从总体上来看，在一般情况下，高性能计算并容易学。在自学集高性能这门课程中，不光要完全掌握较多的基础知识，学会了换算方面的基本都运算法则，还得参与大量不是很严古怪的计算练习，这样才能在培养知识的前提下快速有效提升计算能力，成功了结束学习任务。
谢邀。
关键看需求
.例如：
是需要支持什么版本的opengl
不需要能提供什么样的性能
与主处理器之间如何接口
与ram之间该如何接口
功耗方面有何要求
除所接受的opengl标准外，作为是否提供，需要提供什么样的编程接口？
当需求应明确后，就也可以接受架构设计，并能够完成软硬件划分。
常见来说，若是叫gpu，就应具备肯定会的二次开发能力。结构总体说来是一个或一组多核、相同高度右行的数据流处理器系统。这是啊是的软硬件协同设计。
具体看的任务很多，简单的简要概括一些：
架构方面：
设计流全面处理单元的指令集、流水线等基础架构。类似怎么设计三颗专用cpu/dsp。
怎么设计流去处理单元与总线、流一次性处理单元之间的数据交换、协议
设计gpu与主处理器之间的连接和数据传输
会显示控制输出部分（这不是gpu-图形处理）架构
硬件方面
流处理单元设计
ram接口，缓存设计
很多...
软件部分
流如何处理单元的开发调试工具、基本架构级模拟器
对各流全面处理单元编程，以实现方法所需的opengl标准允许
运行于主处理器的显示输出部分驱动程序以及opengl驱动程序
那样的话说来，要些什么技术、经验呢？反正和做处理器设计相似，大体有这些：
处理器架构及指令集设计
处理器核心设计
硬件接口设计
对opengl的深度表述
linux、xorg驱动程序开发
处理器工具链开发（编译器、汇编器、调试器）
涉及内容很多，写得不各个。但可供可以参考。
个人相关：曾啊,设计过简单的图形处理芯片，也写过一点linux图形设备驱动程序。时间遥远的岁月，知识会有太老土，但基本都道理内外相通。
