GPU和CPU有什么区别？GPU为何是人工智能“利器”？

来源：互联网作者：王林更新时间：2020-12-17 09:57:32阅读：

在第四次科技革命的东风之下，以云计算、大数据、人工智能等为首的新兴技术，凭借其优越的便利性和稳定性，开始为服务器市场带来新的生机活力。这其中，一种让普通用户既熟悉又陌生的处理器GPU，近年来开始崭露头角。

日前，PC巨头英特尔发布了首款数据中心独立图形显卡，即服务器GPU。苹果新款M芯片也得到了曝光，其中GPU达到了128核。在与人工智能互相呼应以后，GPU不仅重构了现行的产业结构，也为整个市场带来了新的有效增量，一个全新的“GPU黄金时代”似乎正在全面开启。从“陪太子读书”到“借力上位”，究竟什么是GPU？GPU又为何在AI应用当中开始崭露头角呢？

○ ○ ○

什么是GPU?

适合并行大数据的运算部件

提到GPU，就不能不提CPU，CPU是英文Central Processing Unit的缩写，也叫中央处理器，它既是一台计算机的运算核心，也是控制核心，主要功能是协调计算机系统工作。

如今我们购买的手机，常常会看到“高通骁龙”“联发科”等字样，购买电脑时也能看到“酷睿”“AMD”等，这些就是CPU中央处理器的品牌。

GPU则是英文Graphics Processing Unit的缩写，也就是一种专门为PC或者嵌入式设备进行图像运算工作的微处理器，与CPU相比，它的工作内容就专注了很多，主要执行复杂的数学和几何计算。

举个例子来说，电脑显卡的核心正是GPU处理器。显卡最主要的任务是图形图像的读取与显示处理，这背后需要复杂的并行计算，减轻核心CPU的计算量，和电脑CPU的速度没有太大的关系。性能越好的显卡，GPU越先进，这也是不少游戏玩家对GPU有很深感情的原因。

北京邮电大学计算机学院副教授杨旭东表示，CPU和GPU有很多相同之处，比如两者都是为了完成计算任务而设计的处理器，都遵循冯 · 诺依曼计算机体系结构。但它们的差别也很明显，CPU的结构属于单指令单数据处理结构，逻辑计算能力强；GPU则是单指令多数据处理结构，数据处理能力强。

简而言之，CPU擅长统领全局的复杂逻辑计算，而GPU擅长数据并行计算，因此特别适合处理量大且统一的数据。

对于复杂的2D渲染处理或3D图像处理，CPU就要花费很多的资源去处理，这不仅会降低其他方面的工作效率，也会影响使用体验。于是CPU就将一些高帧率的游戏画面和高质量的特效交给GPU去处理。

但另一方面，GPU无法单独工作，必须由CPU进行控制调用才能工作。CPU发出指令以后，GPU领取到属于自己的任务才开始工作。

GPU最早是在个人电脑上使用，为了解决多媒体数据处理，后来在移动智能终端上应用。今天随着人工智能和大数据的广泛应用，人们又把GPU放在服务器端，俗称服务器GPU。随着通信技术/网络技术的发展，数据处理越来越多放在服务器计算。杨旭东表示，如今服务器GPU既可以进行专业可视化、计算加速、深度学习等应用，也支持云计算、人工智能等一系列技术的发展，有望成为GPU行业未来应用的重点。

▲CPU和GPU结构区别示意图。GPU为了提高效率，可以大幅砍掉整数运算性能，也可以去掉大量缓存

○ ○ ○

解析服务器GPU：

数据中心的独立显示卡

前面说了服务器GPU，无独有偶的是，新冠疫情恰恰给了服务器GPU一个全新的机遇。

今年以来，受到疫情影响，全球范围内的线上业务量都有了较大幅度的提升，用户数量激增。例如观看视频的流媒体数量增长，全球流媒体播放时间第二季度同比增幅高达67%。再比如云游戏市场，近年来《王者荣耀》《和平精英》等游戏火热，这背后正是阿里、腾讯、网易等互联网公司积极的布局运作。

尤其是云游戏市场，它能像高配电脑一样畅玩高画质的游戏大作，同时又不会占用太多本地存储空间，就连索尼公司的PS系列，未来都宣传可以通过云游戏的方式，兼容过去产品的内容。

