这可能只是理论上的，但在以下方面使用其中一种或另一种有什么优势吗：
- ISA
- 能源效率
对于我来说，使用 QPI 的解决方案看起来更好。与 QPI Xeon Phi 相比，使用 PCIe-P2P Tesla 有什么优势吗？
答案1
互联网上发布了许多比较测试和基准测试有人说 Tesla 在科学应用方面速度更快，但我不是 HPC 专家，我无法判断这些比较中使用的测试程序是否在某种程度上对 Nvidia 有利。尤其是 Nvidia 发布的比较 :)
我认为 Nvidia CUDA 是一项成熟的技术，而且我认为 CUDA 开发者社区更大，因此如果您正在开发某些软件，使用 Tesla 可能会加快您的项目开发速度。
我不知道英特尔 MKL 是否是一项成熟的技术，但对我来说 - 这是非常奇特的东西，我想找到一些帮助/支持可能比 CUDA 开发更难。另一方面 - 我相信你可以从英特尔获得最优质的客户支持。
你还必须考虑到，Nvidia 现在已经进入 28nm“时代”，而 Intel 则处于 22nm（我指的是市场上的产品）。因此，从理论上讲，我们今天可以预期类似的能源效率，但 Intel 很快就会采用 14nm 技术，这意味着下一代 Phi 系列将更加高效。
答案2
Tesla 在数字并行计算方面速度更快。但是，您必须意识到，GPU 仅限于执行数据并行计算，并且由于一种称为分支分歧。因此，比较 CUDA 和 Xeon Phi 就像比较苹果和橘子。如果您需要数据并行数值计算，Tesla 仍然更快。如果您需要运行一些并行 x86 程序，您需要 Xeon Phi。（是的，即使它是 x86，您仍然必须重新编译。）