Векторизация кода преобразования координат в пространстве на Intel® Xeon Phi™ с помощью низкоуровневых инструкций

Если интересно, попробуйте. В данном случае на топовом GPU, очевидно, будет быстрее, если считать все на нем, но данная операция может использоваться, как здесь уже отметили, в итеративном коде с выводом данных на каждой итерации, то есть каждый запуск ядра потребует пересылки большого объема на GPU и обратно, а это уже, скорее всего, будет существенно медленнее.

Векторизация кода преобразования координат в пространстве на Intel® Xeon Phi™ с помощью низкоуровневых инструкций

Во-первых, этот ускоритель, используемый на многих кластерах, современным назвать уже нельзя, на его смену пришел KNL, у которого производительность выше, но доступ к которому пока получить не удалось, так что современным GPU, он, на этой задаче будет уступать, так же, как и по пиковой производительности. Во-вторых, в статье не показано, как достичь пиковой производительности, а приведен пример того, как можно повысить скорость кода, генерируемого компилятором за счет векторизации, причем на одном ядре. Для эффективного задействования сопроцессора, код еще требуется распараллелить. Этот пример может дать преимущество в случае, если целиком выполнять все вычисления, помимо матричных операций, на сопроцессоре в native-режиме, например, достаточно сложный параллельный физический код, который целиком на GPU не ложится.