我正在创建一个内核来管理位于结构和数组上的大量变量。我知道如果我使用通过cudaMalloc（全局内存...对吧？计算会非常慢（我已经尝试过了，结果比我的算法的顺序版本慢）。
如果我在内核的变量上复制数据的数组，我会提高性能吗？
内核内存（应该称为"本地内存"，对吧？）应该比全局内存快吗？
本地内存和全局内存一样慢。如果数据太大而无法存储在寄存器或共享内存中，并且不需要写入操作，则可以尝试使用纹理内存或常量内存，它们被缓存，因此比全局内存更快。
我认为您对 CUDA 的工作方式有点困惑。我会尽力提供帮助，但我强烈建议您查看 CUDA 编程指南以及 CUDA 附带的示例。对于您在结构上的工作，我会推荐布莱克·斯科尔斯的例子。
我知道如果我使用通过 cudaMalloc 分配的变量（全局内存......对吧？计算会很慢（我已经尝试过了，结果比我的 alghoritm 的顺序版本慢）
是的，您确实使用 cudaMalloc 分配给 GPU 设备到全局内存，正确。计算不一定很慢，但是将大量数据复制到设备 （GPU） 内存的过程可能会很慢，具体取决于您对慢的定义。将内存复制到 CUDA 中的设备总是好的。
如果我在内核的变量上复制数据的数组，我会提高性能吗？内核内存（它应该被称为"本地内存"，对吧？）应该比全局内存快吗？
这种说法没有意义，我认为您不了解设备内存的工作原理。
在你走得更远之前，不要担心内存优化。特别是，您应该检查每个CUDA调用是否存在错误，尤其是CudaMalloc和CudaMemcpy，否则您将遇到一些严重的问题。
如果您打算真正学习GPU编程，我建议您阅读大量有关它的信息并查看示例程序。如果没有，您绝对应该检查一些现有的软件，以便在不成为程序员的情况下使用 GPU。特别是 Thrust 在这方面非常出色，尤其是对于 Map/Reduce 样式任务。