根据我对NVIDIA的CUDA体系结构的理解，线程的执行以大约32个称为"warps"的组进行。一次安排多个扭曲，并从任何扭曲发出指令（取决于某些内部算法）。
现在，如果我在设备上有16KB的共享内存，并且每个线程使用400字节的共享内存的话，那么一个warp将需要400*32=12.8KB。这是否意味着GPU实际上一次不能调度超过1个warp，无论我在给定块内启动多少线程？
从资源的角度（寄存器、共享内存等）来看，重要的单元是线程块，而不是warp。
为了安排执行线程块，SM上必须有足够的可用资源来满足整个线程块的需要。网格中的所有线程块都将具有完全相同的资源需求。
如果SM当前没有正在执行的线程块（例如在内核启动时），则SM应该至少有足够的资源来满足单个线程块的需求。如果不是这样，内核启动将失败。例如，如果每个线程的寄存器数乘以每个块的线程数，超过SM中的寄存器数，就会发生这种情况
在SM调度了单个线程块之后，可以根据可用资源来调度额外的线程块。因此，为了扩展寄存器类比，如果每个线程块需要30K个寄存器（regs/thread*threads/block），而SM最多有64K个寄存器，那么最多可以调度两个线程块（即，SM可能会执行它们的扭曲）。
通过这种方式，任何可能被执行的扭曲都已经分配了足够的资源。这是调度机制的主要部分，允许SM以零延迟将执行从一个扭曲切换到另一个扭曲（快速上下文切换）。