDIA而言，目前最大的挑战就是如何让生物产业相信其GPU计算工具和平台已经完备，能够切实的推动生物科学的发展。
作者：
2010-1-17