当今社会是一个数据爆炸的社会,也是一个人工智能的时代。为了处理大量的数据以及为了满足人工智能算法的处理能力的要求,无论是工业界还是学术界都进行了长远探索。超级计算机、计算机集群、以及专用神经网络芯片如TPU、寒武纪等都是人们对计算能力需求探索的成果。无论是超级计算机、计算机集群、专用芯片,虽然他们可以满足人们对计算能力的要求,但是缺点也同样明显。例如系统造价以及维护费用昂贵,而且能耗也相当惊人,此外还有价格也比较贵,编程复杂,学习曲线比较陡峭。专用芯片还有功能比较固定,往往只能满足人们对某一个特定类型的计算的需求的缺点。因此上述三种解决方面都不适合个人以及小型实验室使用。在可以满足一定计算能力的前提下,又要克服上述系统的缺点,GPU-CPU异构计算无疑成为了人们首要的选择,而在GPU-CPU异构的算方面NVIDIA发布的CUDA编程模型凭借着在通用性、可编程性、以及计算能力方面的优势无疑成为了业界的领导者。因此基于CUDA的应用研究已经成为了当今学术界与产业界研究的热点。本文就是一个基于CUDA方面的研究。本文工作内容:(1)对当前基于GPU-CPU异构技术应用的研究现状进行了做了简要的分析。对GPGPU即GPU-CPU异构计算技术的发展以及历史背景进行了介绍,详细分析和研究了 CPU与GPU的不同以及各自的特点,总结了 CPU与GPU各自适应的计算领域。详细介绍了 NVIDIA公司的CUDA编程架构,分析研究了对CUDA架构的特点以及针对CUDA架构并行化的技术。(2)对Bezier曲线曲面的相关理论以及生成算法进行了介绍,根据曲线曲面生成算法的大量并行计算的特点以及CUDA优化数据并行的技术,以及生成构成曲线曲面点独立性,提出了一种基于CUDA异构系统的对曲线曲面算法进行加速的方法。(3)根据提出的对曲线曲面生成算的方法,把Bezier曲线曲面串行算法移植到CUDA异构计算平台上,并对产生的结果进行了分析。