NVIDIA认为，作为仅仅2岁的CUDA来说现有的环境风险显而易见但却又被牢牢控制和掌握。对于CUDA这样年轻的失误，遇到的最大风险在于无人使用，而反观现在的情况，有7万人在使用CUDA开发软件，而全球有7千万个GPU支持CUDA，加上CUDA的免费与易用性，CUDA最大的风险并不存在。
 |
| CUDA的实现架构 |
所谓标准，在目前GPU并行计算和高性能计算独特的这个领域，开发环境上并不存在标准，CUDA甚至可以被看作第一个产品，那么CUDA更有资格成为标准。标准与用户群的大小关系紧密，那么如果CUDA和GPU的加速能带来更好的效果，相信标准也自然形成。
NVIDIA GPU的并行计算的模式从技术上来讲一定是未来计算的方向。我们知道Intel在2008年提出“大核小核”的概念，所谓大核就是我们今天看到的CPU（哪怕是4核），而所谓小核对于Intel产品来说近的可能就是Larrabee里的每个处理器，远的来看就是80核模型的成品，甚至更多核。这种“小核”的概念其实与现在GPU中的流处理器没有太大区别，只不过Intel基于X86。
也许大家要问，这样对于我们来说有什么好处？我们知道，在以往像今天GPU 单精度万亿次，双精度千亿次浮点运算能力的计算机是不属于PC，不属于个人电脑的。也就是说，这样级别的运算是与我们个人应用，个人生活没有关系的，我们不可能将一个小型机，大型机，集群放在自己家里，而为了实现什么高速的视频处理。而今天，PC将具有这样的运算能力，它的应用也因此迅速爆发。无论视频编码加速，特效加速，实时标清转高清，实时音频信号处理，实时视频品质改善，甚至未来的实时电影级别的渲染，视频面部识别搜索，实时智能汽车驾驶，这些应用都适用我们谈到的并行计算的模型。
也许在今年，Intel和NVIDIA为视觉革命和并行高性能计算打了不少口水仗，而从中我们不难看出，双方都不否认并行计算应用的未来，而同时NVIDIA明确表示，目前CUDA已经有7万名以上开发者，7000万个GPU可以运行CUDA，上千个CUDA开发的软件可以让GPU加速，对于这样的数据，我们对CUDA和NVIDIA引领的新计算模式充满信心。
