1. 前言

在20世纪80年代，由于传统的CPU没有专门为图形处理优化的结构，所以在图形处理方面表现很弱。但是随着计算机的普及，游戏图形的不断进化，人们对图形的需求越来越高，为了满足游戏行业的高性能需求，于是在这个时期就诞生了GPU。

2.展开讲解

• 应用场景

GPU具有高度并行特征，能够为工作负载提供加速。GPU中的ALU具有较多的浮点运算单元，能够大量执行数学计算，加上GPU的寄存器的速度和处理器的速度也很快，从寄存器读写数据数据没有延时。

所以能够满足计算密集型应用的要求，适合深度学习和人工智能推理、科学计算、数值计算等领域。

CPU倾向于程序控制、顺序执行，通常有多个处理核心、高速缓存层次和复杂的指令集体系结构，适合通用计算和广泛的应用领域。

• CPU芯片包含的晶体管数量（举例）

我们这里拿NVDIA H100和AMD EPYC™ 9754举例：

从晶体管数量来看，顶级的GPU通常包含更多的晶体管。

NVDIA H100：大约有800亿个晶体管

AMD EPYC™ 9754：大约有820亿个晶体管

两者的架构设计目标不是一样的。从设计角度来说，CPU的架构比GPU的架构复杂。CPU需要很强的通用性来处理各种不同的数据类型，同时又要逻辑判断又会引入大量的分支跳转和中断的处理，这就使得 CPU的内部结构很复杂。

GPU面对的是类型高度统一的、相互依赖的大规模数据，顶级的GPU可能在硬件规模上更大，而顶级的CPU在架构和设计上可能更复杂。

• GPU架构

一个CPU通常包含控制单元、算数逻辑单元、寄存器和数据缓存及总线5个组件，组件之间相互配合，相互执行各种各样的任务。

1.并行架构

GPU采用了并行架构，能够同时执行多个计算任务，能够实现高效的并行计算。

2.多线程

能够提供了多核并行计算的基础结构，且核心数非常多，可以支撑大量数据的并行计算，处理神经网络数据远远高效于CPU。

3. 浮点运算能力高

GPU的控制相对简单，且不需要很大的Cache，大部分晶体管可被用于各类专用电路和流水线，计算速度因此大增，拥有强大的浮点运算能力。

4. 响应方式

GPU响应方式采用的是批处理机制，就是任务先排好队，挨个挨个的处理。

• CPU架构

1.浮点计算

CPU是第多才多艺的，它除了负责整形运算，还负责像媒体解码、硬件解码这种指令集，需要控制和负责的事情比较多，CPU工作主要是顺序执行，浮点计算能力没有GPU的强。

2.响应方式

CPU要求的是实时响应，对单任务处理的速度要求很高。

3.小结

GPU芯片和CPU芯片没有绝对的谁更强，谁更弱的说法，它们在不同的领域和不同的应用上，都是王者，大家根据自己的需求进行挑选，适合自己的就是最好的。如果有什么不了解的地方，欢迎私信我们，一起来探讨。