详解服务器GPU和CPU技术区别和联系

CPU(CentralProcessingUnit，中央处理器)是机器的大脑，是完成布局策略、发号施令、控制行动的总司令官。CPU结构主要包括运算器(ALU，ArithmeticandLogicUnit)、控制单元(CU，ControlUnit)、寄存器(Register)、高速缓存器(Cache)通信数据、控制和状态的总线。

GPU(GraphicsProcessingUnit，中文是图形处理器)，就像它的名字一样，GPU最初是用在个人电脑、工作站、游戏机和一些移动设备(如平板电脑、智能手机等)上运行绘图运算工作的微处理器。

CPU和GPU它们之所以大不相同，是因为它们的设计目标不同，分别针对两种不同的应用场景。

CPU处理各种数据类型需要很强的通用性，同时需要逻辑判断，会引入大量的分支跳转和中断处理。这些都是由此造成的CPU内部结构极其复杂。

而GPU它面临着高度统一、相互依赖的大规模数据和不需要中断的纯计算环境CPU和GPU呈现出非常不同的架构(示意图):

从架构图中，我们可以清楚地看到，GPU其组成相对简单，有大量的计算单元和超长的流水线，特别适合处理大量统一的数据(如图像数据)。

GPU主要工作是3D一般来说，图像处理和特效处理是图像呈现的工作。对于2D图形，CPU可以轻松处理，但对于复杂的3D图像，CPU它需要花费大量的资源来处理，这显然会降低其他方面的工作效率，所以这类工作是交给的GPU去处理。

一些高帧率的游戏率的游戏画面和高质量的特效GPU处理，分担CPU工作。GPU服务器广泛应用于密码破译、大数据处理、金融分析等领域。

为什么GPU特别擅长处理图像数据？这是因为图像上的每个像素点都需要处理，每个像素点处理的过程和方法都非常相似，这样的场景就变成了GPU天然温床。

但GPU不能单独工作，必须由CPU进行控制调用才能工作。CPU它可以单独工作，处理复杂的逻辑操作和不同的数据类型，但可以调用大量的统一数据GPU并行计算。

GPU采用了大量的计算单元和超长的流水线，但只有非常简单的控制逻辑和省略Cache。而CPU不仅被Cache相比之下，它占据了大量的空间，有复杂的控制逻辑和许多优化电路GPU只有计算能力CPU一小部分。

CPU基于低延迟设计，CPU有强大的ALU(算术运算单元)，它可以在很少的时钟周期内完成算术计算。

相比之下，GPU以大吞吐量为基础，Cache小，控制单元简单，但是GPU适用于并行高吞吐量运算。

GPU有许多运算器ALU缓存很少Cache，缓存的目的不是为了保存以后需要访问的数据(CPU不同)，而是线程Thread提供服务的。如果有很多线程需要访问同一个相同的数据，缓存会合并这些访问后再去访问内存DRAM。

总而言之，CPU和GPU因为最初用来处理的任务不同，所以设计有很大的不同。还有一些任务和GPU最初用来解决问题的方法相似，所以使用GPU来计算。

打个比方，GPU计算速度取决于雇佣了多少小学生，CPU计算速度取决于你雇佣了多么强大的教授。教授处理复杂任务的能力压垮了小学生，但他们仍然无法承受更多不那么复杂的任务。当然，现在GPU也可以做一些稍微复杂的工作，相当于升级到初中生和高中生。

GPU它是用许多简单的计算单元来完成很多计算任务，纯粹的人海战术。这种策略是基于小学生之间工作没有依赖性，相互独立的前提。

这就回答了GPU能做什么？图形运算和机器学习算法等大型矩阵运算，GPU你可以展示你的技能。简而言之，CPU擅长统领全局等复杂操作，GPU擅长简单重复大数据。CPU是从事复杂脑力劳动的教学援助GPU是大量并行计算的体力劳动者(小学生)。

GPU工作的特点是计算量大，没有技术含量，需要重复很多次CPU只有把数据喂到嘴里，才能开始工作，最后还是靠它CPU来管理的。

为什么在人工智能领域GPU它很受欢迎吗？深度学习是模拟人脑神经系统的数学网络模型，其最大的特点是需要大数据进行训练。

因此，人工智能领域对计算能力的要求是需要大量重复计算，GPU正好有这个专长，时势造英雄GPU在人工智能领域(深度学习)，GPU主要特点如下：

1、提供了多核并行计算的基本结构，有大量的核心数量，可以支持大量数据的并行计算。并行计算是一种可执行多个指令的算法，旨在通过扩大问题解决规模来提高计算速度，解决大而复杂的计算问题。

2.访存带宽和速度更高。

3.浮点操作能力更高。浮点操作能力是与处理器相关的多媒体和3D图形处理的重要指标。在目前的计算机技术中，由于大量多媒体技术的应用，浮点数的计算大大增加，如3D因此，浮点运算的能力是调查处理器计算能力的重要指标。

需要强调的是，虽然GPU它是为图像处理而生的，但我们可以通过前面的介绍发现，GPU结构上没有专门为图像服务的部件，只是对的CPU结构的优化和调整，所以现在GPU它不仅可以在图像处理领域展示自己的技能，还可以用于科学计算、密码破解、数值分析、海量数据处理(排序、Map-Reduce等)，金融分析等需要大规模并行计算的领域。GPU也可以认为是比较常见的芯片。

简单总结：CPU和GPU是两种不同的处理器，CPU它是程序控制、顺序执行等操作的最先进的通用处理器GPU专用处理器用于图像处理和特定领域分析，GPU受CPU控制。在许多终端设备中，CPU和GPU它通常集成在一个芯片中CPU或GPU处理能力。