深度学习高性能GPU的加速和编程用到了哪些物理原理，现在的理论瓶颈有哪些？技术突破点在哪里？

、GPU相对CPU来讲，编程优势还是很明显的，第一架构效果特别明显，第二成本比较低，并且现在国内与国际应用生态已经很丰富了，不管GPU各类的数学库，还是各类开源的软件包，以及商业包来讲，生态已经做的很好。不足的地方是设计上的问题，比如内存是有限的，另外一个是和CPU之间的数据通讯，英伟达提出的NVlink能够部分缓解CPU和GPU之间的数据通讯，跨界数据的交换。