当前,计算机硬件系统正朝着并行化与异构化的趋势发展。继多核微处理器普及之后,图形处理器GPU、数字信号处理器DSP、FPGA等多种硬件加速设备被越来越多地应用到计算机系统。这些硬件加速设备特点各异,与通用处理器相比往往在特定方面具备突出的性能优势,它们在与通用处理器组成的异构计算机系统中作为协处理器辅助通用处理器执行计算任务。由CPU与GPU组成的计算机系统是现阶段最为典型异构系统。跟随计算机硬件系统并行化与异构化的发展趋势,现阶段针对异构系统的并行软件技术也处于蓬勃发展的时期。最大程度地开发异构系统中并行硬件的计算能力是并行软件技术的首要目标,同时,并行软件技术也要兼顾易用性,即应该尽量降低并行程序设计的难度。本文设计了一种并行程序语言,面向数据并行问题,并制定了该语言在CPU/GPU异构计算机系统上的实现方案,兼顾了高效性与易用性两方面的要求,对于提高在异构计算机系统上的软件开发效率,具有积极意义。本文的主要贡献如下:首先,该语言采用函数式程序语言设计,抽象层次高,表达能力强,大大降低了并行编程的难度。第二,设计了一种中间语言Core,该语言提供了一种基于并行向量原语的编程模型,非常适合表达数据并行问题,使用一组精简的向量原语就可以构造许多实际的并行程序。第三,采用流驱动计算模型作为任务自动并行化的基本技术,提出了将数据并行问题转化为数据流的方法,该方法可以挖掘问题中的并行潜力,且与问题无关,通用性较强。同时,将计算任务表示成数据流的形式非常适合GPU本身提供的并行计算模型。最后,设计了一个运行时系统,该系统能够有效地管理系统内存资源,能够动态、高效地将并行计算任务调度到GPU上执行。