專有名詞：

GPGPU 通用圖形處理器 （英語：General-purpose computing on graphics processing units，簡稱GPGPU或GP²U），利用處理圖形任務的圖形處理器來計算原本由中央處理器處理的通用計算任務，這些通用計算常常與圖形處理沒有任何關係。由於現代圖形處理器強大的並行處理能力和可程式設計流水線，令流處理器可以處理非圖形資料。特別在面對單指令流多資料流（SIMD），且資料處理的運算量遠大於資料排程和傳輸的需要時，通用圖形處理器在效能上大大超越了傳統的中央處理器應用程式。

CUDA（Compute Unified Device Architecture，統一計算架構[1]）

OpenCL（Open Computing Language，開放計算語言）是一個為異構平臺編寫程式的框架，此異構平臺可由CPU，GPU或其他型別的處理器組成。OpenCL由一門用於編寫kernels（在OpenCL裝置上執行的函式）的語言（基於C99）和一組用於定義並控制平臺的API組成。OpenCL提供了基於任務分割槽和資料分割槽的平行計算機制。

OpenCL類似於另外兩個開放的工業標準OpenGL和OpenAL，這兩個標準分別用於三維圖形和計算機音訊方面。OpenCL擴充了GPU圖形生成之外的能力。OpenCL由非盈利性技術組織Khronos Group掌管。

關於CUDA和OpenCL的對比：

觀點一：

從很多方面來看，CUDA和OpenCL的關係都和DirectX與OpenGL的關係很相像。如同DirectX和OpenGL一樣，CUDA和OpenCL中，前者是配備完整工具包、針對單一供應商(NVIDIA)的成熟的開發平臺，後者是一個開放的標準。
雖然兩者抱著相同的目標：通用平行計算。但是CUDA僅僅能夠在NVIDIA的GPU硬體上執行，而OpenCL的目標是面向任何一種Massively
Parallel Processor，期望能夠對不同種類的硬體給出一個相同的程式設計模型。由於這一根本區別，二者在很多方面都存在不同：
1）開發者友好程度。CUDA在這方面顯然受更多開發者青睞。原因在於其統一的開發套件(CUDA Toolkit, NVIDIA GPU
Computing SDK以及NSight等等)、非常豐富的庫(cuFFT, cuBLAS, cuSPARSE, cuRAND, NPP,
Thrust)以及NVCC(NVIDIA的CUDA編譯器)所具備的PTX(一種SSA中間表示，為不同的NVIDIA
GPU裝置提供一套統一的靜態ISA)程式碼生成、離線編譯等更成熟的編譯器特性。相比之下，使用OpenCL進行開發，只有AMD對OpenCL的驅動相對成熟。
2）跨平臺性和通用性。這一點上OpenCL佔有很大優勢（這也是很多National
Laboratory使用OpenCL進行科學計算的最主要原因）。OpenCL支援包括ATI,NVIDIA,Intel,ARM在內的多類處理器，並能支援執行在CPU的並行程式碼，同時還獨有Task-Parallel
Execution Mode，能夠更好的支援Heterogeneous
Computing。這一點是僅僅支援資料級並行並僅能在NVIDIA眾核處理器上執行的CUDA無法做到的。
3）市場佔有率。作為一個開放標準，缺少背後公司的推動，OpenCL顯然沒有佔據通用平行計算的主流市場。NVIDIA則憑藉CUDA在科學計算、生物、金融等領域的推廣牢牢把握著主流市場。

觀點二：

OpenCL實際上是什麼？
OpenCL實際上是針對異構系統進行並行程式設計的一個全新的API，OpenCL可以利用GPU進行一些平行計算的工作。
OpenGL是針對圖形的，而OpenCL則是針對平行計算的API。
OpenCL開發的過程中，技術平臺均為NVIDIA的GPU，實際上OpenCL是基於NVIDIA
GPU的平臺進行開發的。另外OpenCL的第一次演示也是執行在NVIDIA的GPU上。
從本質上來說，OpenCL就是一個相當於Windows平臺中DirectX那樣的技術。或者說，它是一個連線硬體和軟體的API介面。在這一點上，它和OpenGL類似，不過OpenCL的涉及範圍要比OpenGL大得多，它不僅是用來作用於3D圖形。如果用一句話描述，OpenCL的作用就是通過呼叫處理器和GPU的計算資源，釋放硬體潛力，讓程式執行得更快更好。
CUDA實際上是什麼？
CUDA架構是原生的，專門為計算介面而建造的這樣的一個架構，這種硬體架構包括指令集都是非常適合於這種平行計算，為異構計算而設計的一整套的架構。CUDA架構可以支援API，包括OpenCL或者DirectX，同時CUDA還支援C、C++語言，還包括Fortran、Java、Python等各種各樣的語言。

OpenCL與CUDA的關係是什麼？
CUDA和OpenCL的關係並不是衝突關係，而是包容關係。OpenCL是一個API，在第一個級別，CUDA架構是更高一個級別，在這個架構上不管是OpenCL還是DX11這樣的API，還是像C語言、Fortran、DX11計算，都可以支援。作為程式開發員來講，一般他們只懂這些語言或者API，可以採用多種語言開發自己的程式，不管他選擇什麼語言，只要是希望呼叫GPU的計算能，在這個架構上都可以用CUDA來程式設計。
關於OpenCL與CUDA之間的技術區別，主要體現在實現方法上。基於C語言的CUDA被包裝成一種容易編寫的程式碼，因此即使是不熟悉晶片構造的科研人員，也可能利用CUDA工具編寫出實用的程式。而OpenCL雖然句法上與CUDA接近，但是它更加強調底層操作，因此難度較高，但正因為如此，OpenCL才能跨平臺執行。
CUDA是一個平行計算的架構，包含有一個指令集架構和相應的硬體引擎。OpenCL是一個平行計算的應用程式程式設計介面（API），在NVIDIA
CUDA架構上OpenCL是除了C for CUDA外新增的一個CUDA程式開發途徑。
如果你想獲得更多的對硬體上的控制權的話，你可以使用OpenCL這個API來進行程式設計，如果對API不是太瞭解，也可以用CUDA
C語言來程式設計，這是兩種不同程式設計的方式，他們有他們相同點和不同點。但是有一點OpenCL和CUDA
C語言進行開發的時候，在平行計算這塊，他們的概念是差不多的，這兩種程式在程式上是有很大的相似度，所以程式之間的相互移植相對來說也是比較容易。
CUDA C語言與OpenCL的定位不同，或者說是用人群不同。CUDA
C是一種高階語言，那些對硬體瞭解不多的非專業人士也能輕鬆上手；而OpenCL則是針對硬體的應用程式開發介面，它能給程式設計師更多對硬體的控制權，相應的上手及開發會比較難一些。
程式設計師的使用習慣也是非常重要的一方面，那些在X86 CPU平臺使用C語言的人員，會很容易接受基於CUDA
GPU平臺的C語言；而習慣於使用OpenGL圖形開發的人員，看到OpenCL會更加親切一些，在其基礎上開發與圖形、視訊有關的計算程式會非常容易。