1. GPU 加速概览：为什么你的单细胞分析需要它

各位同学，咱们直接开门见山。空间单细胞分析，说白了就是一场数据上的“军备竞赛”——单细胞转录组数据动不动就几万个细胞、几万个基因，空间转录组还要加上坐标信息。我刚开始做这行的时候，拿着一个中等规模的数据集跑聚类算法，结果泡杯咖啡回来它还在转。那时候我就想，这效率，根本没法做大规模的探索性分析。

所以，第一章咱们就聊聊：GPU 凭什么能加速？它在整个单细胞分析流程里到底扮演什么角色？以及我们最关心的——怎么用 CUDA 来把手里的计算任务“塞进”GPU 里去跑。

1.1 GPU 在单细胞分析中的角色：不是万能，但专治“大”问题

很多人有个误解，觉得 GPU 就是用来做深度学习的，其他场景用不上。我告诉你，这是错的。
它在空间单细胞分析里的核心价值其实就一个字：“并行”。

典型瓶颈在哪里？

• 细胞 - 基因矩阵的运算： 几万个细胞，每个细胞几万个基因的表达值。常规的降维（PCA）、聚类（Leiden/Louvain）、差异分析，本质上都是矩阵乘法 + 距离计算的组合。CPU 是一个核一个核地算，GPU 是几千个核一起算。
• 邻域图构建： 空间转录组里，每个 spot（点）的邻居关系、空间权重矩阵——这些东西构建起来是 O(n²) 的复杂度。数据量一大，CPU 基本就卡死了。
• 深度学习模型推理： 像 SpaGCN、cell2location 这类方法，它们的神经网络部分本来就是 GPU 的“亲儿子”，不用 GPU 等于浪费算力。

举个我踩过的坑。有一次我在一台 32 核的服务器上做空间转录本的聚类，跑了整整 6 个小时还没出结果。后来我把它迁移到一台单卡 V100 的工作站上，把底层的一些距离计算换成 cuML（一个 GPU 版的机器学习库），跑下来只用了 15 分钟。你想想看，这差距有多大。

1.2 GPU 架构简介：它和 CPU 到底哪里不一样？

要理解 GPU 为什么快，你得先看它的“工作方式”。我习惯用一个比喻：
CPU 是几个顶尖的数学家，什么难题都能解，但只有几个脑袋。GPU 是几千个小学生，每个人只会 1+1，但胜在人多，能同时算几千道 1+1 的题。

所以，GPU 适合做 数据并行 的任务。它的核心架构可以简化为几个关键概念：

1.3 CUDA 基础概念：怎么告诉 GPU 去干活？

CUDA 是 NVIDIA 推出的并行计算平台。说白了，它就是我们跟 GPU 沟通的“语言”。不需要你会写复杂的 C++ 代码，很多库（RAPIDS、Cupy、PyTorch）都已经封装好了。但知道它的底层逻辑，能让你更好地理解为什么某些操作快、某些操作慢。

核心三要素：

• Kernel（核函数）： 你要在 GPU 上执行的函数。通过 __global__ 关键字声明。它会在几千个线程上同时运行。
• 线程层次： Grid（网格）→ Block（块）→ Thread（线程）。一个 Grid 包含很多 Block，一个 Block 包含很多 Thread。
• 内存模型： 每个线程有自己的寄存器（最快、最小），每个 Block 有自己的共享内存（快、中），所有线程共享全局显存（慢、大）。

一个最简单不过的 CUDA 加法例子（看看就行，不用深究）：

// 这是 host（CPU）端代码
__global__ void vec_add(float *a, float *b, float *c, int n) {
    int idx = blockIdx.x * blockDim.x + threadIdx.x;
    if (idx < n) {
        c[idx] = a[idx] + b[idx];
    }
}

// 调用时：
vec_add<<>>(d_a, d_b, d_c, N);

这段代码意味着：你告诉 CUDA，帮我把 vec_add 这个函数，在 grid * block 个线程上同时执行。每个线程负责处理数组中的一个元素。

本章核心逻辑图：

下面这张图总结了空间单细胞分析中从“数据问题”到“GPU 解决方案”的路径。你看一眼就能明白整个体系是怎么串起来的。

到了这一步，我相信你心里已经有谱了。
GPU 不是玄学，它就是个更会“群殴”的计算芯片。只要你能把单细胞分析里那些可以分解成独立小任务的计算（比如每个细胞算它和邻居的相似度、每个基因算它在不同细胞群的均值），扔给 GPU，它就能给你带来几倍到几十倍的加速。