我记得前段时间读过有系统的cpu卡可以增加额外的处理能力来进行大规模并行化。 任何人都有这方面的经验和任何资源来研究项目的硬件和软件方面？ 这项技术是否不如传统集群？ 它是否更具能量意识？
有两个很酷的选择。 一个是使用GPU作为米奇提到的。 另一种是获得PS / 3，它有一个多核Cell处理器。
您还可以设置多个廉价的主板PC并运行Linux和Beowulf。
GPGPU可能是发烧友最实用的选择。 然而，DSP是另一种选择，例如由德州仪器，飞思卡尔，ADI公司和恩智浦半导体制造的那些。 当然，大多数可能更多地针对工业用户，但你可能会研究Storm-1系列的DSP，其中一些应该低至每片60美元。
数据并行的另一个选择是物理处理单元，如Nvidia（以前的Ageia）PhysX。 这些协处理器最明显的用途是用于游戏，但它们也用于科学建模，加密和其他矢量处理应用程序。
ClearSpeed附加处理器是另一种可能性。 这些基本上是专为HPC应用程序设计的SIMD协处理器，因此它们可能超出您的价格范围，但我只是在猜测。
所有这些建议都是基于数据并行性，因为我认为这是最具潜力的领域。 of currently CPU-intensive applications could be performed much faster at much lower clock rates (and using less power) by simply taking advantage of vector processing and more specialized SIMD instruction sets. 目前CPU密集型应用程序可以更快地以低得多的时钟速率通过简单地把向量处理和更专业的SIMD指令集的优势来进行（且耗电更少）。
实际上，大多数计算机用户不需要比英特尔凌动处理器更多的休闲计算需求：电子邮件，浏览网页和播放音乐/视频。 而对于实际上确实需要大量处理能力的其他10％的计算任务，通用的标量处理器通常不是最适合工作的工具。
即使大多数拥有严格处理需求的人也只需要它用于狭窄的应用范围; 物理学家不需要能够播放最新FPS的PC; 音响工程师不需要进行科学建模或进行统计分析; 并且图形设计师不需要进行数字信号处理。 具有高度专业化指令集的域特定向量处理器（如用于游戏的现代GPU）将能够比高功率通用CPU更有效地处理这些任务。
群集计算无疑对核研究等许多高端工业应用非常有用，但我认为矢量处理对普通人来说具有更多实际用途。
OpenCL - 是跨不同供应商和处理器类型，单核，多核，图形卡，单元等进行HPC计算的行业标准...请参阅http://en.wikipedia.org/wiki/OpenCL 。
我们的想法是，使用简单的代码库，无论处理器类型如何，您都可以使用机器上的所有备用处理能力。
Apple已在其下一版Mac OS X中实施此标准。还将提供nVIDIA，ATI，Intel等产品。
Mercury Computing提供了一个Cell Accelerator Board ，它是一个带有Cell处理器的PCIe卡，可运行Yellow Dog Linux或Mercury的YDL风格。 Fixstars提供了更强大的Cell PCIe板，称为GigaAccel 。 我打电话给Mercury，他们说他们的电路板大约5000美元，没有软件。 我猜GigaAccel的价格高达两倍。
我找到了一块使用过的水银板，但它没有附带电源线，所以我还没能用它，可悲的是。