Opencl是一种典型的异构架构，可以很好的实施并发性，为了简化并行计算复杂度以及兼容各个芯片差异性，opencl将其抽象为四大模型（Platform model, Execution model,Memory model 以及Programming model），它是整个opencl的基础部分。可以说 opencl很好的兼容CPU,GPU和DSP fpga等芯片。
最近几十年并行计算发展一直处于不稳不火的状态，主要有以下几点：
1：摩尔定律的发展，芯片性能，每隔几年都有大的提升，直接升级硬件带来的收益远远大于软件优化的收益，使各个厂商没有兴趣进行并进计算的优化
2：并行编程是软件的复杂性大大提高，与传统串行编程思路相比复杂度较高。
3：一直缺乏有效统一的并行编程的架构，各个厂商为了自己的利益，开发自己的平台，将广大开发人员绑定在自己架构指示，如英伟达 开发出的CUDA,因其在GPU上的优势，绑定了广大开发者，目前大部分的开源库都支持CUDA。
Opencl最早由苹果开发设计，其他厂商也慢慢加入进来，最后交由khronos进行后续开发维护，它是API级的并行计算架构，而CUDA偏向与整个系统基本的，两种稍微不同。Opencl良好的兼容各个CPU,GPU等芯片架构，所以得到了芯片厂商的大力支持，如果Opencl在今后几年不能进行并行计算的大统一，广大开发者等到新的架构下次大统一估计是十年之后的事情。最近，几年随着AI发展，国内出现的大批AI芯片公司，想进行弯道超车一举转变我国在芯片的劣势，也为opencl发展提供了新的机会。
当然Opencl也有相应的缺点，它属于API级的架构，就注定了其开发复杂度，在当今Java,Python当道的情况下(尤其是"Life is short. I use Python" ，这句话被广大py 当做神句，其实国内已经误解其原作者意思，py也只是工具，当初作者写这句话意思只是想说明 使用py开发的方便之处，只是当做工具来使用，其实语言就是工具，国内环境对编程语言太过强调，反而丢弃计算机本质)，社会浮躁情况下，很少有人愿意去研究底层，国内缺少opencl方面的人才，当然和国内目前招聘opencl职位较少也有关系。
Opecl API最早期指提供了C接口，后来为了简化其操作复杂性，尤其是使用C接口很容易忘记释放内存，造成内存泄漏，后来提供C++接口，极大简化了其操作复杂性。
Platform Model
platform model是认识opencl基础，也对了解异构计算也有很大好处，它是实现对硬件层的抽象，如图下：
上述图片来自于《Opencl Programming Guide》 一书，opencl平台分为Host 和 Device 两个部分：
HOST :host仅仅只有一个，一般是在CPU上，host会链接到多个device上。主要功能为：
1：初始化opencl，创建conetxt等等一系列操作
2: 可以和应用程序进行交互，将应用程序的数据 copy到 device上
3：向device 提交命令
4：将device的计算结果 copy到host上。
5：host通过创建context来实现与device的交互，进一步控制devide
Device: device设备可以为多个，可以是GPU,CPU或者DSP，它是计算的主力，所有算法都是在device计算的，所以devide大小，多少代表了有多少计算能力
1： device 上的代码一般称为kernel。
2：一个device又可以进一步分为多个CU(compute units), 一个CU又可以分为多个PE(processing element).
3: PE是真正的执行单元。
Platform model最主要的作用是将各种硬件设备抽象成了统一一个模型平台，为后面opencl的框架实施打好了基础，同时也能很好的兼容各种类型的设备
参考资料
《OpenCL programming Guide》
