我首先通过 CUDA 使用我的（现在老化的）NVIDIA 9800GT 512MB 进入 GPGPU。这些天来，我的 GPU 似乎并没有削减它。
我对 OpenCL 特别感兴趣，而不是 CUDA 或 StreamSDK，尽管关于这些是否仍然值得追求的一些信息会很好。
我的预算约为 150 英镑加/减 50 英镑。我不太了解哪些 GPU 最适合科学计算（特别是流体模拟和 3D 医学图像处理）。
ATI 与 NVIDIA 的比较也可能会有所帮助，如果它们真的如此不同的话。
[我也很想听听有关使用 GPGPU 功能的游戏的任何建议，但这只是科学计算潜力之外的一个小问题。]
在评估内存速度与时钟速度与内存容量等方面的优缺点时，我也有点迷茫，因此有关这些更多技术方面的任何信息将不胜感激。
干杯。
如果您完全不要求 OpenCL，我会说您选择 ATI，因为他们有 OpenCL 1.1 驱动程序的发布版本，而 nVidia 在规范发布时几乎立即有 beta 驱动程序，但此后没有更新它们，他们我在 nVidia 开放 OpenCL 论坛中读到的内容有几个错误。
我个人选择了 nVidia，因为它为我提供了所有选择。你真的应该看看 CUDA。这是一种使用通用语言利用 GPU 和 CPU 的效率更高的方法。今后，微软的 C++ AMP 语言扩展将提供与 CUDA 相同的方法，但与平台无关，我相信届时社区会比 CUDA 更广泛地采用这种方法。
选择 nVidia 的另一个原因是，自从 nVidia 大力推动 GPGPU 计算以来，HPC 系统制造商一直在使用它来构建系统，因为它较少受到 AMD/ATI 的支持。那个阵营的特斯拉阵容真的没有答案。甚至 Amazon EC2 也提供了基于 Tesla 的 GPU 计算集群。因此，如果您正在寻找超越桌面的影响力和规模，我认为 nVidia 是一个更好的选择。