NVIDIA و ATI به عنوان به دو توليدكننده بزرگ پردازنده‌هاي‌گرافيكي، از اين ايده‌ي نوين استقبال كرده‌اند و براي گسترش فروش محصولات خود در بازارهايي فراتر از بازار بازي‌هاي كامپيوتري، فن‌آوري‌هاي جديدي براي به كارگيري پردازنده‌گرافيكي در كاربرد‌هاي غيرگرافيكي ارائه كرده‌اند. همزمان با عرضه Geforce 8800 ، شركت Nvidia‌ اولين محيط توسعه برنامه‌هاي GPGPU را مبتني بر كامپايلر C، موسوم به CUDA معرفي كرده كه به كمك اين فن‌آوري بهره‌برداري از پردازنده‌گرافيكي در برنامه‌هاي عمومي بسيار آسان‌تر خواهد شد. به گفته مدير ارشد شركت NVIDIA در حوزه محاسبات پردازنده‌گرافيكي ، آقاي andy keane ، معماري كاملا جديدي در پردازنده‌گرافيكي هاي نسل هشتم شركت به كار گرفته شده كه در آن با اضافه كردن حافظه‌ كاشه، استفاده از پردازنده‌گرافيكي در دو مد گرافيكي و غير گرافيكي به سهولت امكان پذير است: «هم اكنون پردازنده‌گرافيكي شباهت بسياري به پردازنده‌مركزي پيدا كرده است و CUDA مسير انعطاف پذير و ساده‌اي را براي دستيابي به كارايي شگفت‌انگيز نهفته شده در پردازنده‌گرافيكي براي برنامه‌نويسان به ارمغان مي‌آورد».

تجربه‌هاي بسيار موفق به دست آمده در پروژه Folding@Home دانشگاه اِستَنفورد، مهر تاييدي بر كاربردي بودن اين سبك جديد برنامه‌ها است ، در اين پروژه‌ي عمومي كه سال‌هاست آغاز شده كامپيوتر‌هاي هزاران نفر از سراسر دنيا با همديگر از طريق اينترنت متصل مي‌گردد تا به كمك توان پردازشي پردازنده‌مركزي هاي خود، پروتئين‌هاي موثر در ايجاد بيماري‌هاي سرطاني و بيماري‌هاي غددي را شبيه‌سازي كرده و محققين را در يافتن روش‌هاي درمان آنها ياري كنند. چند ماه پيش با همكاري شركت ATI، نسخه آزمايشي از نرم‌افزاري عرضه شد كه در آن از توان پردازش كارت‌‌گرافيك كامپيوترهايي كه از طريق اينترنت به همديگر متصل شده‌اند به جاي استفاده از پردازنده‌مركزي آنها در شبيه‌سازي‌ها استفاده مي‌كند. آخرين نتايج به دست آمده از اين آزمايش جهش 20 الي 40 درصدي نرخ رشد پروژه را نشان مي‌دهد، آرايه‌اي از 536 كارت‌گرافيك با پردازنده‌گرافيكيي Radeon X1900 كه طي چند ماه به اين پروژه پيوسته اند با 35 تريليون محاسبه در ثانيه، سرعت پردازشي بيش از 17485 پردازنده‌مركزي شركت كننده با پلتفورم linux با حداكثر 21 تريليون محاسبه در ثانيه ارائه كرده‌اند. افزايش عملكرد حاصل از بكارگيري پردازنده‌گرافيكي در برنامه‌هاي غيرگرافيكي، محققين و دانشمندان علوم كامپيوتر را مجذوب خود كرده به طوري كه روز به روز بر تعداد مقالات و تحقيقات حوزه GPGPU افزوده مي‌شود، Denish Manocha يكي از اساتيد تيم تحقيقاتي Gamma در دانشگاه كارولينا، در اين مورد مي‌گويد:

«حداكثر توان پردازشي پردازنده‌گرافيكي ها هر ساله 2 برابر رشد مي‌كند، چرا كه صنعت بازي‌هاي كامپيوتري انگيزه اقتصادي اين رشد را فراهم كرده است».

همچنين ايشان به همراه همكار خود در دانشكده علوم كامپيوتر دانشگاه كارولينا، مدت‌هاست اقدام به برگزاري دوره‌هاي آموزشي ويژه محاسبات عمومي به كمك پردازنده‌گرافيكي كرده‌ا‌ند. اين امر نويد آن را مي‌دهد كه بهره‌گيري از پردازنده‌گرافيكي در محاسبات عمومي به يكي از دروس استاندارد محافل آكادميك تبديل شود.

گروهي از محققين بر اين باورند كه قدرت پردازشي بسيار بالاي سوپر‌كامپيوترها با بهره برداري از توان پردازشي پردازنده‌گرافيكيهايي كه براي صنعت بازي‌هاي كامپيوتري توسعه يافته‌اند، قابل دستيابي است. به گفته Vijay Pande مدير پروژه Folding@Home «با بهره‌برداري از توان پردازشي پردازنده‌گرافيكي ها ما شاهد يك انقلاب واقعي بوديم كه هرگز قابل تصور نمي‌بود».

در اين مقاله به كاربرد‌هاي كارت‌گرافيك‌ در برنامه‌هاي عمومي اشاره شده كه در اين كاربرد‌ها پردازنده گرافيكي به عنوان يك كمك پردازنده محاسباتي قدرتمند به خدمت گرفته مي‌شود، علاوه‌ بر اين مقايسه‌اي ميان پردازنده‌ گرافيكي و پردازنده ‌مركزي صورت گرفته تا برتري‌هاي نسبي پردازنده‌هاي گرافيكي مشخص گردد سپس به روش‌هاي متداول برنامه‌نويسي عمومي پردازنده‌گرافيكي اشاره كوتاهي كرده و در انتها برخي از كاربرد‌هاي روش برنامه‌نويسي مذكور در برنامه‌هاي پردازش تصوير و بينايي ماشين بررسي شده است.