中午好，我的网工朋友。

最近GPTs热度很高啊，你们都用上了吗？

ChatGPT到现在热度仍不减，人工智能还在快速发展，这都离不开高性能、高算力的硬件支持。

如果以英伟达A100GPU的处理能力计算，运行ChatGPT将需要使用到30000块英伟达GPU，这些都将用做AI推理和图形计算。

那GPU到底是啥？跟CPU又有什么不一样？今天就给你来篇技术科普文。

今日文章阅读福利：《全国网络工程师交流群（进群名额限时开放）》

想学习更多技术？又或是和大佬交流讨论吗，俱乐部的全国网工交流群限时开放。私信发送暗号“进群”，前30名朋友可获得进群资格。

图形处理器（Graphics Processing Unit，缩写：GPU），又称显示核心、视觉处理器、显示芯片；

是一种专门在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上图像运算工作的微处理，是显卡或GPU卡的“心脏”。

GPU的工作通俗的来说就是完成3D图形的生成,将图形映射到相应的像素点上,对每个像素进行计算确定最终颜色并完成输出。

GPU的工作原理流程如下：

1. GPU包含多个核心,每个核心都可以独立执行命令。

2. 每个核心具有自己的存储器,用于存储指令和数据。

3. GPU会接收来自CPU的指令,并把它们分发到多个核心中进行处理。

4. GPU会把处理后的数据传输回 CPU，以便CPU可以使用它。

5. GPU的性能取决于其内部的核心数量、时钟频率以及RAM容量。

理解 GPU 和 CPU 之间区别的一种简单方式是比较它们如何处理任务。

CPU 由专为顺序串行处理而优化的几个核心组成，而 GPU 则拥有一个由数以千计的更小、更高效的核心（专为同时处理多重任务而设计）组成的大规模并行计算架构。

CPU是一个有多种功能的优秀领导者。它的优点在于调度、管理、协调能力强，计算能力则位于其次。

而GPU相当于一个接受CPU调度的“拥有大量计算能力”的员工。

GPU可以利用多个CUDA核心来做并行计算，而CPU只能按照顺序进行串行计算，同样运行3000次的简单运算，CPU需要3000个时钟周期，而配有3000个CUDA核心的GPU运行只需要1个时钟周期。

简而言之，CPU擅长统领全局等复杂操作，GPU擅长对大数据进行简单重复操作。CPU是从事复杂脑力劳动的教援，而GPU是进行大量并行计算的体力劳动者。

那么，GPU和CPU的具体区别有哪些呢？网络工程师俱乐部分享

CPU：

计算量小，原理：只有4个运算单元；

GPU：

计算量大，原理：有1000个运算单元。

CPU：

可计算复杂的运算，比如积分微分，4个运算单元都属于专家级别；

GPU：

只可以计算简单的1+1算术题，不能计算复杂的微分积分，1000个运算单元属于小学生水平。

CPU：

较快。原理：单线程计算(比如机器人运动控制)，单个芯片性能强劲，计算能力强，能计算出来。

GPU：

较慢，甚至可能计算不了;原理：单个芯片性能弱，计算能力弱，可能算不出来，或速度很慢。

CPU：

速度较慢。因为计算原理是：先算第1题， 再算第2题，总时间为【T1+T2+T3>>>+T1000(也就是1000个算术题消耗时间的累加])】

GPU：

速度很快。因为计算原理是：可同时计算1000道算术题，总时间为【max(T1,T2,T3...T1000)(也就是1000个算术题消耗时间中的最大值)】

CPU：

像老教授，积分微分都会算，就是工资高，一个老教授资顶二十个小学生，你要是富士康你雇哪个？GPU就是这样，用很多简单的计算单元去完成大量的计算任务，纯粹的人海战术。

GPU：

计算量大，但没什么技术含量，而且要重复很多很多次。就像你有个工作需要算几亿次一百以内加减乘除一样，最好的办法就是雇上几十个小学生一起算，一人算一部分，反正这些计算也没什么技术含量，纯粹体力活而已。

GPU：

适合前后计算步骤无依赖性，相互独立的计算场景。很多涉及到大量计算的问题基本都有这种特性，比如你说的破解密码，挖矿和很多图形学的计算。

这些计算可以分解为多个相同的简单小任务，每个任务就可以分给一个小学生去做。网络工程师俱乐部分享

CPU：

适合需要前后计算步骤严密关联的计算场景。这些任务涉及到“流”的问题，必须先计算完第一步，再去计算第二步；

比如你去相亲，双方看着顺眼才能继续发展。总不能你这边还没见面呢，那边找人把证都给领了。

这种比较复杂的问题都是CPU来做的，生活中大部分用的都是CPU，例如武器装备运动控制、个人电脑使用等。

整理：老杨丨10年资深网络工程师，更多网工提升干货，请关注公众号：网络工程师俱乐部