但真正实现云游戏绝非一件容易之事，其中一个很大的技术瓶颈就是虚拟化。普通的虚拟桌面不支持 GPU 虚拟化，而游戏恰恰非常依赖GPU渲染，若没有 GPU 的虚拟化就没办法实现云游戏，同时也会出现网络不稳定导致延时、在高清屏幕上显示效果不佳以及运营成本过高等问题。这就需要云服务器专用的显示芯片“服务器GPU”发挥作用了。

也正是基于这些需求，11月中旬，某计算机巨头公司，正式推出其首款数据中心独立图形显卡，也就是服务器GPU，命名为SG1。这是一款专为高密度、低时延的安卓云游戏和流媒体服务而设计的产品。

该公司表示，未来服务提供商可以在不改变服务器数量的情况下，单独扩展显卡容量，在每个系统上支持更多流量和订阅用户。举例来说，一个典型双卡系统可以支持超过100个安卓云游戏并发用户（指同时执行一个操作或脚本，对服务器产生实际压力的用户），而且最高可扩展至160个并发用户。

记者查阅资料发现，在2012年云游戏刚刚兴起时，GPU只能支持4用户并发，到2020年尽管提高到50用户并发左右，但与SG1的160并发，依然有很明显的差距。

云游戏的发展能为玩家呈现更高画质的内容，提高游戏在高清大屏上的视觉效果，而SG1的突破带来了更高的性价比，能通过软硬协同优化解决成本问题。这对于正在寻求降本增效的云游戏运营商来说，毫无疑问是春风送暖般的利好。

○ ○ ○

搭上人工智能的快车，

GPU未来取代CPU？

AI人工智能、虚拟现实与自动驾驶等技术，近年来引起了很高的市场关注，成为当下科技领域和投资领域最为火热的话题。特别是以深度学习为首的AI应用，因为AlphaGo在人机对战中的大获全胜，更是在全世界吹起一股AI风潮。

随着科学技术的发展，GPU早已不是计算机当中最为基础的“搬运工”，因为擅长大规模并发计算，所以GPU除了图像处理，也越来越多地参与到计算当中来，在人工智能、金融学、密码学、云服务等领域开始发挥越来越重要的作用。尤其是人工智能产业中，甚至成为行业内公认的“利器”之一。

GPU为何在AI应用当中崭露头角？杨旭东解释说，除了机器学习的帮忙，深度学习的类神经演算法也在人工智能应用当中发挥着重要的作用。深度学习当中有一种技术叫“卷积神经网络CNN”，这种网络在数学上是许多卷积运算和矩阵运算的组合，恰恰和GPU本来能做的矩阵运算十分相似，因此深度学习就可以用GPU进行加速。

▲卷积神经网络的端到端结构示意图

从2011年人工智能研究人员首次使用GPU为深度学习加速之后，GPU就开始在人工智能领域发挥巨大作用，这也让GPU本身有了跨越式的发展。十年时间内，不仅在性能上提升了20多倍，市场规模也得到了大幅提升。有机构预测，到2027年，全球GPU市场规模有望突破2000亿美元，从2020年到2027年，复合增长率有望高达33%。

因此有观点认为，按照现在的发展速率，因为CPU处理器已经出现了性能过剩等问题，若干年以后，GPU有望取代CPU。而在2017年的某场会议当中，英伟达（NVIDIA）CEO黄仁勋也曾公开表示，摩尔定律已经失效，GPU最终会取代CPU。

摩尔定律是由英特尔创始人之一戈登?摩尔所提出，其主要内容为：集成电路（芯片）上可容纳的晶体管数目，约每隔18至24个月便会增加一倍，性能也将提升一倍。

但近年来，随着以智能手机处理器性能的过剩以及性能提升的放缓，摩尔定律开始受到越来越多的质疑。

“GPU很难取代CPU，甚至在未来很长一段时间都无法实现。”杨旭东对这样的观点给予了否认。他解释说，这是因为从设计逻辑上来看，两者就有着根本的区别，CPU要统筹控制整个系统，各种复杂的指令都要它来执行，GPU如果也要这样做，自身就会变得复杂起来，连本职工作也无法完成了，所以GPU是无法取代CPU的。

“目前主流CPU晶体管数量在10亿左右，而顶级GPU晶体管数量已经达到了100亿甚至更多，所以CPU做不了GPU的事情，GPU也完成不了CPU的工作。”但杨旭东强调，未来随着制造技术进步和芯片的缩小，CPU和GPU架构之间将得到很好的融合。也就是说，CPU进一步强化处理数据模块的能力，GPU也可以承担更复杂的指令，最终促进计算机性能的大幅提升。