>> Игровые никуда не годятся. В тех же игровых nvidia CUDA чисто формальная.
> Выкинь маркетинговый булшит от нвидии из головы, чувак.
> 0) CUDA - проприетарное нечто от нвидии.

Согласен

> А OpenCL - для всех,
> в отличие от. Он в том числе и нвидией реализуется.

Но OpenCL пытается быть универсальным, из-за чего теряет в производительности.

> 1) У амд например игровые карточки в OpenCL долбят так что за
> ушами трещит. Мой восьмиядерник на массово параллелизуемых задачах ненавязчиво продувает
> видяхе В 20-30 РАЗ.

А вам не лень показать исходный код?

> Вот если алгоритм не параллелится - хилые
> и относительно низкочастотные ALUшки с слабым flow control - могут разочаровать.
> Это не general purpose проц и даже не собиралось им быть.

Я в качестве сферического эксперимента в вакууме делаю тупое перемножение матриц. Очень легко параллелизуемый алгоритм.

>> но лично меня всё равно больше привлекают CPU-шки с AVX-ами (и им подобными).
> Никакие AVX ни разу не заткнут за пояс пачку ALU где счет
> идет на тысячи простых SIMDобразных дробилок. В сумме эта конструкция втыкает
> системному процу в десятки раз, если алгоритм параллелится. Потому что оно
> за 1 такт воротит прорву работы на порядки превышающие все эти
> AVX в их самых радужных мечтах. И даже сравнительная низкочастотность (GPU
> как правило тактируют в районе 1ГГц) при ТАКОМ количестве ALU -
> не проблема.

Честно сказать, не изучал вопрос расчёта на AMD-шных карточках. Я лишь лично тестировал nvidia. Я конечно могу уже очень плохо помнить, ибо было сравнительно давно, но с учётом почти 4-кратного прироста на double-ах на AVX даже с учётом перегонки данных туда-сюда, я получил на i5 производительность для перемножения матриц во _много_ раз больше, чем на GeForce GTX 650 Ti. Притом размер матриц подбирался специально так, чтобы выжать наибольшую производительность на этой GPU-шке. Может, конечно, память играет со мной злую шутку.

Недавно мой коллега рассказывал свои разочарования про попытку использовать OpenCL с такой же карточкой.