极客笔记从GPU诞生之日起，GPU的设计逻辑与CPU的设计逻辑相差很多。GPU从诞生之日起，它的定位是3D图形渲染设备。在设计GPU时从其功能出发，把更多的晶体管用于数据处理。这使得GPU相比CPU有更强的单精度浮点运算能力。人们为了充分利用GPU的性能，使用了很多方法。这其中不得不提OpenGL（Open Graphics Library，开放图形库）。
OpenGL定义了一个跨编程语言、跨平台的应用程序接口规范，它用于生成二维、三维图像。这个接口由近350个不同的函数调用组成，用来从简单的图像比特绘制到复杂的三维景象。
当我们把绘制的图像传递给OpenGL后，OpenGL还要做很多才能完成3D空间到屏幕的投影。这一系列的过程称为OpenGL渲染流水线。一般的渲染流水线过程如下图所示。在顶点装配和片段操作中，使用GPU中的着色器（英文为shader，实际上就是GPU的处理器）来进行相应操作。进行几何处理的处理器叫顶点着色器，它负责对顶点进行坐标转换、投影变换等；进行片段颜色处理的叫片段着色器。
随着GPU技术的发展，GPU的图形渲染流水线从固定功能流水线发展到可编程渲染流水线。可编程渲染流水线含有若干可编程着色器（比如，OpenGL 2.0起支持顶点和片段着色器；OpenGL 3.2起支持了几何着色器；OpenGL 4.0起支持了细分曲面相关的着色器；OpenGL 4.3又引入了计算着色器），这些可编程着色器处理单元可实现用户自定义算法的功能。OpenGL中的GLSL（OpenGL Shading Language，OpenGL着色器语言）就是一种着色器语言。利用GLSL可以实现上述GPGPU（General Purpose GPU，通用计算GPU)的各种着色器程序。但为了掌握GLSL，人们需要去学习太多的计算机图像学知识，这使得在开始时的学习曲线比较陡峭。
从2007年以后，基于CUDA和OpenCL这些被设计成具有近似于高阶语言的语法特性的新GPGPU语言，降低了人们使用GPGPU的难度，平缓了开始时的学习曲线。使得在GPGPU领域，OpenGL中的GLSL逐渐退出了人们的视线。OpenCL与OpenGL一样，都是基于硬件API的编程。
OpenCL与CUDA
2007年，NVIDIA向市场推出GPGPU整套解决方案——CUDA。CUDA是集硬件与软件于一体的集成技术。CUDA C编程是在C99的扩展上进行的，这大大降低了开发GPGPU程序的难度，使得开发人员可以方便地开发GPGPU程序。对于CUDA C的代码，只能运行在NVIDIA G80架构以后的GPU上。
OpenCL是2008年才发布的基于硬件API编程的工业标准。OpenCL相比CUDA，支持的平台更多，除了GPU还有CPU、DSP、FPGA等设备。OpenCL已发布4个正式标准，最新版本为OpenCL 2.1，而NVIDIA的GPU只支持到OpenCL 1.2，对于开发人员来说有点遗憾。
OpenCL编程模型设计时，借鉴和参考了CUDA编程模型。从编程语言来看，OpenCL和CUDA语法基本类似，所以对开发人员而言，如果熟悉OpenCL或CUDA中的其中一种，要熟悉另外一种编程语言是很容易的，这也使CUDA与OpenCL程序之间相互移植会比较容易。不过由于OpenCL支持平台更多，所以在主机端OpenCL处理相比CUDA显得有点烦琐。